Statistiken und Big Data least-squares

2

Ich versuche zu verstehen, wie Einflussfunktionen funktionieren. Könnte jemand im Kontext einer einfachen OLS-Regression erklären yi=α+β⋅xi+εiyi=α+β⋅xi+εi\begin{equation} y_i = \alpha + \beta \cdot x_i + \varepsilon_i \end{equation} wo ich die Einflussfunktion für will ββ\beta.

13 regression least-squares

1

Wie liest man die Anpassungsgüte auf nls von R?

Ich versuche, die Ausgabe von nls () zu interpretieren. Ich habe diesen Beitrag gelesen, verstehe aber immer noch nicht, wie ich die beste Passform auswähle. Aus meinen Passungen habe ich zwei Ausgänge: > summary(m) Formula: y ~ I(a * x^b) Parameters: Estimate Std. Error t value Pr(>|t|) a 479.92903 62.96371 …

12 r least-squares nonlinear-regression goodness-of-fit

2

Gibt es ein theoretisches Problem bei der Mittelung von Regressionskoeffizienten zur Erstellung eines Modells?

Ich möchte ein Regressionsmodell erstellen, bei dem es sich um einen Durchschnitt mehrerer OLS-Modelle handelt, die jeweils auf einer Teilmenge der vollständigen Daten basieren. Die Idee dahinter basiert auf diesem Papier . Ich erstelle k Falten und erstelle k OLS-Modelle, die jeweils auf Daten ohne eine der Falten basieren. Ich …

12 regression least-squares ensemble

2

Gradientenabstieg findet keine Lösung für gewöhnliche kleinste Fehlerquadrate in diesem Datensatz?

Ich habe lineare Regression studiert und es unter der Menge {(x, y)} versucht, wobei x die Fläche des Hauses in Quadratfuß und y den Preis in Dollar angab. Dies ist das erste Beispiel in Andrew Ng Notes . 2104,400 1600,330 2400,369 1416,232 3000,540 Ich habe einen Beispielcode entwickelt, aber wenn …

12 regression least-squares gradient-descent supervised-learning

2

„Kleinste Quadrate“ und „Lineare Regression“ sind Synonyme?

Was ist der Unterschied zwischen kleinsten Quadraten und linearer Regression? Ist es dasselbe?

12 regression least-squares terminology

1

Berechnen Sie die log-Wahrscheinlichkeit „von Hand“ für die verallgemeinerte nichtlineare Regression der kleinsten Quadrate (nlme)

Ich versuche, die log-Wahrscheinlichkeit für eine verallgemeinerte nichtlineare Regression der kleinsten Quadrate für die Funktion f ( x ) = β 1 zu berechnenoptimiert durch dieFunktion im R-Paketunter Verwendung der Varianz-Kovarianz-Matrix, die durch Abstände auf einem phylogenetischen Baum unter Annahme einer Brownschen Bewegung (aus demPaket) erzeugt wird. Der folgende reproduzierbare …

12 r maximum-likelihood least-squares nonlinear-regression mixed-model

5

Rekursiver (online) regularisierter Algorithmus der kleinsten Quadrate

Kann mich jemand auf einen (rekursiven) Online-Algorithmus für die Tikhonov-Regularisierung (regularisierte kleinste Quadrate) hinweisen? In einer Offline-Einstellung würde ich Verwendung meines ursprünglichen Datensatzes berechnen, wobei unter Verwendung der n-fachen Kreuzvalidierung gefunden wird. Ein neuer Wert kann für ein gegebenes x mit y = x ^ T \ hat \ beta …

12 regression machine-learning least-squares regularization online

4

Auswahl der Anfangswerte für die nichtlineare Anpassung der kleinsten Quadrate

Die Frage oben sagt alles. Grundsätzlich ist meine Frage nach einer generischen Anpassungsfunktion (die beliebig kompliziert sein kann), die in den Parametern, die ich abzuschätzen versuche, nichtlinear ist. Wie wählt man die Anfangswerte aus, um die Anpassung zu initialisieren? Ich versuche, nichtlineare kleinste Quadrate zu erstellen. Gibt es eine Strategie …

12 least-squares nonlinear-regression starting-values

6

Lineare Regression, wenn Y begrenzt und diskret ist

Die Frage ist einfach: Ist es angemessen, eine lineare Regression zu verwenden, wenn Y begrenzt und diskret ist (z. B. die Testergebnisse 1 bis 100, einige vordefinierte Rangfolgen 1 bis 17)? Ist es in diesem Fall "nicht gut", eine lineare Regression zu verwenden, oder ist es völlig falsch, sie zu …

12 regression multiple-regression least-squares linear bounds

4

Warum sind die Regressionsmethoden Least-Squares und Maximum-Likelihood nicht gleichwertig, wenn die Fehler nicht normal verteilt sind?

Titel sagt alles. Ich verstehe, dass die kleinsten Quadrate und die maximale Wahrscheinlichkeit das gleiche Ergebnis für Regressionskoeffizienten liefern, wenn die Fehler des Modells normal verteilt sind. Aber was passiert, wenn die Fehler nicht normal verteilt sind? Warum sind die beiden Methoden nicht mehr gleichwertig?

11 regression normal-distribution maximum-likelihood least-squares error

5

Zeigen, dass der OLS-Schätzer skalierungsäquivariante ist?

Ich habe keine formale Definition der Skalenäquivarianz, aber hier ist die Einführung in das statistische Lernen dazu. 217: Die Standardkoeffizienten der kleinsten Quadrate ... sind skalierungsäquivariante : Das Multiplizieren von XjXjX_j mit einer Konstanten ccc führt einfach zu einer Skalierung der Koeffizientenschätzungen der kleinsten Quadrate um einen Faktor von 1/c1/c1/c …

11 least-squares linear-model

3

Was sind die Vorzüge verschiedener Ansätze zur Erkennung von Kollinearität?

Ich möchte feststellen, ob Kollinearität ein Problem in meiner OLS-Regression ist. Ich verstehe, dass Varianzinflationsfaktoren und der Zustandsindex zwei häufig verwendete Messgrößen sind, finde es jedoch schwierig, etwas Bestimmtes in Bezug auf die Vorzüge jedes Ansatzes oder die Höhe der Bewertungen zu finden. Eine prominente Quelle, die angibt, welcher Ansatz …

11 multiple-regression references least-squares multicollinearity vif

1

Anpassen einer Exponentialfunktion unter Verwendung der kleinsten Quadrate gegenüber dem verallgemeinerten linearen Modell gegenüber den nichtlinearen kleinsten Quadraten

y= B ea xy=B.eeinxy = Be^{ax}

11 modeling generalized-linear-model least-squares nonlinear-regression curve-fitting

3

Warum vertikale Abstände?

Warum werden bei der OLS-Schätzung eher vertikale Abweichungen der Punkte zur Linie als horizontale Abstände berücksichtigt?

11 least-squares

4

Wie groß sollte eine Stichprobe für eine bestimmte Schätztechnik und Parameter sein?

Gibt es eine Faustregel oder überhaupt eine Möglichkeit zu bestimmen, wie groß eine Stichprobe sein sollte, um ein Modell mit einer bestimmten Anzahl von Parametern zu schätzen? Wenn ich beispielsweise eine Regression der kleinsten Quadrate mit 5 Parametern schätzen möchte, wie groß sollte die Stichprobe sein? Ist es wichtig, welche …

11 sample-size estimation least-squares maximum-likelihood

Als «least-squares» getaggte Fragen