Statistiken und Big Data regression

2

Testen der AIC-Differenz zweier nicht verschachtelter Modelle

Der springende Punkt von AIC oder einem anderen Informationskriterium ist, dass weniger besser ist. Wenn ich also zwei Modelle M1 habe: y = a0 + XA + e und M2: y = b0 + ZB + u, und wenn der AIC des ersten (A1) kleiner ist als der des zweiten …

12 regression aic

1

Testäquivalenz von nicht verschachtelten Modellen

Angenommen, yyy ist eine lineare Funktion von und ein Dummy . Meine Hypothese ist, dass selbst wie ein hedonistischer Index eines Vektors anderer Variablen ist, . Ich habe Unterstützung dafür in einer von (dh , , ..., ) auf . Gibt es eine Möglichkeit, die Gleichwertigkeit dieser beiden Modelle zu …

12 r hypothesis-testing regression model-selection

2

GLM nach Modellauswahl oder Regularisierung

Ich möchte diese Frage in zwei Teile teilen. Beide befassen sich mit einem verallgemeinerten linearen Modell, aber das erste befasst sich mit der Modellauswahl und das andere mit der Regularisierung. Hintergrund: Ich benutze GLMs (lineare, logistische, Gamma-Regressions-) Modelle sowohl zur Vorhersage als auch zur Beschreibung. Wenn ich mich auf die …

12 regression model-selection regularization

3

Kann ich mehrere Regressionen verwenden, wenn ich kategoriale und kontinuierliche Prädiktoren gemischt habe?

Es sieht so aus, als könnten Sie Codierung für eine kategoriale Variable verwenden, aber ich habe zwei kategoriale und eine kontinuierliche Prädiktorvariable. Kann ich in SPSS mehrere Regressionen verwenden und wenn ja, wie? Vielen Dank!

12 regression spss categorical-data continuous-data

3

SVM-Regression verstehen: objektive Funktion und „Ebenheit“

SVMs zur Klassifizierung machen für mich intuitiv Sinn: Ich verstehe, wie minimierend ||θ||2||θ||2||\theta||^2 ergibt den maximalen Spielraum. Ich verstehe dieses Ziel jedoch nicht im Kontext der Regression. Verschiedene Texte ( hier und hier ) beschreiben dies als Maximierung der "Ebenheit". Warum sollten wir das tun wollen? Was entspricht in der …

12 regression svm

2

Koordinatenabstieg für das Lasso oder elastische Netz

Gibt es gute Artikel oder Bücher, die sich mit der Verwendung von Koordinatenabstieg für L1 (Lasso) und / oder elastischer Netzregulierung für lineare Regressionsprobleme befassen?

12 regression references lasso regularization elastic-net

1

Aktualisierung des Lassos mit neuen Beobachtungen

Ich passe eine L1-regulierte lineare Regression an einen sehr großen Datensatz an (mit n >> p.). Die Variablen sind im Voraus bekannt, aber die Beobachtungen treffen in kleinen Stücken ein. Ich möchte das Lasso nach jedem Stück fit halten. Ich kann natürlich das gesamte Modell nach jedem neuen Satz von …

12 regression lasso

5

Was sagen ROC-Kurven Ihnen, dass traditionelle Inferenz nicht würde?

Wann tendieren Sie dazu, ROC-Kurven gegenüber anderen Tests zu verwenden, um die Vorhersagefähigkeit einiger Messungen für ein Ergebnis zu bestimmen? Was macht ROC-Kurven im Umgang mit diskreten Ergebnissen (lebendig / tot, gegenwärtig / abwesend) leistungsfähiger oder weniger leistungsfähig als so etwas wie ein Chi-Quadrat?

12 regression roc

3

Was ist gemeinsame Schätzung?

Meine Frage ist so einfach: Was ist gemeinsame Schätzung? Und was bedeutet das im Kontext der Regressionsanalyse? Wie wird es gemacht? Ich bin einige Zeit im mächtigen Internet herumgewandert, habe aber keine Antworten auf diese Fragen gefunden.

12 regression estimation terminology

6

Lineare Regression, wenn Y begrenzt und diskret ist

Die Frage ist einfach: Ist es angemessen, eine lineare Regression zu verwenden, wenn Y begrenzt und diskret ist (z. B. die Testergebnisse 1 bis 100, einige vordefinierte Rangfolgen 1 bis 17)? Ist es in diesem Fall "nicht gut", eine lineare Regression zu verwenden, oder ist es völlig falsch, sie zu …

12 regression multiple-regression least-squares linear bounds

4

Was führt dazu, dass Lasso bei der Funktionsauswahl instabil ist?

Bei der komprimierten Abtastung gibt es einen Satz, der garantiert, dass argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc hat eine eindeutige, spärliche Lösungccc (siehe Anhang für weitere Details). Gibt es einen ähnlichen Satz für Lasso? Wenn es einen solchen Satz gibt, garantiert er …

12 regression self-study feature-selection lasso regularization

1

Warum ist R Squared mit LASSO kein gutes Maß für Regressionen?

Ich habe an mehreren Stellen gelesen, dass R Squared kein ideales Maß ist, wenn ein Modell mit LASSO angepasst wird. Mir ist jedoch nicht klar, warum das so ist. Können Sie außerdem die beste Alternative empfehlen?

12 regression lasso r-squared penalized

1

Negative Gratregression verstehen

Ich suche Literatur über negative Gratregression . Kurz gesagt, es ist eine Verallgemeinerung der linearen Regression unter Verwendung ridge negative λλ\lambda in der Schätzer β^=(X⊤X+λI)−1X⊤y.β^=(X⊤X+λI)−1X⊤y.\hat\beta = ( X^\top X + \lambda I)^{-1} X^\top y.Der positive Fall hat eine schöne Theorie: als Verlustfunktion, als Einschränkung, als Bayes-Prior ... aber ich fühle …

12 regression regularization ridge-regression

3

Wie kann eine lineare Regression für die Big-Data-Einstellung parallel / verteilt ausgeführt werden?

Ich arbeite an einem sehr großen linearen Regressionsproblem, dessen Daten so groß sind, dass sie auf einem Cluster von Computern gespeichert werden müssen. Es ist viel zu groß, um alle Samples im Speicher einer einzelnen Maschine (sogar auf der Festplatte) zusammenzufassen. Um diese Daten zu regressieren, denke ich über einen …

12 regression linear large-data

1

Warum geben lm und biglm in R unterschiedliche p-Werte für dieselben Daten an?

Hier ist ein kleines Beispiel: MyDf<-data.frame(x=c(1,2,3,4), y=c(1.2, .7, -.5, -3)) Jetzt mit dem base::lm: > lm(y~x, data=MyDf) %>% summary Call: lm(formula = y ~ x, data = MyDf) Residuals: 1 2 3 4 -0.47 0.41 0.59 -0.53 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 3.0500 0.8738 3.491 0.0732 . …

12 r regression p-value linear-model

Als «regression» getaggte Fragen