Als «logistic» getaggte Fragen

Bezieht sich allgemein auf statistische Verfahren, die die logistische Funktion nutzen, am häufigsten verschiedene Formen der logistischen Regression

1
Warum ist das Bayes'sche glaubwürdige Intervall in dieser Polynomregression verzerrt, während das Konfidenzintervall korrekt ist?
Betrachten Sie das Diagramm unten, in dem ich Daten wie folgt simuliert habe. Wir betrachten ein binäres Ergebnis für das die wahre Wahrscheinlichkeit, 1 zu sein, durch die schwarze Linie angezeigt wird. Die funktionale Beziehung zwischen einer Kovariate und ist ein Polynom 3. Ordnung mit logistischer Verknüpfung (also in doppelter …
1
Welches Deep-Learning-Modell kann Kategorien klassifizieren, die sich nicht gegenseitig ausschließen?
Beispiele: Ich habe einen Satz in der Stellenbeschreibung: "Java Senior Engineer in UK". Ich möchte ein Deep-Learning-Modell verwenden, um es als zwei Kategorien vorherzusagen: English und IT jobs. Wenn ich ein traditionelles Klassifizierungsmodell verwende, kann es nur 1 Etikett mit softmaxFunktion auf der letzten Ebene vorhersagen . Somit kann ich …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Warum können lineare und logistische Regressionskoeffizienten nicht mit derselben Methode geschätzt werden?
Ich habe in einem Buch über maschinelles Lernen gelesen, dass Parameter der linearen Regression (unter anderem) durch Gradientenabstieg geschätzt werden können, während Parameter der logistischen Regression normalerweise durch Schätzung der maximalen Wahrscheinlichkeit geschätzt werden. Ist es möglich, einem Neuling (mir) zu erklären, warum wir unterschiedliche Methoden für die lineare / …
1
Wie fair ist es, das Wort „Vorhersagen“ für (logistische) Regression zu verwenden?
Mein Verständnis ist, dass selbst Regression keine Kausalität gibt. Es kann nur eine Assoziation zwischen y-Variablen und x-Variablen und möglicherweise eine Richtung geben. Hab ich recht? Ich habe oft Sätze gefunden, die "x sagt y voraus" ähneln, selbst in den meisten Lehrbüchern und auf verschiedenen Kursseiten online. Und Sie nennen …
2
Das Überprüfen der Proportional-Odds-Annahme gilt für eine ordinale logistische Regression mit der Polr-Funktion
Ich habe die Funktion 'polr' im MASS-Paket verwendet, um eine ordinale logistische Regression für eine ordinale kategoriale Antwortvariable mit 15 kontinuierlichen erklärenden Variablen auszuführen. Ich habe den Code (siehe unten) verwendet, um zu überprüfen, ob mein Modell die Annahme der proportionalen Gewinnchancen gemäß den Empfehlungen im UCLA-Leitfaden erfüllt . Ich …
5
Logistische Regression bei Big Data
Ich habe einen Datensatz von rund 5000 Funktionen. Für diese Daten habe ich zuerst den Chi-Quadrat-Test zur Merkmalsauswahl verwendet. Danach erhielt ich ungefähr 1500 Variablen, die eine signifikante Beziehung zur Antwortvariablen zeigten. Jetzt muss ich die logistische Regression darauf abstimmen. Ich verwende das glmulti-Paket für R (das glmulti-Paket bietet eine …
3
Logistische Regression: Maximierung von True Positives - False Positives
Ich habe ein logistisches Regressionsmodell (Anpassung über glmnet in R mit elastischer Netzregulierung) und möchte den Unterschied zwischen echten und falschen Positiven maximieren. Zu diesem Zweck wurde das folgende Verfahren in den Sinn gebracht: Passen Sie das logistische Standardregressionsmodell an Identifizieren Sie alle positiven Vorhersagen unter Verwendung des Vorhersageschwellenwerts von …
4
Verwenden der logistischen Regression für eine kontinuierliche abhängige Variable
Ich habe kürzlich eine Überarbeitung für mein Forschungspapier erhalten. Das Folgende ist der Kommentar des Rezensenten zu meinem Papier: Die Ergebnisse eines Modells sind nicht ganz überzeugend, insbesondere die lineare Regression weist normalerweise Mängel im Umgang mit Ausreißern auf. Ich schlage vor, dass die Autoren auch eine logistische Regression versuchen …
2
Hinzufügen von Gewichten für stark verzerrte Datensätze in der logistischen Regression
Ich verwende eine Standardversion der logistischen Regression, um meine Eingabevariablen an binäre Ausgabevariablen anzupassen. In meinem Problem sind die negativen Ausgänge (0s) jedoch weitaus größer als die positiven Ausgänge (1s). Das Verhältnis beträgt 20: 1. Wenn ich also einen Klassifikator trainiere, scheinen selbst Merkmale, die stark auf die Möglichkeit einer …
2
Quoten und Quotenverhältnisse in der logistischen Regression
Ich habe Schwierigkeiten, eine logistische Regressionserklärung zu verstehen. Die logistische Regression liegt zwischen Temperatur und Fischen, die sterben oder nicht sterben. Die Steigung einer logistischen Regression beträgt 1,76. Dann erhöht sich die Wahrscheinlichkeit, dass Fische sterben, um den Faktor exp (1,76) = 5,8. Mit anderen Worten, die Wahrscheinlichkeit, dass Fische …
2
Annahmen verallgemeinerter linearer Modelle
Auf Seite 232 von "Ein R-Begleiter zur angewandten Regression" bemerken Fox und Weisberg Nur die Gaußsche Familie hat eine konstante Varianz, und in allen anderen GLMs hängt die bedingte Varianz von y bei vonxx\bf{x}μ(x)μ(x)\mu(x) Zuvor haben sie festgestellt, dass die bedingte Varianz des Poisson und die des Binomials .μμ\muμ(1−μ)Nμ(1−μ)N\frac{\mu(1-\mu)}{N} Für …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.