Problem Bei der Regression berechnet man normalerweise den mittleren quadratischen Fehler (MSE) für eine Stichprobe: , um die Qualität eines Prädiktors zu messen.MSE = 1n∑i = 1n( g( xich) - gˆ( xich) )2MSE=1n∑ich=1n(G(xich)-G^(xich))2 \text{MSE} = \frac{1}{n} \sum_{i=1}^n\left(g(x_i) - \widehat{g}(x_i)\right)^2 Im Moment arbeite ich an einem Regressionsproblem, bei dem das Ziel …
Wenn die beste lineare Approximation (unter Verwendung der kleinsten Quadrate) meiner Datenpunkte die Linie , wie kann ich den Approximationsfehler berechnen? Wenn ich die Standardabweichung der Differenzen zwischen Beobachtungen und Vorhersagen , kann ich später sagen, dass ein realer (aber nicht beobachteter) Wert zum Intervall ( ) mit einer Wahrscheinlichkeit …
In der linearen Regressionsanalyse analysieren wir Ausreißer, untersuchen Multikollinearität und testen Heteroskediktie. Die Frage ist: Gibt es eine Reihenfolge, um diese anzuwenden? Ich meine, müssen wir zuerst Ausreißer analysieren und dann Multikollinearität untersuchen? Oder umgekehrt? Gibt es eine Faustregel dazu?
Gibt es einen Zusammenhang zwischen Regression und linearer Diskriminanzanalyse (LDA)? Was sind ihre Gemeinsamkeiten und Unterschiede? Macht es einen Unterschied, ob es zwei Klassen oder mehr als zwei Klassen gibt?
Die New York Times kommentiert das Bewertungssystem für Lehrkräfte mit Mehrwert, das verwendet wird, um Pädagogen in New York City Feedback zu geben. Die lede ist die Gleichung zur Berechnung der Punktzahlen - ohne Kontext dargestellt. Die rhetorische Strategie scheint Einschüchterung durch Mathematik zu sein: Der vollständige Text des Artikels …
Zuerst dachte ich, dass die Reihenfolge keine Rolle spielt, aber dann las ich über den Gramm-Schmidt-Orthogonalisierungsprozess zur Berechnung mehrerer Regressionskoeffizienten, und jetzt habe ich Bedenken. Je später eine erklärende Variable unter den anderen Variablen indiziert wird, desto kleiner ist nach dem Gramm-Schmidt-Verfahren ihr Restvektor, weil die Restvektoren der vorhergehenden Variablen …
Beim Erstellen eines Regressionsmodells in R ( lm) erhalte ich häufig diese Meldung "there are aliased coefficients in the model" Was genau bedeutet das? Auch aus diesem Grund predict()gibt auch eine Warnung. Obwohl dies nur eine Warnung ist, möchte ich wissen, wie wir Alias-Koeffizienten erkennen / entfernen können, bevor wir …
Ich möchte wissen, warum logistische Regression als lineares Modell bezeichnet wird. Es verwendet eine Sigmoid-Funktion, die nicht linear ist. Warum ist logistische Regression ein lineares Modell?
Für eine einfache lineare Regression kann der Regressionskoeffizient direkt aus der Varianz-Kovarianz-Matrix berechnet werden , und zwar durch wobei der Index der abhängigen Variablen und der Index der erklärenden Variablen ist.C d , eCCC deCd,eCe,eCd,eCe,e C_{d, e}\over C_{e,e} dddeee Wenn man nur die Kovarianzmatrix hat, ist es möglich, die Koeffizienten …
Ich sehe, dass beide Funktionen Teil von Data Mining-Methoden wie Gradient Boosting Regressors sind. Ich sehe, dass dies auch separate Objekte sind. Wie ist die Beziehung zwischen beiden im Allgemeinen?
Ich habe mehrere Statistikkurse am College besucht, aber meine Ausbildung war sehr theoretisch. Ich habe mich gefragt, ob einer von Ihnen einen Text in Angewandter Statistik (mit Abschluss) hat, den Sie empfehlen oder mit dem Sie gute Erfahrungen gemacht haben.
Ich habe eine Matrix mit zwei Spalten, die viele Preise haben (750). Im Bild unten habe ich die Residuen der folgenden linearen Regression aufgetragen: lm(prices[,1] ~ prices[,2]) Betrachtet man das Bild, scheint dies eine sehr starke Autokorrelation der Residuen zu sein. Wie kann ich jedoch testen, ob die Autokorrelation dieser …
Ich führe mehrere Regressionsanalysen durch und bin nicht sicher, ob Ausreißer in meinen Daten gelöscht werden sollen. Die Daten, um die ich besorgt bin, werden in den SPSS-Boxplots als "Kreise" angezeigt, es gibt jedoch keine Sternchen (weshalb ich denke, dass sie nicht "so schlecht" sind). Die Fälle, um die ich …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.