Statistiken und Big Data regression

2

Was ist der Unterschied zwischen und Varianz-Score beim Scikit-Lernen?

Ich war in dem Python über Regressions Metriken Lese Scikit-Learn Handbuch und obwohl jeder von ihnen seine eigenen Formel hat, kann ich nicht intuitiv sagen , was ist der Unterschied zwischen und Varianz - Score und daher , wenn der eine oder andere zu verwenden , um zu bewerten meine …

12 regression variance scikit-learn r-squared model-evaluation

1

Interpretieren von Proportionen, die als unabhängige Variablen in der linearen Regression eins ergeben

Ich bin mit dem Konzept der kategorialen Variablen und der jeweiligen Dummy-Variablencodierung vertraut, die es uns ermöglicht, eine Ebene als Basislinie anzupassen, um Kollinearität zu vermeiden. Ich bin auch mit der Interpretation von Parameterschätzungen aus solchen Modellen vertraut: Die vorhergesagte Änderung des Ergebnisses für eine bestimmte angepasste Ebene des kategorialen …

12 regression interpretation proportion multicollinearity

3

Ableitung der regulierten linearen Regressionskostenfunktion pro Coursera-Kurs für maschinelles Lernen

Ich habe vor ein paar Monaten Andrew Ngs Kurs "Maschinelles Lernen" über Coursera besucht, ohne auf die meisten Mathematik / Ableitungen zu achten und mich stattdessen auf Implementierung und Praktikabilität zu konzentrieren. Seitdem habe ich wieder angefangen, einige der zugrunde liegenden Theorien zu studieren, und einige der Vorlesungen von Prof. …

12 regression self-study

2

Interpretation eines logistischen Regressionsmodells mit mehreren Prädiktoren

Ich führte eine multivariate logistische Regression durch, wobei die abhängige Variable Yinnerhalb eines bestimmten Eintrittszeitraums der Tod in einem Pflegeheim war, und erhielt die folgenden Ergebnisse (beachten Sie, dass die Variablen, die darin beginnen A, ein kontinuierlicher Wert sind, während die Variablen, die in beginnen, Bkategorisch sind): Call: glm(Y ~ …

12 r regression logistic

1

Verteilung der Summe der Quadrate Fehler für die lineare Regression?

Ich weiß, dass die Verteilung der Stichprobenvarianz Es liegt an der Tatsache, dass kann in Matrixform (wobei A: symmetrisch) ausgedrückt werden, und er kann erneut ausgedrückt werden in: x'QDQ'x (wobei Q: orthonormal, D: diagonale Matrix). ∑(Xi−X¯)2σ2∼χ2(n−1)∑(Xi−X¯)2σ2∼χ(n−1)2 \sum\frac{(X_i-\bar{X})^2}{\sigma^2}\sim \chi^2_{(n-1)} ∑(Xi−X¯)2n−1∼σ2n−1χ2(n−1)∑(Xi−X¯)2n−1∼σ2n−1χ(n−1)2 \sum\frac{(X_i-\bar{X})^2}{n-1}\sim \frac{\sigma^2}{n-1}\chi^2_{(n-1)} (X−X¯)2(X−X¯)2(X-\bar{X})^2xAx′xAx′xAx'x'Q D Q.'xx′QDQ′xx'QDQ'x Was ist mit ∑ ( Y.ich- …

12 regression mathematical-statistics degrees-of-freedom sums-of-squares

1

Was ist der Unterschied zwischen AIC () und extractAIC () in R?

Die R-Dokumentation für beide gibt nicht viel Aufschluss. Alles, was ich von diesem Link bekommen kann, ist, dass es in Ordnung sein sollte, einen von beiden zu verwenden. Was ich nicht verstehe ist, warum sie nicht gleich sind. Fakt: Die schrittweise Regressionsfunktion in R, step()verwendet extractAIC(). Interessanterweise führt das Ausführen …

11 r regression aic stepwise-regression

2

Warum werden "Fehler in X" -Modellen nicht häufiger verwendet?

Wenn wir den Standardfehler eines Regressionskoeffizienten berechnen, erklärst wir nicht für die Zufälligkeit in der Design - Matrix XXX . In OLS wir zum Beispiel berechnen var(β^)var(β^)\text{var}(\hat{\beta}) als var((XTX)−1XTY)=σ2(XTX)−1var((XTX)−1XTY)=σ2(XTX)−1\text{var}((X^TX)^{-1}X^TY) = \sigma^2(X^TX)^{-1} Wenn die XXX als zufällig betrachtet würde, würde das Gesetz der Gesamtvarianz in gewissem Sinne auch den zusätzlichen Beitrag …

11 regression probability variance inference

2

Zeigen der Äquivalenz zwischen der regulierten Regression der

Gemäß den Referenzen Buch 1 , Buch 2 und Papier . Es wurde erwähnt, dass es eine Äquivalenz zwischen der regulierten Regression (Ridge, LASSO und Elastic Net) und ihren Einschränkungsformeln gibt. Ich habe mir auch Cross Validated 1 und Cross Validated 2 angesehen , aber ich kann keine klare Antwort …

11 regression optimization lasso ridge-regression elastic-net

3

Kann eine lineare Regression signifikant sein, wenn die Daten nicht linear sind?

Ich führte eine lineare Regression durch, die zu einem signifikanten Ergebnis führte. Als ich jedoch das Streudiagramm auf Linearität überprüfte, war ich nicht sicher, ob die Daten linear waren. Gibt es andere Möglichkeiten, die Linearität zu testen, ohne das Streudiagramm zu untersuchen? Könnte die lineare Regression signifikant sein, wenn sie …

11 regression

2

Verständnis der Form des Konfidenzintervalls für die Polynomregression (MLR)

Ich habe Schwierigkeiten, die Form des Konfidenzintervalls einer Polynomregression zu erfassen. Hier ist ein künstliches Beispiel: . Die linke Abbildung zeigt das UPV (nicht skalierte Vorhersagevarianz) und das rechte Diagramm zeigt das Konfidenzintervall und die (künstlichen) gemessenen Punkte bei X = 1,5, X = 2 und X = 3.Y.^= a …

11 regression confidence-interval

1

Sollten Freiheitsgradkorrekturen verwendet werden, um auf GLM-Parameter zu schließen?

Diese Frage ist inspiriert von Martijns Antwort hier . Angenommen, wir passen ein GLM für eine Ein-Parameter-Familie wie ein Binomial- oder Poisson-Modell an und es handelt sich um ein Verfahren mit voller Wahrscheinlichkeit (im Gegensatz zu beispielsweise Quasipoisson). Dann ist die Varianz eine Funktion des Mittelwerts. Mit Binomial: und mit …

11 regression generalized-linear-model inference approximation t-distribution

1

Multivariate lineare Regression im Vergleich zu mehreren univariaten Regressionsmodellen

In den univariaten Regressionseinstellungen versuchen wir zu modellieren y=Xβ+noisey=Xβ+noisey = X\beta +noise wobei ein Vektor von n Beobachtungen und X ∈ R n × m die Entwurfsmatrix mit m Prädiktoren ist. Die Lösung ist β 0 = ( X T X ) - 1 X y .y∈Rny∈Rny \in \mathbb{R}^nnnnX.∈ R.n …

11 regression multivariate-analysis multivariate-regression

4

Warum sind die Regressionsmethoden Least-Squares und Maximum-Likelihood nicht gleichwertig, wenn die Fehler nicht normal verteilt sind?

Titel sagt alles. Ich verstehe, dass die kleinsten Quadrate und die maximale Wahrscheinlichkeit das gleiche Ergebnis für Regressionskoeffizienten liefern, wenn die Fehler des Modells normal verteilt sind. Aber was passiert, wenn die Fehler nicht normal verteilt sind? Warum sind die beiden Methoden nicht mehr gleichwertig?

11 regression normal-distribution maximum-likelihood least-squares error

2

Warum sind diese Regressionsanova-Tabellen identisch?

Ich habe zwei Regressionen des gleichen Y und des dreistufigen X. Insgesamt n = 15, mit n = 5 in jeder Gruppe oder Stufe von X. Die erste Regression behandelt das X als kategorisch und weist den Stufen 2 und 3 mit Stufe Indikatorvariablen zu eine davon ist die Referenz. …

11 regression anova

4

Künstliche neuronale Netze, die der linearen Regression mit Polynommerkmalen entsprechen?

Ich möchte mein Verständnis der neuronalen Netze und ihrer Vorteile im Vergleich zu anderen Algorithmen für maschinelles Lernen verbessern. Mein Verständnis ist wie folgt und meine Frage ist: Können Sie bitte mein Verständnis korrigieren und ergänzen? :) :) Mein Verständnis: (1) Künstliche neuronale Netze = Eine Funktion, die Ausgabewerte aus …

11 regression machine-learning

Als «regression» getaggte Fragen