Statistiken und Big Data regression

4

Klassisches lineares Modell - Modellauswahl

Ich habe ein klassisches lineares Modell mit 5 möglichen Regressoren. Sie sind nicht miteinander korreliert und weisen eine relativ geringe Korrelation mit der Antwort auf. Ich bin zu einem Modell gekommen, bei dem 3 der Regressoren signifikante Koeffizienten für ihre t-Statistik haben (p <0,05). Wenn Sie eine oder beide der …

15 r regression self-study linear-model

5

Was könnte der Grund für die Verwendung der Quadratwurzel-Transformation für Daten sein?

Gibt es irgendeinen Grund dafür, die Daten mit einer Quadratwurzel zu transformieren? Ich meine, was ich immer beobachte, ist, dass die R ^ 2 zunimmt. Aber das liegt wahrscheinlich nur an der Zentrierung der Daten! Jeder Gedanke wird geschätzt!

15 regression data-transformation variance-stabilizing

1

Änderungspunktanalyse mit Rs nls ()

Ich versuche, eine "Änderungspunkt" -Analyse oder eine mehrphasige Regression mit nls()in R zu implementieren . Hier sind einige gefälschte Daten, die ich gemacht habe . Die Formel, die ich verwenden möchte, um die Daten anzupassen, lautet: y= β0+ β1x + β2max ( 0 , x - δ)y=β0+β1x+β2max(0,x-δ)y = \beta_0 + …

15 r regression change-point nls

4

Konfidenzintervalle für Regressionsparameter: Bayesian vs.

Bei zwei Arrays x und y, die beide die Länge n haben, passe ich ein Modell y = a + b * x an und möchte ein 95% -Konfidenzintervall für die Steigung berechnen. Dies ist (b - delta, b + delta), wobei b in üblicher Weise und gefunden wird delta …

15 r regression bayesian confidence-interval frequentist

5

Wie modelliere ich Preise?

Ich habe diese Frage auf der Matemathics Stack Exchange-Website gestellt und es wurde empfohlen, sie hier zu stellen. Ich arbeite an einem Hobbyprojekt und benötige Hilfe bei folgendem Problem. Ein bisschen Kontext Angenommen, es gibt eine Sammlung von Artikeln mit einer Beschreibung der Funktionen und einem Preis. Stellen Sie sich …

15 regression forecasting econometrics

5

Kann man mehrere Regressionen verwenden, um eine Hauptkomponente (PC) von mehreren anderen PCs vorherzusagen?

Vor einiger Zeit fragte ein Benutzer auf der R-Help-Mailingliste nach der Richtigkeit der Verwendung von PCA-Scores in einer Regression. Der Benutzer versucht, einige PC-Scores zu verwenden, um Variationen in einem anderen PC zu erklären (siehe vollständige Diskussion hier ). Die Antwort war: Nein, das ist kein Ton, weil die PCs …

15 regression pca

3

Warum ist das angepasste R-Quadrat kleiner als das R-Quadrat, wenn das angepasste R-Quadrat das Modell besser vorhersagt?

Soweit ich weiß, erklärt , wie gut das Modell die Beobachtung vorhersagt. Das angepasste berücksichtigt mehr Beobachtungen (oder Freiheitsgrade). Also sagt Adjusted das Modell besser voraus? Warum ist das dann weniger als ? Es scheint, dass es oft mehr sein sollte.R 2 R 2 R 2R2R2R^2R2R2R^2R2R2R^2R2R2R^2

15 regression r-squared

4

Der Beweis äquivalenter Formeln der Gratregression

Ich habe die beliebtesten Bücher zum statistischen Lernen gelesen 1- Die Elemente des statistischen Lernens. 2- Eine Einführung in das statistische Lernen . Beide erwähnen, dass die Gratregression zwei äquivalente Formeln hat. Gibt es einen nachvollziehbaren mathematischen Beweis für dieses Ergebnis? Ich habe auch Cross Validated durchlaufen , kann dort …

15 regression lasso regularization ridge-regression lagrange-multipliers

2

Neuronale Netze gegen alles andere

Ich habe keine zufriedenstellende Antwort von Google gefunden . Wenn die Daten, die ich habe, in der Größenordnung von Millionen liegen, ist Deep Learning natürlich der richtige Weg. Und ich habe gelesen, dass es vielleicht besser ist, beim maschinellen Lernen andere Methoden zu verwenden, wenn ich keine großen Datenmengen habe. …

15 regression machine-learning classification neural-networks deep-learning

1

Vergleich zwischen Newey-West (1987) und Hansen-Hodrick (1980)

Frage: Was sind die Hauptunterschiede und -ähnlichkeiten zwischen der Verwendung von Standardfehlern nach Newey-West (1987) und nach Hansen-Hodrick (1980)? In welchen Situationen sollte eine dieser Situationen der anderen vorgezogen werden? Anmerkungen: Ich weiß, wie jedes dieser Anpassungsverfahren funktioniert. Ich habe jedoch noch kein Dokument gefunden, das sie vergleichen könnte, weder …

15 regression autocorrelation heteroscedasticity robust-standard-error neweywest

2

Die Definition natürlicher kubischer Splines für die Regression

Ich lerne etwas über Splines aus dem Buch "Die Elemente des statistischen Lernens, Data Mining, Inferenz und Vorhersage" von Hastie et al. Ich habe auf Seite 145 festgestellt, dass natürliche kubische Splines jenseits der Grenzknoten linear sind. Es gibt Knoten, in den Splines und das Folgende wird über einen solchen …

15 regression degrees-of-freedom splines constraint cubic

2

Matrixnotation für logistische Regression

In der linearen Regression (quadratischer Verlust) haben wir mithilfe der Matrix eine sehr präzise Notation für das Ziel minimize ∥Ax−b∥2minimize ‖Ax−b‖2\text{minimize}~~ \|Ax-b\|^2 Dabei ist AAA die Datenmatrix, xxx die Koeffizienten und bbb die Antwort. Gibt es eine ähnliche Matrixnotation für das logistische Regressionsziel? Alle die Bezeichnungen ich gesehen habe , …

15 regression logistic linear-model notation

2

Schrittweise Regression in R - Wie funktioniert es?

Ich versuche, den grundsätzlichen Unterschied zwischen schrittweiser und rückwärtiger Regression in R mit der Sprungfunktion zu verstehen. Für die schrittweise Regression habe ich den folgenden Befehl verwendet step(lm(mpg~wt+drat+disp+qsec,data=mtcars),direction="both") Ich habe die folgende Ausgabe für den obigen Code. Für die Auswahl der Rückwärtsvariablen habe ich den folgenden Befehl verwendet step(lm(mpg~wt+drat+disp+qsec,data=mtcars),direction="backward") Und …

15 r regression

3

Müssen wir wirklich alle relevanten Prädiktoren einbeziehen?

Eine Grundannahme bei der Verwendung von Regressionsmodellen zur Inferenz ist, dass "alle relevanten Prädiktoren" in die Prädiktionsgleichung einbezogen wurden. Der Grund dafür ist, dass die Nichteinbeziehung eines wichtigen Faktors aus der realen Welt zu verzerrten Koeffizienten und damit zu ungenauen Schlussfolgerungen führt (dh eine variable Verzerrung wird weggelassen). Aber in …

15 regression assumptions bias predictor confounding

3

Bedeuten größere Koeffizienten für lineare Klassifikatoren wichtigere Merkmale?

Ich bin ein Software-Ingenieur, der am maschinellen Lernen arbeitet. Nach meinem Verständnis bilden lineare Regression (wie OLS) und lineare Klassifikation (wie logistische Regression und SVM) eine Vorhersage auf der Grundlage eines inneren Produkts zwischen trainierten Koeffizienten und Merkmalsvariablen :w⃗ w→\vec{w}x⃗ x→\vec{x} y^=f(w⃗ ⋅x⃗ )=f(∑iwixi)y^=f(w→⋅x→)=f(∑iwixi) \hat{y} = f(\vec{w} \cdot \vec{x}) = …

15 regression machine-learning classification feature-selection linear-model

Als «regression» getaggte Fragen