Statistiken und Big Data regression

1

Zeichnen einer stückweisen Regressionslinie

Gibt es eine Möglichkeit, die Regressionslinie eines solchen stückweisen Modells lineszu zeichnen , außer jedes Segment einzeln zu zeichnen oder zu verwenden geom_smooth(aes(group=Ind), method="lm", fill=FALSE)? m.sqft <- mean(sqft) model <- lm(price~sqft+I((sqft-m.sqft)*Ind)) # sqft, price: continuous variables, Ind: if sqft>mean(sqft) then 1 else 0 plot(sqft,price) abline(reg = model) Warning message: In …

10 r data-visualization regression

2

Wie werden die Konfidenzintervalle für Regressionskoeffizienten in PLS berechnet?

Das zugrunde liegende Modell von PLS ist, dass eine gegebene Matrix X und n gegebener Vektor y durch X = T P ' + E , y = T q ' + f , wobei T eine latente n × k- Matrix ist, und E , in Beziehung stehen. f …

10 regression confidence-interval latent-variable partial-least-squares

1

Passt „glmnet“ in R zu einem Achsenabschnitt?

Ich passe ein lineares Modell in R an glmnet. Das ursprüngliche (nicht regulierte) Modell wurde unter Verwendung von angepasst lmund hatte keinen konstanten Term (dh es war in der Form lm(y~0+x1+x2,data)). glmnetnimmt eine Matrix von Prädiktoren und einen Vektor von Antworten. Ich habe die glmnetDokumentation gelesen und kann den konstanten …

10 r regression lasso

3

Ressourcen zum Erlernen der falschen Zeitreihenregression

"Falsche Regression" (im Kontext von Zeitreihen) und damit verbundene Begriffe wie Unit-Root-Tests sind etwas, von dem ich viel gehört habe, das ich aber nie verstanden habe. Warum / wann tritt es intuitiv auf? (Ich glaube, es ist, wenn Ihre beiden Zeitreihen zusammengeführt werden, dh eine lineare Kombination der beiden ist …

10 time-series regression cointegration

1

Unterschied zwischen GLS und SUR

Ich habe einige über Generalized Least Squares (GLS) gelesen und versucht, sie mit meinem ökonometrischen Grundhintergrund zu verknüpfen. Ich erinnere mich, dass ich in der Graduiertenschule scheinbar unzusammenhängende Regression (SUR) verwendet habe, die GLS etwas ähnlich zu sein scheint. Ein Artikel, über den ich gestolpert bin, bezeichnete SUR sogar als …

10 regression generalized-least-squares

1

Welche Art der Nachanpassungsanalyse von Residuen verwenden Sie?

Wenn ich eine multiple lineare OLS-Regression durchführe, anstatt die Residuen gegen angepasste Werte zu zeichnen, zeichne ich die (internen) studentisierten Residuen gegen angepasste Werte (ebenso für Kovariaten). Diese Residuen sind definiert als: e∗i=eis2(1−hii)−−−−−−−−−√ei∗=eis2(1−hii)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} wobei der Rest ist und die diagonalen Elemente der sind. Um diese …

10 regression residuals diagnostic

2

Warum sollten wir in der linearen Regression quadratische Terme einbeziehen, wenn wir nur an Interaktionstermen interessiert sind?

Angenommen, ich interessiere mich für ein lineares Regressionsmodell für , weil ich sehen möchte, ob eine Wechselwirkung zwischen den beiden Kovariaten einen Einfluss auf Y hat.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 In den Kursnotizen eines Professors (mit denen ich keinen Kontakt habe) heißt es: Wenn Sie Interaktionsbegriffe …

10 regression multiple-regression interaction linear-model

2

Warum verwenden wir Residuen, um die Annahmen zu Regressionsfehlern zu testen?

Angenommen, wir haben ein Modell .Yi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiYi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiY_i = \beta_0 + \beta_1X_{i1} + \beta_2X_{i2} + \dots + \beta_kX_{ik} + \epsilon_i Die Regression hat eine Reihe von Annahmen, wie zum Beispiel, dass die Fehler normal mit dem Mittelwert Null und der konstanten Varianz verteilt werden sollten. Mir wurde beigebracht, diese Annahmen unter Verwendung …

10 regression residuals error

1

Was ist der Unterschied zwischen Entscheidungsfunktion, Vorhersagefunktion und Vorhersagefunktion für das logistische Regressionsproblem?

Ich habe die sklearn-Dokumentation durchgearbeitet, kann jedoch den Zweck dieser Funktionen im Kontext der logistischen Regression nicht verstehen. Denn decision_functiones heißt, dass es der Abstand zwischen der Hyperebene und der Testinstanz ist. Wie sind diese speziellen Informationen nützlich? und wie hängt das mit predictund predict-probamethoden zusammen?

10 regression logistic prediction scikit-learn decision

1

Durch Hinzufügen eines linearen Regressionsprädiktors wird das R-Quadrat verringert

Mein - Datensatz ( N.≈ 10 , 000N.≈10,000N \approx 10,000 ) eine abhängige Variable (DV), fünf unabhängige "Baseline" Variablen (P1, P2, P3, P4, P5) und eine unabhängige Variable von Interesse (Q). Ich habe lineare OLS-Regressionen für die folgenden zwei Modelle ausgeführt: DV ~ 1 + P1 + P2 + P3 …

10 regression linear r-squared

1

Warum können wir für Transformationen abhängiger Variablen verwenden?

Stellen Sie sich vor, wir haben ein lineares Regressionsmodell mit der abhängigen Variablen . Wir finden sein . Jetzt führen wir eine weitere Regression durch, diesmal jedoch auf , und finden in ähnlicher Weise deren . Mir wurde gesagt, dass ich nicht beide vergleichen kann, um zu sehen, welches Modell …

10 regression data-transformation r-squared

1

Wie berechnet man aus der Probe R im Quadrat?

Ich weiß, dass dies wahrscheinlich woanders diskutiert wurde, aber ich konnte keine explizite Antwort finden. Ich versuche, die Formel zu verwenden, um eines linearen Regressionsmodells außerhalb der Stichprobe zu berechnen , wobei die Summe der quadratischen Residuen und die Gesamtsumme der Quadrate ist. Für das Trainingsset ist das klarR2=1−SSR/SSTR2=1−SSR/SSTR^2 = …

10 regression machine-learning r-squared out-of-sample

1

Ist studentisierte Residuen v / s standardisierte Residuen im lm-Modell

Sind "studentisierte Residuen" und "standardisierte Residuen" in Regressionsmodellen gleich? Ich habe ein lineares Regressionsmodell in R erstellt und wollte den Graphen der v / s-angepassten Werte der studentisierten Residuen zeichnen, fand aber in R keinen automatisierten Weg, dies zu tun. Angenommen, ich habe ein Modell library(MASS) lm.fit <- lm(Boston$medv~(Boston$lstat)) Dann …

10 r regression residuals terminology

3

Wie führe ich eine nicht negative Gratregression durch?

Wie führe ich eine nicht negative Gratregression durch? Nicht-negatives Lasso ist in verfügbar scikit-learn, aber für Ridge kann ich die Nicht-Negativität von Betas nicht erzwingen, und tatsächlich erhalte ich negative Koeffizienten. Weiß jemand warum das so ist? Kann ich Ridge auch in Bezug auf reguläre kleinste Quadrate implementieren? Dies wurde …

10 regression lasso regularization ridge-regression

2

Klare Erklärung für die „numerische Stabilität der Matrixinversion“ bei der Gratregression und ihre Rolle bei der Reduzierung der Überanpassung

Ich verstehe, dass wir Regularisierung in einem Regressionsproblem der kleinsten Quadrate als anwenden können w∗=argminw[(y−Xw)T(y−Xw)+λ∥w∥2]w∗=argminw⁡[(y−Xw)T(y−Xw)+λ‖w‖2]\boldsymbol{w}^* = \operatorname*{argmin}_w \left[ (\mathbf y-\mathbf{Xw})^T(\boldsymbol{y}-\mathbf{Xw}) + \lambda\|\boldsymbol{w}\|^2 \right] und dass dieses Problem eine geschlossene Lösung hat als: w^=(XTX+λI)−1XTy.w^=(XTX+λI)−1XTy.\hat{\boldsymbol{w}} = (\boldsymbol{X}^T\boldsymbol{X}+\lambda\boldsymbol{I})^{-1}\boldsymbol{X}^T\boldsymbol{y}. Wir sehen, dass in der 2. Gleichung die Regularisierung einfach λλ\lambda zur Diagonale von \ …

10 regression regularization ridge-regression overfitting matrix-inverse

Als «regression» getaggte Fragen