Statistiken und Big Data regression

4

Erweiterung der logistischen Regression für Ergebnisse im Bereich zwischen 0 und 1

Ich habe ein Regressionsproblem, bei dem die Ergebnisse nicht streng 0, 1 sind, sondern im Bereich aller reellen Zahlen von 0 bis 1 enthalten sind, einschließlich .Y=[0,0.12,0.31,...,1]Y=[0,0.12,0.31,...,1]Y = [ 0, 0.12, 0.31, ..., 1 ] Dieses Problem wurde bereits in diesem Thread diskutiert , obwohl meine Frage etwas anders ist. …

9 regression logistic

2

Aus relationalen Daten lernen

Einstellungen Viele Algorithmen arbeiten mit einer einzelnen Beziehung oder Tabelle, während viele reale Datenbanken Informationen in mehreren Tabellen speichern (Domingos, 2003). Frage Welche Arten von Algorithmen lernen gut aus mehreren (relationalen) Tabellen. Insbesondere interessieren mich die Algorithmen, die für die Regressions- und Klassifizierungsaufgaben anwendbar sind (nicht die netzwerkanalyseorientierten, z. B. …

9 regression machine-learning classification dataset

3

Vorzeichenwechsel beim Hinzufügen einer weiteren Variablen in der Regression und mit viel größerer Größe

Grundeinstellung: Regressionsmodell: wobei C der Vektor der Kontrollvariablen ist.y=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy = \text{constant} +\beta_1x_1+\beta_2x_2+\beta_3x_3+\beta_4x_4+\alpha C+\epsilon Ich interessiere mich für und erwarte, dass und negativ sind. Es gibt jedoch ein Multikollinearitätsproblem im Modell. Der Korrelationskoeffizient ist gegeben durch corr ( , 0,9345, corr ( , x_3) = 0,1765, corr ( x_2 , x_3) …

9 regression multicollinearity

4

Box Cox Transformationen zur Regression

Ich versuche, ein lineares Modell mit nur einem Prädiktor (z. B. (x, y)) an einige Daten anzupassen. Die Daten sind so, dass für kleine Werte von x die y-Werte eine enge Anpassung an eine gerade Linie ergeben. Wenn jedoch die x-Werte zunehmen, werden die y-Werte flüchtiger. Hier ist ein Beispiel …

9 r regression variance data-transformation

2

Ermittlung des größten Beitrags in einer Gruppe

Ich weiß nicht viel über Statistiken, also nimm sie mit. Nehmen wir an, ich habe 1000 Arbeiter. Ich möchte herausfinden, wer der härteste Arbeiter ist, aber ich kann nur den Arbeitsaufwand messen, der in Gruppen von 1 bis 100 Personen über eine Arbeitsstunde erledigt wird. Angenommen, jeder Arbeiter erledigt immer …

9 r regression data-mining

1

Konfidenz- und Vorhersageintervalle des linearen Regressionsmodells

Okay, ich versuche die lineare Regression zu verstehen. Ich habe einen Datensatz und alles sieht ganz gut aus, aber ich bin verwirrt. Dies ist meine lineare Modellzusammenfassung: Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.2068621 0.0247002 8.375 4.13e-09 *** temp 0.0031074 0.0004779 6.502 4.79e-07 *** --- Signif. codes: 0 …

9 r regression

4

Wann wird die nichtparametrische Regression verwendet?

Ich verwende PROC GLM in SAS, um eine Regressionsgleichung der folgenden Form anzupassen Y.= b0+ b1X.1+ b2X.2+ b3X.3+ b4tY=b0+b1X1+b2X2+b3X3+b4t Y = b_0 + b_1X_1 + b_2X_2 + b_3X_3 + b_4t Das QQ-Diagramm der resultierenden Redsiduals zeigt eine Abweichung von der Normalität an. Eine Transformation von ist nicht nützlich, um die …

9 regression multiple-regression nonparametric residuals sas

1

Wie kann man beobachtete mit erwarteten Ereignissen vergleichen?

Angenommen, ich habe eine Stichprobe von Häufigkeiten von 4 möglichen Ereignissen: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 und ich habe die erwarteten Wahrscheinlichkeiten, dass meine Ereignisse eintreten: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Mit der Summe der beobachteten …

9 r statistical-significance chi-squared multivariate-analysis exponential joint-distribution statistical-significance self-study standard-deviation probability normal-distribution spss interpretation assumptions cox-model reporting cox-model statistical-significance reliability method-comparison classification boosting ensemble adaboost confidence-interval cross-validation prediction prediction-interval regression machine-learning svm regularization regression sampling survey probit matlab feature-selection information-theory mutual-information time-series forecasting simulation classification boosting ensemble adaboost normal-distribution multivariate-analysis covariance gini clustering text-mining distance-functions information-retrieval similarities regression logistic stata group-differences r anova confidence-interval repeated-measures r logistic lme4-nlme inference fiducial kalman-filter classification discriminant-analysis linear-algebra computing statistical-significance time-series panel-data missing-data uncertainty probability multivariate-analysis r classification spss k-means discriminant-analysis poisson-distribution average r random-forest importance probability conditional-probability distributions standard-deviation time-series machine-learning online forecasting r pca dataset data-visualization bayes distributions mathematical-statistics degrees-of-freedom

2

Einige meiner Prädiktoren haben sehr unterschiedliche Maßstäbe. Muss ich sie transformieren, bevor ich ein lineares Regressionsmodell anpasse?

Ich möchte eine lineare Regression über einen mehrdimensionalen Datensatz ausführen. Es gibt Unterschiede zwischen verschiedenen Dimensionen hinsichtlich ihrer Größenordnung. Beispielsweise hat Dimension 1 im Allgemeinen einen Wertebereich von [0, 1] und Dimension 2 einen Wertebereich von [0, 1000]. Muss ich eine Transformation durchführen, um sicherzustellen, dass die Datenbereiche für verschiedene …

9 regression multiple-regression linear-model

3

Bonferroni-Korrektur mit Pearson-Korrelation und linearer Regression

Ich verwende Statistiken zu 5 IVs (5 Persönlichkeitsmerkmale, Extroversion, Verträglichkeit, Gewissenhaftigkeit, Neurotizismus, Offenheit) gegen 3 DVs. Einstellung zu PCT, Einstellung zu CBT, Einstellung zu PCT gegen CBT. Ich habe auch Alter und Geschlecht hinzugefügt, um zu sehen, welche anderen Auswirkungen es gibt. Ich teste, ob Persönlichkeitsmerkmale die Einstellungen der DVs …

9 regression correlation spss multiple-comparisons pearson-r

1

Modellierung eines räumlichen Trends durch Regression mit den -Koordinaten als Prädiktoren

Ich plane, Koordinaten als Kovariaten in die Regressionsgleichung aufzunehmen, um den in den Daten vorhandenen räumlichen Trend anzupassen. Danach möchte ich Residuen auf räumliche Autokorrelation in zufälliger Variation testen. Ich habe mehrere Fragen: Sollte ich eine lineare Regression durchführen, bei der nur unabhängige Variablen und Koordinaten sind, und dann Residuen …

9 regression multiple-regression spatial autocorrelation

2

Parametrisches, semiparametrisches und nichtparametrisches Bootstrapping für gemischte Modelle

Die folgenden Transplantate stammen aus diesem Artikel . Ich bin ein Neuling im Bootstrap und versuche, das parametrische, semiparametrische und nichtparametrische Bootstrapping-Bootstrapping für ein lineares gemischtes Modell mit R bootPaket zu implementieren. R-Code Hier ist mein RCode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …

9 r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

3

Antwortverteilungsabhängige Verzerrung bei der zufälligen Waldregression

Ich verwende das randomForest-Paket in R (R-Version 2.13.1, randomForest-Version 4.6-2) für die Regression und habe eine signifikante Verzerrung in meinen Ergebnissen festgestellt: Der Vorhersagefehler hängt vom Wert der Antwortvariablen ab. Hohe Werte werden unterprognostiziert und niedrige Werte werden überprognostiziert. Zuerst vermutete ich, dass dies eine Folge meiner Daten war, aber …

9 r regression random-forest

1

Multiple Regression mit fehlender Prädiktorvariable

Angenommen, wir erhalten einen Satz von Daten der Form und . Wir haben die Aufgabe, basierend auf den Werten von vorherzusagen . Wir schätzen zwei Regressionen, bei denen: ( y , x 1 , x 2 , ⋯ , x n - 1 ) y x y(y,x1,x2,⋯,xn)(y,x1,x2,⋯,xn)(y,x_{1},x_{2},\cdots, x_{n})( y, x1, …

9 regression multiple-regression missing-data multicollinearity multiple-imputation

2

Verwenden eines Regressionsmodells zur Vorhersage: Wann aufhören?

Ich habe aus meinen experimentellen Messungen ein einfaches lineares Regressionsmodell berechnet, um Vorhersagen zu treffen. Ich habe gelesen, dass Sie keine Vorhersagen für Punkte berechnen sollten, die zu weit von den verfügbaren Daten abweichen. Ich konnte jedoch keine Anleitung finden, die mir hilft, zu wissen, wie weit ich extrapolieren kann. …

9 regression prediction

Als «regression» getaggte Fragen