Statistiken und Big Data regression

2

Nachdem ich mir diese Frage angesehen habe: Beim Versuch, die lineare Regression mit Keras zu emulieren , habe ich versucht, mein eigenes Beispiel nur zu Studienzwecken zu erstellen und meine Intuition zu entwickeln. Ich habe einen einfachen Datensatz heruntergeladen und eine Spalte verwendet, um eine andere vorherzusagen. Die Daten sehen …

11 regression machine-learning neural-networks linear keras

4

Ist Multikollinearität wirklich ein Problem?

Ich arbeite derzeit an einem Vorhersagemodellierungsprojekt: Ich versuche, ein Modell zu lernen und Echtzeitvorhersagen auf der Grundlage des Modells zu treffen, das ich offline gelernt habe. Ich habe kürzlich angefangen, die Ridge-Regression zu verwenden, weil ich gelesen habe, dass Regularisierung dazu beitragen kann, den Effekt der Multikollinearität zu verringern. Allerdings …

11 regression prediction multicollinearity ridge-regression

2

Regression: Was ist der Nutzen von R im Quadrat im Vergleich zu RMSE?

Angenommen, ich mache eine Regression mit Trainings-, Validierungs- und Testsätzen. Ich kann RMSE und R im Quadrat (R ^ 2, den Bestimmungskoeffizienten) aus der Ausgabe meiner Software (wie z. B. Rs lm () -Funktion) ermitteln. Mein Verständnis ist, dass der Test-RMSE (oder MSE) das Maß für die Güte der Vorhersage …

11 r regression regression-coefficients r-squared

1

Die Vor- und Nachteile der Glättung Spline

Ich habe eine allgemeine Frage. Kürzlich habe ich gerade Basiserweiterung und Regularisierung gelernt. Es gibt verschiedene interessante Techniken, darunter: kubischer Spline, natürlicher Spline, B-Spline und Glättungs-Spline . Die Frage ist, was sind die Vor- und Nachteile (falls vorhanden) beim Glätten von Spline im Vergleich zu dem "typischen" kubischen und natürlichen …

11 regression smoothing

1

Standardisierte VS-zentrierte Variablen

Ich habe auf stats.stackexchange.com viele nützliche Beiträge zu standardisierten unabhängigen Variablen und zentrierten unabhängigen Variablen gefunden, bin aber immer noch etwas verwirrt. Ich bitte Sie um eine Bewertung dessen, was ich verstanden habe. Wenn das Folgende nicht korrekt ist, können Sie mich bitte korrigieren? Wie man standardisiert. Standardisierte Variablen werden …

11 regression data-transformation interpretation standardization centering

4

Was ist der Unterschied zwischen kleinsten Quadraten und pseudoinversen Techniken für die lineare Regression?

Ich wundere mich über den Unterschied zwischen ihnen. Grundsätzlich erledigen sie am Ende die gleiche Aufgabe, indem sie Parameterkoeffizienten finden, aber sie sehen genauso anders aus, wie wir die Koeffizienten finden. Für mich scheint die Methode der kleinsten Quadrate Differenzierung und Matrixform zu verwenden, um die Koeffizienten zu finden, und …

11 regression multiple-regression least-squares regression-coefficients

3

Berechnung der p-Werte in einem beschränkten (nicht negativen) kleinsten Quadrat

Ich habe Matlab verwendet, um uneingeschränkte kleinste Quadrate (gewöhnliche kleinste Quadrate) auszuführen, und es gibt automatisch die Koeffizienten, die Teststatistik und die p-Werte aus. Meine Frage ist, dass beim Durchführen von eingeschränkten kleinsten Quadraten (streng nichtnegative Koeffizienten) nur die Koeffizienten OHNE Teststatistik und p-Werte ausgegeben werden. Ist es möglich, diese …

10 regression statistical-significance least-squares constrained-regression

3

Intuition hinter in geschlossener Form von w in der linearen Regression

Die geschlossene Form von w in der linearen Regression kann wie folgt geschrieben werden w^=(XTX)−1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty Wie können wir die Rolle von in dieser Gleichung intuitiv erklären ?(XTX)−1(XTX)−1(X^TX)^{-1}

10 regression least-squares matrix intuition matrix-inverse

2

Warum werden potenzierte logistische Regressionskoeffizienten als „Odds Ratios“ betrachtet?

Die logistische Regression modelliert die logarithmischen Quoten eines Ereignisses als eine Reihe von Prädiktoren. Das heißt, log (p / (1-p)), wobei p die Wahrscheinlichkeit eines Ergebnisses ist. Daher muss die Interpretation der rohen logistischen Regressionskoeffizienten für eine Variable (x) auf der logarithmischen Quotenskala liegen. Das heißt, wenn der Koeffizient für …

10 regression logistic logit

2

B-Splines VS Polynome hoher Ordnung in der Regression

Ich habe kein bestimmtes Beispiel oder keine bestimmte Aufgabe im Sinn. Ich bin gerade neu in der Verwendung von B-Splines und wollte diese Funktion im Regressionskontext besser verstehen. Nehmen wir an, wir wollen die Beziehung zwischen der Antwortvariablen und einigen Prädiktoren . Die Prädiktoren enthalten einige numerische Variablen sowie einige …

10 regression multiple-regression splines polynomial penalized

2

Warum ist die Steigung immer genau 1, wenn die Fehler auf den Residuen mit OLS zurückgeführt werden?

Ich habe mit der Beziehung zwischen den Fehlern und den Residuen mithilfe einiger einfacher Simulationen in R experimentiert. Eine Sache, die ich gefunden habe, ist, dass ich unabhängig von der Stichprobengröße oder der Fehlervarianz immer genau für die Steigung erhalte, wenn Sie das Modell anpassen111 errors∼β0+β1×residualserrors∼β0+β1×residuals {\rm errors} \sim \beta_0 …

10 regression least-squares residuals

3

Interviewfrage eines Datenwissenschaftlers: Lineare Regression niedrig und was würden Sie tun?

Ich stand vor einer Interviewfrage für einen Job, bei dem der Interviewer mich fragte, ob Ihr für ein Preiselastizitätsmodell sehr niedrig ist (zwischen 5 und 10%). Wie würden Sie diese Frage lösen?R2R2R^2 Ich konnte mir nichts anderes vorstellen als die Tatsache, dass ich eine Regressionsdiagnose durchführen werde, um zu sehen, …

10 regression self-study theory

1

Warum erhalte ich unterschiedliche Vorhersagen für die manuelle Polynomerweiterung und verwende die R `poly` -Funktion?

Warum erhalte ich unterschiedliche Vorhersagen für die manuelle Polynomerweiterung und die Verwendung der R- polyFunktion? set.seed(0) x <- rnorm(10) y <- runif(10) plot(x,y,ylim=c(-0.5,1.5)) grid() # xp is a grid variable for ploting xp <- seq(-3,3,by=0.01) x_exp <- data.frame(f1=x,f2=x^2) fit <- lm(y~.-1,data=x_exp) xp_exp <- data.frame(f1=xp,f2=xp^2) yp <- predict(fit,xp_exp) lines(xp,yp) # using …

10 r regression polynomial

1

Was bedeuten Doppelbalken und 2 unten in gewöhnlichen kleinsten Quadraten?

Ich habe diese Notation für gewöhnliche kleinste Quadrate hier gesehen . minw∥Xw−y∥22minw‖Xw−y‖22 \min_w \left\| Xw - y \right\|^2_2 Ich habe noch nie die Doppelstangen und die 2 unten gesehen. Was bedeuten diese Symbole? Haben sie eine spezifische Terminologie für sie?

10 regression least-squares linear-model linear-algebra notation

2

Bedingte mittlere Unabhängigkeit impliziert Unvoreingenommenheit und Konsistenz des OLS-Schätzers

Betrachten Sie das folgende multiple Regressionsmodell: Y=Xβ+Zδ+U.(1)(1)Y=Xβ+Zδ+U.Y=X\beta+Z\delta+U.\tag{1} Hier ist YYY ein n×1n×1n\times 1 Spaltenvektor; XXX a n×(k+1)n×(k+1)n\times (k+1) Matrix; ββ\beta a (k+1)×1(k+1)×1(k+1)\times 1 Spaltenvektor; ZZZ a n×ln×ln\times l Matrix; δδ\delta a l×1l×1l\times 1 Spaltenvektor; und UUU , der Fehlerterm, ein n×1n×1n\times1 Spaltenvektor. FRAGE Mein Dozent, das Lehrbuch Einführung in die …

10 regression multiple-regression econometrics least-squares nonlinear-regression

Als «regression» getaggte Fragen