Statistiken und Big Data regression

3

Diese Frage wurde von Stack Overflow migriert, da sie bei Cross Validated beantwortet werden kann. Vor 3 Jahren migriert . In der Statistik machen wir lineare Regressionen, deren Anfang. Im Allgemeinen wissen wir, dass je höher besser ist. Aber gibt es jemals ein Szenario, in dem ein hohes ein unbrauchbares …

23 regression r-squared

2

Zufällige Wälder für multivariate Regression

Ich habe ein Multi-Output-Regressionsproblem mit Eingabe-Features und Ausgaben. Die Ausgänge haben eine komplexe, nichtlineare Korrelationsstruktur.d ydxdxd_xdydyd_y Ich möchte zufällige Wälder verwenden, um die Regression durchzuführen. Zufällige Wälder für die Regression funktionieren, soweit ich das beurteilen kann, nur mit einer einzigen Ausgabe, daher müsste ich d_ydydyd_y zufällige Wälder trainieren - eine …

23 regression multivariate-analysis random-forest

7

Schätzung einer Verteilung basierend auf drei Perzentilen

Mit welchen Methoden kann ich auf eine Verteilung schließen, wenn ich nur drei Perzentile kenne? Ich weiß zum Beispiel, dass in einem bestimmten Datensatz das fünfte Perzentil 8.135, das 50. Perzentil 11.259 und das 95. Perzentil 23.611 ist. Ich möchte in der Lage sein, von jeder anderen Zahl zu ihrem …

23 r regression quantiles

2

Warum ist Lambda „innerhalb eines Standardfehlers vom Minimum“ ein empfohlener Wert für Lambda in einer elastischen Netto-Regression?

Ich verstehe, welche Rolle Lambda in einer elastischen Netzregression spielt. Und ich kann verstehen, warum man lambda.min auswählen würde, den Wert von lambda, der quervalidierte Fehler minimiert. Meine Frage ist, wo in der Statistikliteratur die Verwendung von Lambda.1se empfohlen wird, dh der Wert von Lambda, der den CV-Fehler plus einen …

23 regression cross-validation regularization glmnet elastic-net

6

Umgang mit korrelierten Regressoren

Was ist in einer multiplen linearen Regression mit stark korrelierten Regressoren die beste Strategie? Ist es ein legitimer Ansatz, das Produkt aller korrelierten Regressoren hinzuzufügen?

23 regression multicollinearity

5

Wenn A und B positiv miteinander verwandte Variablen sind, können sie dann einen gegenteiligen Effekt auf die Ergebnisvariable C haben?

A ist positiv mit B verwandt. C ist das Ergebnis von A und B, aber die Wirkung von A auf C ist negativ und die Wirkung von B auf C ist positiv. Kann das passieren?

22 regression correlation

1

Bridge Penalty vs. Elastic Net Regularisierung

Einige und Approximationen sind gut untersucht, wie zum Beispiel der LASSO ( ) und der Ridge ( ) und wie diese in der Regression verglichen werden.L 2L1L1L_1L2L2L_2 Ich habe über die Brückenstrafe gelesen, die die verallgemeinerte Strafe ist. Vergleichen Sie das mit dem LASSO mit \ gamma = 1 und …

22 regression lasso regularization ridge-regression elastic-net

2

Warum produziert Laplace vor der Produktion spärliche Lösungen?

Ich habe die Literatur zur Regularisierung durchgesehen und oft Abschnitte gesehen, die die L2-Regulierung mit der Gaußschen Vorgängerversion und L1 mit Laplace auf Null zentriert verbinden. Ich weiß, wie diese Priors aussehen, aber ich verstehe nicht, wie sie sich beispielsweise in linearen Modellen als Gewichte übersetzen lassen. In L1 erwarten …

22 regression bayesian prior regularization laplace-distribution

2

Regression der kleinsten Quadrate Schrittweise lineare Algebra-Berechnung

Als Vorbemerkung zu einer Frage zu linear gemischten Modellen in R und als Referenz für Kenner der Statistik für Anfänger und Fortgeschrittene entschied ich mich, die Schritte, die bei der "manuellen" Berechnung der R-Werte erforderlich sind, als unabhängigen "Q & A-Stil" zu veröffentlichen Koeffizienten und vorhergesagte Werte einer einfachen linearen …

22 r regression linear-model lm

2

Worum geht es bei der „Regression mit reduziertem Rang“?

Ich habe die Elemente des statistischen Lernens gelesen und konnte nicht verstehen, worum es in Abschnitt 3.7 "Schrumpfung und Auswahl mehrerer Ergebnisse" geht. Es geht um RRR (Reduced-Rank-Regression), und ich kann nur verstehen, dass es sich bei der Prämisse um ein verallgemeinertes multivariates lineares Modell handelt, bei dem die Koeffizienten …

22 regression multivariate-analysis dimensionality-reduction regularization reduced-rank-regression

2

Wie funktioniert das Bootstrapping in R?

Ich habe mir das Boot-Paket in R angeschaut und obwohl ich eine Reihe guter Grundlagen für die Verwendung gefunden habe, muss ich noch etwas finden, das genau beschreibt, was "hinter den Kulissen" passiert. In diesem Beispiel wird beispielsweise gezeigt , wie Standard-Regressionskoeffizienten als Ausgangspunkt für eine Bootstrap-Regression verwendet werden. Es …

22 r regression bootstrap regression-coefficients

2

Regression für ein Modell der Form

Ich habe einen Datensatz, bei dem es sich um Statistiken aus einem Webdiskussionsforum handelt. Ich schaue auf die Verteilung der Anzahl der Antworten, die ein Thema haben soll. Insbesondere habe ich ein Dataset erstellt, das eine Liste der Themenantworten und anschließend die Anzahl der Themen mit dieser Anzahl von Antworten …

22 r regression nonlinear-regression

3

Modellstabilität bei großen , kleinen Problemen

Intro: Ich habe einen Datensatz mit einem klassischen "großen p, kleinen n-Problem". Die Anzahl der verfügbaren Stichproben n = 150, während die Anzahl der möglichen Prädiktoren p = 400 ist. Das Ergebnis ist eine kontinuierliche Variable. Ich möchte die "wichtigsten" Deskriptoren finden, dh diejenigen, die die besten Kandidaten für die …

22 regression cross-validation model-selection feature-selection elastic-net

4

Warum geben lineare Regression und ANOVA unterschiedliche Werte an, wenn die Wechselwirkung zwischen Variablen berücksichtigt wird?

Ich habe versucht, Zeitreihendaten (ohne Replikate) mithilfe eines Regressionsmodells anzupassen. Die Daten sehen folgendermaßen aus: > xx.2 value time treat 1 8.788269 1 0 2 7.964719 6 0 3 8.204051 12 0 4 9.041368 24 0 5 8.181555 48 0 6 8.041419 96 0 7 7.992336 144 0 8 7.948658 …

22 r regression statistical-significance anova p-value

1

Gängige statistische Tests als lineare Modelle

(UPDATE: Ich habe mich eingehender damit befasst und die Ergebnisse hier veröffentlicht. ) Die Liste der genannten statistischen Tests ist riesig. Viele der gebräuchlichen Tests beruhen auf Schlussfolgerungen aus einfachen linearen Modellen, z. B. ist ein t-Test mit einer Stichprobe nur y = β + ε, der gegen das Nullmodell …

22 regression correlation anova t-test linear-model

Als «regression» getaggte Fragen