Als «logistic» getaggte Fragen

Keine Entschuldigung: Ich habe nicht versucht, dies zu untersuchen (abgesehen von der Überprüfung der Liste der Fragen im Lebenslauf, sofern diese Frage möglicherweise beantwortet wurde). Ich habe dies letzte Woche im Unterricht unterrichtet, um logistische multiple Regressionsmodelle zu diagnostizieren, und ich habe die Schüler im Voraus gewarnt, dass ich die …

9 logistic  roc  history 

Ich habe das folgende Problem: Ich führe eine mehrfache logistische Regression für mehrere Variablen durch, von denen jede eine nominelle Skala hat. Ich möchte Multikollinearität in meiner Regression vermeiden. Wenn die Variablen kontinuierlich wären, könnte ich den Varianzinflationsfaktor (VIF) berechnen und nach Variablen mit einem hohen VIF suchen. Wenn die …

9 regression  logistic  multiple-regression  multicollinearity 

Ich habe selbst maschinell gelernt. Ich bin auf diesen Abschnitt der Wikipedia-Seite über logistische Regression gestoßen , in dem behauptet wird Weil das Modell als verallgemeinertes lineares Modell (siehe unten) für 0 ausgedrückt werden kann Es scheint mir, dass ich ein logistisches Regressions-Setup in ein lineares Regressions-Setup umwandeln kann. Aber …

9 regression  logistic 

Diese Frage hat hier bereits Antworten : Unterschied zwischen Logit- und Probit-Modellen (10 Antworten) Geschlossen vor 5 Monaten . Wie ist die Interpretation der Zahl, die die logistische Regressionsfunktion ausgibt? Die logistische Funktion f(x⃗ ) =11 +e- g(x⃗ )f(x→)=11+e−g(x→)f(\vec{x}) = \frac{1}{1+e^{-g(\vec{x})}} (wobei eine lineare Funktion ist) soll eine kontinuierliche Variable …

9 probability  logistic 

Ich habe eine Zufallsvariable und kenne .Y=eX1+eXY=eX1+eXY = \frac{e^{X}}{1 + e^{X}}X∼N(μ,σ2)X∼N(μ,σ2)X \sim N(\mu, \sigma^2) Gibt es eine Möglichkeit, zu berechnen ? Ich habe versucht, das Integral herauszuarbeiten, aber keine großen Fortschritte gemacht. Ist es überhaupt möglich?E(Y)E(Y)\mathbb{E}(Y)

8 logistic  normal-distribution  expected-value 

Diese Frage wird unter stats.stackexchange.com/q/233658 beantwortet Das logistische Regressionsmodell für die Klassen {0, 1} lautet P(y=1|x)=exp(wTx)1+exp(wTx)P(y=0|x)=11+exp(wTx)P(y=1|x)=exp⁡(wTx)1+exp⁡(wTx)P(y=0|x)=11+exp⁡(wTx) \mathbb{P} (y = 1 \;|\; x) = \frac{\exp(w^T x)}{1 + \exp(w^T x)} \\ \mathbb{P} (y = 0 \;|\; x) = \frac{1}{1 + \exp(w^T x)} Diese Wahrscheinlichkeiten summieren sich eindeutig zu 1. Durch Setzen von …

8 logistic  neural-networks  multinomial-logit  softmax  identifiability 

Ich habe zwei Prädiktoren in einem binären logistischen Regressionsmodell: einen binären und einen kontinuierlichen. Mein primäres Ziel ist es, die Koeffizienten der beiden Prädiktoren innerhalb desselben Modells zu vergleichen. Ich bin auf Andrew Gelmans Vorschlag gestoßen, Eingabevariablen für die kontinuierliche Regression zu standardisieren: I) Ursprünglicher Vorschlag (2008): Teilen Sie den …

8 regression  logistic  regression-coefficients  standardization  scales 

Ich hatte kürzlich eine kurze Diskussion mit einem sachkundigen Freund, der erwähnte, dass SVMs die Nulltemperaturgrenze der logistischen Regression sind. Das Grundprinzip umfasste marginale Polytope und Fenchel-Dualität. Ich konnte nicht folgen. Ist diese Aussage über SVMs als Nulltemperaturgrenze der logistischen Regression wahr? Und wenn ja, kann jemand das Argument beschreiben?

8 logistic  svm  graphical-model  exponential-family  maximum-entropy 

Angenommen, wir haben ein logistisches Regressionsmodell: P.( y= 1 | x )Log( p1 - p)= p= β xP(y=1|x)=plog⁡(p1−p)=βx\begin{align} P(y=1\vert\mathbf{x}) &= p \\ \log\left(\frac{p}{1-p}\right) &= \boldsymbol{\beta}\mathbf{x} \end{align} Bei einer Zufallsstichprobe D = { X , y }D={X,y}D=\{\mathbf{X},\mathbf{y}\} der Größe N.NN können wir Konfidenzintervalle für das ββ\boldsymbol{\beta} und entsprechend Vorhersageintervalle für ppp …

8 logistic  binomial  prediction-interval 

Wir können eine lineare Regression ohne Zufälligkeit simulieren, was bedeutet, dass wir y=Xβy=Xβy=X\beta anstelle von y=Xβ+ϵy=Xβ+ϵy=X\beta+\epsilon . Wenn wir dann ein lineares Modell anpassen, sind die Koeffizienten identisch mit der "Grundwahrheit". Hier ist ein Beispiel. set.seed(0) n <- 1e5 p <- 3 X <- matrix(rnorm(n*p), ncol=p) beta <- runif(p) # …

8 r  logistic  regularization  linear  separation 

Betrachten Sie das folgende einfache Beispiel: library( rms ) library( lme4 ) params <- structure(list(Ns = c(181L, 191L, 147L, 190L, 243L, 164L, 83L, 383L, 134L, 238L, 528L, 288L, 214L, 502L, 307L, 302L, 199L, 156L, 183L), means = c(0.09, 0.05, 0.03, 0.06, 0.07, 0.07, 0.1, 0.1, 0.06, 0.11, 0.1, 0.11, 0.07, …

8 logistic  mixed-model  generalized-linear-model  glmm  lme4-nlme 

Ich habe zwei Zufallsvariablen, die unabhängig und identisch verteilt sind, dh :ϵ1,ϵ0∼iidGumbel(μ,β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta) F(ϵ)=exp(−exp(−ϵ−μβ)),F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f(ϵ)=1βexp(−(ϵ−μβ+exp(−ϵ−μβ))).f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = \dfrac{1}{\beta}\exp(-\left(\frac{\epsilon-\mu}{\beta}+\exp(-\frac{\epsilon-\mu}{\beta})\right)). Ich versuche zwei Größen zu berechnen: Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[c+\epsilon_{1}|c+\epsilon_{1}>\epsilon_{0}\right] Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[\epsilon_{0}|c+\epsilon_{1}<\epsilon_{0}\right] Ich komme zu einem Punkt, an dem ich eine Integration für etwas in der Form durchführen muss: eexeexe^{e^{x}} , das in …

8 probability  logistic  conditional-probability  conditional-expectation  gumbel 

Neu im statistischen und maschinellen Lernen und in einigen Online-Kursen. Ich versuche, die logistische Regression genauer zu verstehen, und habe einen Unterschied in der Formel zwischen dem Andrew Ng-Kurs und dem statistischen Stanford-Lernkurs festgestellt. Unten poste ich ein Linkbild zu beiden Formeln. Der Zähler ist also anders. Ich muss etwas …

8 regression  machine-learning  logistic 

Ich habe diese Seite auf Princeton.edu gelesen . Sie führen eine logistische Regression durch (mit R). Irgendwann berechnen sie die Wahrscheinlichkeit, eine Restabweichung zu erhalten, die höher ist als diejenige, die sie bei einer Verteilung mit Freiheitsgraden erhalten haben, die den Freiheitsgraden des Modells entsprechen. Kopieren-Einfügen von ihrer Website ...χ2χ2\chi^2 …

8 regression  hypothesis-testing  logistic  generalized-linear-model  chi-squared 

Betrachten Sie die folgende binomiale Regression: # Create some data set.seed(10) n &lt;- 500 x &lt;- runif(n,0,100) y &lt;- x + rnorm(n,sd=100) &lt; 0 # Fit a binomial regression model model &lt;- glm(y ~ x, family="binomial") summary(model) Die summaryFunktion gibt einen p-Wert von zurück 1.03e-05. Bei Verwendung anova.glmerhält man etwas …

8 r  hypothesis-testing  logistic  generalized-linear-model  binomial