Statistiken und Big Data regression

4

Was ist / sind die "mechanischen" Unterschiede zwischen multipler linearer Regression mit Verzögerungen und Zeitreihen?

Ich habe einen Abschluss in Wirtschaftswissenschaften und studiere derzeit einen Master in Datentechnik. Während ich die lineare Regression (LR) und dann die Zeitreihenanalyse (TS) studierte, kam mir eine Frage in den Sinn. Warum eine völlig neue Methode erstellen, dh Zeitreihen (ARIMA), anstatt mehrere lineare Regressionen zu verwenden und verzögerte Variablen …

13 regression time-series multiple-regression least-squares arima

2

Formel für 95% -Konfidenzintervall für

Ich habe in stats.stackexchange gegoogelt und gesucht, aber ich kann die Formel zum Berechnen eines 95% -Konfidenzintervalls für einen -Wert für eine lineare Regression nicht finden. Kann es jemand bereitstellen?R2R2R^2 Nehmen wir einmal an, ich hätte die folgende lineare Regression in R ausgeführt. Wie würde ich ein 95% -Konfidenzintervall für …

13 r regression confidence-interval inference r-squared

4

Wie interpretiere ich eine ROC-Kurve?

Ich habe die logistische Regression auf meine SAS-Daten angewendet. Hier sind die ROC-Kurve und die Klassifizierungstabelle. Ich bin mit den Zahlen in der Klassifikationstabelle einverstanden, weiß aber nicht genau, wie die ROC-Kurve und die Fläche darunter aussehen. Jede Erklärung wäre sehr dankbar.

13 regression logistic classification roc

2

Erfassung der Saisonalität in multipler Regression für tägliche Daten

Ich habe tägliche Verkaufsdaten für ein Produkt, das sehr saisonabhängig ist. Ich möchte die Saisonalität im Regressionsmodell erfassen. Ich habe gelesen, dass Sie in diesem Fall, wenn Sie vierteljährliche oder monatliche Daten haben, 3 bzw. 11 Dummy-Variablen erstellen können - aber kann ich mit täglichen Daten umgehen? Ich habe drei …

13 regression time-series multiple-regression categorical-data

4

Ein Regressionsmodell, dessen Antwortvariable der Tag des Jahres ist, an dem (normalerweise) ein jährliches Ereignis auftritt

In diesem speziellen Fall beziehe ich mich auf den Tag, an dem ein See gefriert. Dieses "Ice-On" -Datum tritt nur einmal im Jahr auf, aber manchmal überhaupt nicht (wenn der Winter warm ist). In einem Jahr kann der See an Tag 20 (20. Januar) einfrieren und in einem anderen Jahr …

13 regression time-series survival data-transformation recurrent-events

3

Warum ist die Anzahl der Freiheitsgrade

Ich habe hier gelesen , dass die Anzahl der Freiheitsgrade war, die ich verwenden sollte, wenn ich einen t-Test für die Signifikanz eines Regressionskoeffizienten durchführe, aber ich verstehe nicht warum. Mein Verständnis war, dass T-Tests im Allgemeinen n - 1 Freiheitsgrade hatten.n - p - 1n-p-1n-p-1n - 1n-1n-1

13 regression hypothesis-testing multiple-regression t-test

3

Führen Sie eine lineare Regression durch, erzwingen Sie jedoch, dass die Lösung bestimmte Datenpunkte durchläuft

Ich weiß, wie man eine lineare Regression auf einer Menge von Punkten durchführt. Das heißt, ich kann ein Polynom meiner Wahl an einen gegebenen Datensatz anpassen (im LSE-Sinne). Was ich jedoch nicht weiß, ist, wie ich meine Lösung zwingen kann, bestimmte Punkte meiner Wahl durchzugehen. Ich habe dies schon einmal …

13 regression machine-learning least-squares linear-model polynomial

3

Eingeschränkte Boltzmann-Maschinen für die Regression?

Ich gehe der Frage nach, die ich zuvor zu RBM gestellt hatte . Ich sehe eine Menge Literatur, die sie beschreibt, aber keine, die tatsächlich von Regression spricht (nicht einmal Klassifizierung mit beschrifteten Daten). Ich habe das Gefühl, dass es nur für unbeschriftete Daten verwendet wird. Gibt es Ressourcen für …

13 regression machine-learning classification neural-networks

3

Wie kann man mit instabilen

Beta-Stabilität in linearer Regression mit hoher Multi-Kollinearität? Nehmen wir an, in einer linearen Regression haben die Variablen und x 2 eine hohe Multi-Kollinearität (die Korrelation liegt bei 0,9).x1x1x_1x2x2x_2 Wir sind besorgt über die Stabilität des Koeffizienten, daher müssen wir die Multikollinearität behandeln.ββ\beta Die Lehrbuchlösung wäre, einfach eine der Variablen wegzuwerfen. …

13 regression multicollinearity

2

Warum sollte für die hierarchische logistische Regression eine Beta-Verteilung für den Bernoulli-Parameter verwendet werden?

Ich lese gerade Kruschkes hervorragendes Buch "Doing Bayesian Data Analysis". Das Kapitel über hierarchische logistische Regression (Kapitel 20) ist jedoch etwas verwirrend. Abbildung 20.2 beschreibt eine hierarchische logistische Regression, bei der der Bernoulli-Parameter als lineare Funktion der durch eine Sigmoidfunktion transformierten Koeffizienten definiert ist. Dies scheint die Art und Weise …

13 regression bayesian logistic multilevel-analysis

3

Testen der Nichtlinearität in der logistischen Regression (oder anderen Formen der Regression)

Eine der Voraussetzungen für eine logistische Regression ist die Linearität des Logits. Sobald ich mein Modell zum Laufen gebracht habe, teste ich es mit dem Box-Tidwell-Test auf Nichtlinearität. Einer meiner kontinuierlichen Prädiktoren (X) wurde positiv auf Nichtlinearität getestet. Was soll ich als nächstes tun? Da dies einen Verstoß gegen die …

13 regression logistic references assumptions regression-strategies

3

OLS ist BLAU. Aber was ist, wenn mir Unparteilichkeit und Linearität egal sind?

Das Gauß-Markov-Theorem besagt, dass der OLS-Schätzer der beste lineare unverzerrte Schätzer für das lineare Regressionsmodell ist. Angenommen, mir geht es nicht um Linearität und Unparteilichkeit. Gibt es dann einen anderen (möglichen nichtlinearen / voreingenommenen) Schätzer für das lineare Regressionsmodell, der unter den Gauß-Markov-Annahmen oder einer anderen allgemeinen Menge von Annahmen …

13 regression unbiased-estimator

5

Sind die Cross-Entropie-Kosten im Kontext der Regression sinnvoll?

Sind die Cross-Entropie-Kosten im Kontext der Regression sinnvoll (im Gegensatz zur Klassifizierung)? Wenn ja, könnten Sie über TensorFlow ein Spielzeugbeispiel geben? Wenn nicht, warum nicht? Ich habe über Cross-Entropy in Neuronalen Netzen und Deep Learning von Michael Nielsen gelesen und es scheint etwas zu sein, das natürlich sowohl für die …

13 regression entropy tensorflow cross-entropy

2

Warum erzeugt die logistische Regression gut kalibrierte Modelle?

Ich verstehe, dass einer der Gründe, warum die logistische Regression häufig zur Vorhersage der Klickraten im Web verwendet wird, darin besteht, dass gut kalibrierte Modelle erstellt werden. Gibt es dafür eine gute mathematische Erklärung?

13 regression logistic

4

Wie soll ich die Annahme der Linearität zum Logit für die kontinuierlichen unabhängigen Variablen in der logistischen Regressionsanalyse überprüfen?

Ich bin verwirrt mit der Annahme der Linearität des Logits für kontinuierliche Prädiktorvariablen in der logistischen Regressionsanalyse. Müssen wir die lineare Beziehung überprüfen, während wir mithilfe einer univariablen logistischen Regressionsanalyse nach potenziellen Prädiktoren suchen? In meinem Fall verwende ich die multiple logistische Regressionsanalyse, um Faktoren zu identifizieren, die mit dem …

13 regression logistic assumptions splines regression-strategies

Als «regression» getaggte Fragen