Statistiken und Big Data regression

1

Worauf bezieht sich der Begriff "sparse prior" (FBProphet Paper)?

Beim Lesen des Artikels "Forecasting at Scale" (FBProphet-Prognosetool, siehe https://peerj.com/preprints/3190.pdf ) bin ich auf den Begriff "sparse prior" gestoßen . Die Autoren erklären, dass sie einen solchen "spärlichen Prior" bei der Modellierung eines Vektors von Ratenabweichungen von einer skalaren Rate , die ein Modellparameter im logistischen Wachstumsmodell ist.δδ\mathbf{\delta}kkk Verstehe ich …

11 regression bayesian forecasting

1

Wie berechnet man die Konfidenzwerte in der Regression (mit zufälligen Wäldern / XGBoost) für jede Vorhersage in R?

Gibt es eine Möglichkeit, für jeden vorhergesagten Wert einen Konfidenzwert (wir können ihn auch als Konfidenzwert oder Wahrscheinlichkeit bezeichnen) zu erhalten, wenn Algorithmen wie Random Forests oder Extreme Gradient Boosting (XGBoost) verwendet werden? Angenommen, dieser Konfidenzwert reicht von 0 bis 1 und zeigt, wie sicher ich in Bezug auf eine …

11 r regression random-forest prediction boosting

1

Warum ist LKJcorr ein guter Prior für die Korrelationsmatrix?

Ich lese das Kapitel 13 "Adventures in Covariance" in dem ( hervorragenden ) Buch Statistical Rethinking von Richard McElreath, in dem er das folgende hierarchische Modell vorstellt: ( Rist eine Korrelationsmatrix) Der Autor erklärt, dass dies LKJcorrein schwach informativer Prior ist, der als Regularisierungsprior für die Korrelationsmatrix fungiert. Aber warum …

11 regression self-study correlation prior hierarchical-bayesian

3

Probleme mit der One-Hot-Codierung im Vergleich zur Dummy-Codierung

Mir ist bewusst, dass kategoriale Variablen mit k Ebenen mit k-1 Variablen in Dummy-Codierung codiert werden sollten (ähnlich für mehrwertige kategoriale Variablen). Ich habe mich gefragt, wie problematisch eine One-Hot-Codierung (dh die Verwendung von k Variablen) gegenüber einer Dummy-Codierung für verschiedene Regressionsmethoden ist, hauptsächlich lineare Regression, bestrafte lineare Regression (Lasso, …

11 regression multiple-regression categorical-data many-categories

3

Was sind die Vorteile einer schrittweisen Regression?

Ich experimentiere mit schrittweiser Regression, um die Vielfalt meiner Herangehensweise an das Problem zu verbessern. Ich habe also 2 Fragen: Was sind die Vorteile einer schrittweisen Regression? Was sind ihre spezifischen Stärken? Was halten Sie vom hybriden Ansatz, bei dem Sie schrittweise Regression verwenden, um Features auszuwählen, und dann eine …

11 regression feature-selection stepwise-regression

2

Inkrementelle Gaußsche Prozessregression

Ich möchte eine inkrementelle Gaußsche Prozessregression mithilfe eines Schiebefensters über den Datenpunkten implementieren, das nacheinander über einen Stream ankommt. Lassen die Dimensionalität des Eingangsraums bezeichnen. Jeder Datenpunkt hat also Anzahl von Elementen.dddxixix_iddd Sei die Größe des Schiebefensters.nnn Um Vorhersagen zu treffen, muss ich die Inverse der Grammmatrix berechnen , wobei …

11 regression covariance gaussian-process linear-algebra online

5

Durbin Watson Teststatistik

Ich habe den DW-Test auf mein Regressionsmodell in R angewendet und eine DW-Teststatistik von 1,78 und einen p-Wert von 2,2e-16 = 0 erhalten. Bedeutet dies, dass es keine Autokorrelation zwischen den Residuen gibt, weil der stat nahe bei 2 mit einem kleinen p-Wert liegt, oder bedeutet dies, dass der p-Wert …

11 r regression hypothesis-testing autocorrelation residuals

1

Sind Schätzungen der Regressionskoeffizienten nicht korreliert?

Betrachten Sie eine einfache Regression (Normalität nicht angenommen): wobei mit dem Mittelwert und der Standardabweichung . Sind die kleinsten quadratischen Schätzungen von und korreliert?e i 0 σ a bYi=a+bXi+ei,Yi=a+bXi+ei,Y_i = a + b X_i + e_i,eieie_i000σσ\sigmaaaabbb

11 regression correlation estimation

1

Was ist das Problem bei der Verwendung von R-Quadrat in Zeitreihenmodellen?

Ich habe gelesen, dass die Verwendung von R-Quadrat für Zeitreihen nicht angemessen ist, da in einem Zeitreihenkontext (ich weiß, dass es andere Kontexte gibt) R-Quadrat nicht mehr eindeutig ist. Warum ist das? Ich habe versucht, dies nachzuschlagen, aber ich habe nichts gefunden. Normalerweise lege ich bei der Bewertung meiner Modelle …

11 regression time-series r-squared

1

Normalitätsannahme bei linearer Regression

Als Annahme einer linearen Regression wird die Normalität der Fehlerverteilung manchmal fälschlicherweise "erweitert" oder als Notwendigkeit der Normalität von y oder x interpretiert. Ist es möglich, ein Szenario / einen Datensatz zu erstellen, bei dem X und Y nicht normal sind, der Fehlerterm jedoch lautet und daher die erhaltenen linearen …

11 regression linear-model assumptions

2

Mindestanzahl von Beobachtungen für multiple lineare Regression

Ich mache multiple lineare Regression. Ich habe 21 Beobachtungen und 5 Variablen. Mein Ziel ist es nur, die Beziehung zwischen Variablen zu finden Reicht mein Datensatz aus, um eine multiple Regression durchzuführen? Das T-Testergebnis ergab, dass 3 meiner Variablen nicht signifikant sind. Muss ich meine Regression mit den signifikanten Variablen …

11 regression t-test multiple-regression

3

Wie berechnet man die Differenz zweier Steigungen?

Gibt es eine Methode, um zu verstehen, ob zwei Linien (mehr oder weniger) parallel sind? Ich habe zwei Linien, die aus linearen Regressionen erzeugt wurden, und ich würde gerne verstehen, ob sie parallel sind. Mit anderen Worten, ich möchte die unterschiedlichen Steigungen dieser beiden Linien ermitteln. Gibt es eine R-Funktion, …

11 r regression interaction linear-model

1

Wie gehen Sie mit „verschachtelten“ Variablen in einem Regressionsmodell um?

Stellen Sie sich ein statistisches Problem vor, bei dem Sie eine responseVariable haben, die Sie abhängig von einer explanatoryVariablen und einer nestedVariablen beschreiben möchten , wobei die verschachtelte Variable nur als sinnvolle Variable für bestimmte Werte der erklärenden Variablen auftritt . In Fällen, in denen die erklärende Variable keine aussagekräftige …

11 regression generalized-linear-model glmm nested-data

1

Ist die Bayesian Ridge Regression ein anderer Name der Bayesian Linear Regression?

Ich habe im Internet nach Bayesian Ridge Regression gesucht, aber das meiste Ergebnis, das ich erzielt habe, ist Bayesian Linear Regression. Ich frage mich, ob es beide die gleichen Dinge sind, weil die Formel ziemlich ähnlich aussieht

11 regression bayesian

1

Warum nennen wir die Gleichungen der Schätzung der kleinsten Quadrate in der linearen Regression die * normalen Gleichungen *?

Wenn wir Parameter der linearen Regression schätzen wollen, machen wir normale Gleichungen, so viele wie das lineare Modell die Anzahl der Unbekannten enthält. Warum heißen diese Gleichungen Normalgleichungen?

11 regression least-squares terminology linear

Als «regression» getaggte Fragen