Statistiken und Big Data regression

5

Grund für die Nichtverringerung des Bias-Terms (Intercept-Terms) bei der Regression

Für ein lineares Modell ist der Schrumpfterm immer .y=β0+xβ+εy=β0+xβ+εy=\beta_0+x\beta+\varepsilonP( β)P(β)P(\beta) Was ist der Grund, warum wir den Verzerrungsbegriff nicht verkleinern ? Sollen wir den Bias-Term in den neuronalen Netzwerkmodellen verkleinern?β0β0\beta_0

21 regression neural-networks ridge-regression intercept shrinkage

5

Zufälliger Wald vs. Regression

Ich habe ein OLS-Regressionsmodell für einen Datensatz mit 5 unabhängigen Variablen ausgeführt. Die unabhängigen Variablen und die abhängige Variable sind beide stetig und stehen in linearer Beziehung zueinander. Der R-Platz ist ungefähr 99,3%. Aber wenn ich dasselbe mit einer zufälligen Gesamtstruktur in R ausführe, ist mein Ergebnis '% Var Explained: …

21 r regression random-forest

4

Unterschied zwischen Regressionsanalyse und Varianzanalyse?

Diese Frage wurde von Mathematics Stack Exchange migriert, da sie auf Cross Validated beantwortet werden kann. Vor 7 Jahren migriert . Ich lerne gerade etwas über die Regressionsanalyse und die Varianzanalyse. In der Regressionsanalyse haben Sie eine Variable festgelegt und möchten wissen, wie die Variable mit der anderen Variablen verhält. …

21 regression

4

Bedeutung von Prädiktoren bei multipler Regression: Partielle

Ich frage mich, wie genau die Beziehung zwischen partiellem R2R2R^2 und Koeffizienten in einem linearen Modell ist und ob ich nur einen oder beide verwenden sollte, um die Bedeutung und den Einfluss von Faktoren zu veranschaulichen. Soweit ich weiß, summaryerhalte ich mit Schätzungen der Koeffizienten und mit anovader Summe der …

21 r regression multiple-regression regression-coefficients r-squared

3

Regression vs. ANOVA-Diskrepanz (aov vs lm in R)

Ich hatte immer den Eindruck, dass die Regression nur eine allgemeinere Form der ANOVA ist und die Ergebnisse identisch wären. In letzter Zeit habe ich jedoch sowohl eine Regression als auch eine ANOVA mit denselben Daten durchgeführt, und die Ergebnisse unterscheiden sich erheblich. Das heißt, im Regressionsmodell sind sowohl die …

21 r regression anova

3

Was ist intuitiv "Voreingenommenheit"?

Ich kämpfe darum, das Konzept der Verzerrung im Kontext der linearen Regressionsanalyse zu verstehen. Was ist die mathematische Definition von Voreingenommenheit? Was genau ist voreingenommen und warum / wie? Bildhaftes Beispiel?

21 regression terminology bias definition

2

Wie benutzt man Gewichte in der Funktion lm in R?

Verschlossen . Diese Frage und ihre Antworten sind gesperrt, da die Frage nicht zum Thema gehört, aber von historischer Bedeutung ist. Derzeit werden keine neuen Antworten oder Interaktionen akzeptiert. Könnte jemand einige Hinweise zur Verwendung des weightsArguments in der lmFunktion von R geben ? Angenommen, Sie haben versucht, ein Modell …

21 r regression

3

Poisson-Regression vs. Log-Count-Regression nach kleinsten Quadraten?

Eine Poisson-Regression ist ein GLM mit einer Log-Link-Funktion. Eine alternative Möglichkeit, nicht normalverteilte Zählerdaten zu modellieren, besteht in der Vorverarbeitung, indem das Protokoll (bzw. das Protokoll (1 + Zähler) zur Behandlung von Nullen) verwendet wird. Wenn Sie eine Regression der kleinsten Quadrate für die Anzahl der logarithmischen Antworten durchführen, hängt …

21 regression poisson-distribution generalized-linear-model

2

Schwierigkeiten beim Testen der Linearität in der Regression

In der statistischen Modellierung: Die zwei Kulturen schreibt Leo Breiman Die derzeitige angewandte Praxis besteht darin, die Anpassung des Datenmodells mithilfe von Anpassungstests und Restanalyse zu überprüfen. Vor einigen Jahren habe ich einmal ein simuliertes Regressionsproblem in sieben Dimensionen mit einem kontrollierten Maß an Nichtlinearität erstellt. Standardtests der Anpassungsgüte lehnten …

21 regression goodness-of-fit

3

Bestimmungskoeffizient (

Ich möchte den Begriff von , der das Ausmaß der Variation zwischen Variablen beschreibt , vollständig erfassen . Jede Weberklärung ist ein bisschen mechanisch und stumpf. Ich möchte das Konzept "verstehen" und die Zahlen nicht nur mechanisch verwenden.r2r2r^2 ZB: Stunden studiert vs. Testergebnis = 0,8rrr = 0,64r2r2r^2 Also, was bedeutet …

21 regression correlation variance

5

Wie verbessere ich mein neuronales Netzwerk bei der Vorhersage von Sinuswellen?

Hier ein Blick: Sie können genau sehen, wo die Trainingsdaten enden. Die Trainingsdaten reichen von bis .- 1-1-1111 Ich habe Keras und ein dichtes 1-100-100-2-Netzwerk mit Tanh-Aktivierung verwendet. Ich berechne das Ergebnis aus zwei Werten, p und q als p / q. Auf diese Weise kann ich eine beliebige Anzahl …

21 regression neural-networks python keras

2

Was sind die Annahmen der Gratregression und wie können sie getestet werden?

Betrachten Sie das Standardmodell für die multiple Regression wobei gilt.ε ∼ N ( 0 , σ 2 I n )Y.= Xβ+ εY.=Xβ+εY=X\beta+\varepsilonε ∼ N( 0 , σ2ichn)ε∼N(0,σ2ichn)\varepsilon \sim \mathcal N(0, \sigma^2I_n) Angenommen, wir führen eine Gratregression durch, indem wir allen Elementen der Diagonale von den gleichen kleinen Betrag hinzufügen :XXX …

21 regression assumptions ridge-regression

2

Woher kommt in der einfachen linearen Regression die Formel für die Varianz der Residuen?

Nach einem von mir verwendeten Text lautet die Formel für die Varianz des ithithi^{th} -Rests wie folgt: σ2(1−1n−(xi−x¯¯¯)2Sxx)σ2(1−1n−(xi−x¯)2Sxx)\sigma^2\left ( 1-\frac{1}{n}-\frac{(x_{i}-\overline{x})^2}{S_{xx}} \right ) Das finde ich schwer zu glauben , da die ithithi^{th} Rest die Differenz zwischen dem ist ithithi^{th} beobachteten Wert und dem ithithi^{th} ausgestattet Wert; Wenn man die Varianz …

21 regression variance residuals

2

Beschreibung oder Visualisierung eines multiplen linearen Regressionsmodells

Ich versuche, meinen Daten ein Modell mit mehreren linearen Regressionen mit einigen Eingabeparametern anzupassen, z. B. 3. F( x )F( x )= A x1+ B x2+ Cx3+ doder= ( A B C )T( x1 x2 x3) + d(ich)(ii)(i)F(x)=Ax1+Bx2+Cx3+dor(ii)F(x)=(A B C)T(x1 x2 x3)+d\begin{align} F(x) &= Ax_1 + Bx_2 + Cx_3 + …

21 regression data-visualization multiple-regression communication

1

Zwei Möglichkeiten zur Verwendung von Bootstrap zum Schätzen des Konfidenzintervalls von Koeffizienten in der Regression

Ich wende ein lineares Modell auf meine Daten an: yich= β0+ β1xich+ ϵich,ϵich∼ N( 0 , σ2) .yich=β0+β1xich+ϵich,ϵich∼N(0,σ2). y_{i}=\beta_{0}+\beta_{1}x_{i}+\epsilon_{i}, \quad\epsilon_{i} \sim N(0,\sigma^{2}). Ich möchte das Konfidenzintervall (CI) der Koeffizienten ( , ) mit der Bootstrap-Methode schätzen . Es gibt zwei Möglichkeiten, wie ich die Bootstrap-Methode anwenden kann: β 1β0β0\beta_{0}β1β1\beta_{1} Gepaarten …

21 regression bootstrap

Als «regression» getaggte Fragen