Statistiques et Big Data regression

3

Comparaison SVM et régression logistique

Quelqu'un peut-il me donner s'il vous plaît une certaine intuition quant au moment de choisir SVM ou LR? Je veux comprendre l'intuition de la différence entre les critères d'optimisation d'apprentissage de l'hyperplan des deux, dont les objectifs respectifs sont les suivants: SVM: essayez de maximiser la marge entre les vecteurs …

37 regression logistic svm optimization

2

Comment trouver un bon ajustement pour un modèle semi-sinusoïdal en R?

Je veux supposer que la température de surface de la mer Baltique est la même année après année, puis la décrire avec un modèle fonction / linéaire. L'idée que j'avais était de simplement entrer l'année sous forme de nombre décimal (ou num_months / 12) et de déterminer la température à …

37 r regression time-series lm

2

Quand et comment utiliser des variables explicatives normalisées dans la régression linéaire

J'ai 2 questions simples sur la régression linéaire: Quand est-il conseillé de normaliser les variables explicatives? Une fois que l'estimation est réalisée avec des valeurs normalisées, comment peut-on prévoir avec de nouvelles valeurs (comment normaliser les nouvelles valeurs)? Quelques références seraient utiles.

37 regression predictive-models references standardization predictor

4

Différence entre prévision et prédiction?

Je me demandais quelle différence et quel rapport existe entre prévision et prédiction? Surtout dans les séries chronologiques et la régression? Par exemple, ai-je raison de dire que: Dans les séries chronologiques, la prévision semble vouloir dire estimer une valeur future à partir des valeurs passées d’une série chronologique. En …

37 regression time-series forecasting terminology

1

Quelles sont les mesures de qualité d'ajustement faciles à interpréter pour les modèles linéaires à effets mixtes?

J'utilise actuellement le package R lme4 . J'utilise des modèles à effets mixtes linéaires à effets aléatoires: library(lme4) mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect + # random effects …

37 r regression mixed-model random-effects-model

2

Régression logistique vs LDA en tant que classificateurs à deux classes

J'essaie de comprendre la différence statistique entre l'analyse discriminante linéaire et la régression logistique . Ai-je bien compris que, pour un problème de classification à deux classes , LDA prédit deux fonctions de densité normales (une pour chaque classe) qui crée une limite linéaire à leur intersection, alors que la …

36 regression logistic classification discriminant-analysis

2

Comment savoir quelle méthode de validation croisée est la meilleure?

J'essaie de déterminer quelle méthode de validation croisée convient le mieux à ma situation. Les données suivantes ne sont qu'un exemple pour résoudre le problème (en R), mais mes Xdonnées réelles ( xmat) sont corrélées les unes avec les autres et à différents degrés avec la yvariable ( ymat). J'ai …

36 r regression cross-validation linear-model

4

Comment interpréter les coefficients d'un ajustement de modèle polynomial?

J'essaie de créer un ajustement polynomial du second ordre à certaines données que j'ai. Disons que je trace cette correspondance avec ggplot(): ggplot(data, aes(foo, bar)) + geom_point() + geom_smooth(method="lm", formula=y~poly(x, 2)) Je reçois: Ainsi, un ajustement de deuxième ordre fonctionne assez bien. Je le calcule avec R: summary(lm(data$bar ~ poly(data$foo, …

36 r regression interpretation regression-coefficients

3

Comment dériver une matrice de coefficients de variance-covariance en régression linéaire

Je lis un livre sur la régression linéaire et j’ai du mal à comprendre la matrice de variance-covariance de :bb\mathbf{b} Les éléments en diagonale sont assez faciles, mais les éléments en diagonale sont un peu plus difficiles. Ce qui me laisse perplexe, c'est que σ(b0,b1)=E(b0b1)−E(b0)E(b1)=E(b0b1)−β0β1σ(b0,b1)=E(b0b1)−E(b0)E(b1)=E(b0b1)−β0β1 \sigma(b_0, b_1) = E(b_0 b_1) …

36 regression

4

Comment puis-je ajuster une régression contrainte dans R afin que les coefficients totaux = 1?

Je vois une régression similaire similaire ici: Régression linéaire contrainte à travers un point spécifié mais mon exigence est légèrement différente. Il me faut les coefficients pour faire un total de 1. Plus précisément, je régresse les rendements d'une série de devises contre trois autres séries de devises, de sorte …

36 r regression

2

Comment interpréter glmnet?

J'essaie d'adapter un modèle de régression linéaire multivarié avec environ 60 variables de prédicteur et 30 observations. J'utilise donc le package glmnet pour la régression régularisée, car p> n. J'ai parcouru la documentation et d'autres questions, mais je ne peux toujours pas interpréter les résultats. Voici un exemple de code …

36 r regression regularization glmnet

4

Qu'est-ce qu'une variable instrumentale?

Les variables instrumentales sont de plus en plus courantes en économie appliquée et en statistique. Pour les non-initiés, pouvons-nous avoir des réponses non techniques aux questions suivantes: Qu'est-ce qu'une variable instrumentale? Quand voudrait-on employer une variable instrumentale? Comment trouver ou choisir une variable instrumentale?

36 regression econometrics instrumental-variables

5

Pourquoi les problèmes de régression sont-ils appelés problèmes de «régression»?

Je me demandais simplement pourquoi les problèmes de régression sont appelés problèmes de "régression". Quelle est l'histoire derrière le nom? Une définition de la régression: "Rechute dans un état moins parfait ou moins développé".

36 regression terminology history etymology

2

Qu'est-ce que la régularisation du réseau élastique et comment résoudre les inconvénients de Ridge (

La régularisation par filet élastique est-elle toujours préférée à Lasso & Ridge, car elle semble résoudre les inconvénients de ces méthodes? Quelle est l'intuition et quel est le calcul derrière le filet élastique?

35 regression lasso regularization ridge-regression elastic-net

2

Augmentation de gradient pour la régression linéaire - pourquoi cela ne fonctionne-t-il pas?

Lors de l'apprentissage de Gradient Boosting, je n'ai jamais entendu parler de contraintes concernant les propriétés d'un "classificateur faible" que la méthode utilise pour construire et modéliser un modèle. Cependant, je ne pouvais pas imaginer une application de Go utilisant une régression linéaire, et en fait, après avoir effectué certains …

35 regression machine-learning boosting ensemble gradient

Questions marquées «regression»