Statistiken und Big Data residuals

2

Bewertung logistischer Regressionsmodelle

Diese Frage ergibt sich aus meiner tatsächlichen Verwirrung darüber, wie ich entscheiden soll, ob ein Logistikmodell gut genug ist. Ich habe Modelle, die den Zustand von Paaren zwei Jahre nach ihrer Bildung als abhängige Variable als Einzelprojekt verwenden. Das Ergebnis ist erfolgreich (1) oder nicht (0). Ich habe unabhängige Variablen …

13 r logistic goodness-of-fit residuals

2

Die GLM-Familie repräsentiert die Verteilung der Antwortvariablen oder der Residuen?

Ich habe mit mehreren Labormitgliedern darüber diskutiert, und wir sind zu mehreren Quellen gegangen, haben aber immer noch nicht die richtige Antwort: Wenn wir sagen, dass ein GLM eine Poisson- Familie hat , sprechen wir dann von der Verteilung der Residuen oder der Antwortvariablen? Streitpunkte In diesem Artikel heißt es, …

13 generalized-linear-model residuals assumptions

3

Restliche Autokorrelation gegenüber verzögerter abhängiger Variable

Bei der Modellierung von Zeitreihen besteht die Möglichkeit, (1) die Korrelationsstruktur der Fehlerterme zu modellieren, indem zB ein AR (1) -Prozess (2) die verzögerte abhängige Variable als erklärende Variable einbezieht (rechts) Ich verstehe, dass dies manchmal wichtige Gründe sind (2). Was sind jedoch die methodischen Gründe , um entweder (1) …

13 time-series autocorrelation residuals lags

1

GBM-Paket vs. Caret mit GBM

Ich habe das Modell mit optimiert caret, aber dann das Modell mit dem gbmPaket erneut ausgeführt. Nach meinem Verständnis sollten das verwendete caretPaket gbmund die Ausgabe identisch sein. Nur ein kurzer Testlauf mit data(iris)zeigt jedoch eine Diskrepanz im Modell von etwa 5% unter Verwendung von RMSE und R ^ 2 …

12 r caret gbm matrix linear-algebra logistic modeling logit ordered-logit r confidence-interval survival population weibull classification separation hypothesis-testing correlation statistical-significance p-value python r data-visualization r regression multiple-regression chi-squared multivariate-analysis distributions random-variable experiment-design distributions poisson-regression residuals excel time-series garch var survival modeling cox-model interaction r pca normality-assumption

2

Führen normalverteiltes X und Y eher zu normalverteilten Residuen?

Hier wird die Fehlinterpretation der Annahme der Normalität in der linearen Regression diskutiert (die 'Normalität' bezieht sich eher auf das X und / oder Y als auf die Residuen), und das Poster fragt, ob es möglich ist, nicht normalverteiltes X und Y zu haben und haben noch normalverteilte Residuen. Meine …

12 regression normal-distribution data-transformation residuals assumptions

5

Wie führt man eine Imputation von Werten in einer sehr großen Anzahl von Datenpunkten durch?

Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep …

12 r random-forest missing-data data-imputation multiple-imputation large-data definition moving-window self-study categorical-data econometrics standard-error regression-coefficients normal-distribution pdf lognormal regression python scikit-learn interpolation r self-study poisson-distribution chi-squared matlab matrix r modeling multinomial mlogit choice monte-carlo indicator-function r aic garch likelihood r regression repeated-measures simulation multilevel-analysis chi-squared expected-value multinomial yates-correction classification regression self-study repeated-measures references residuals confidence-interval bootstrap normality-assumption resampling entropy cauchy clustering k-means r clustering categorical-data continuous-data r hypothesis-testing nonparametric probability bayesian pdf distributions exponential repeated-measures random-effects-model non-independent regression error regression-to-the-mean correlation group-differences post-hoc neural-networks r time-series t-test p-value normalization probability moments mgf time-series model seasonality r anova generalized-linear-model proportion percentage nonparametric ranks weighted-regression variogram classification neural-networks fuzzy variance dimensionality-reduction confidence-interval proportion z-test r self-study pdf

4

Annahmen zur verbleibenden Regressionsverteilung

Warum ist es notwendig, die Verteilungsannahme auf die Fehler zu setzen, dh yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} mitϵi∼N(0,σ2)ϵi∼N(0,σ2)\epsilon_{i} \sim \mathcal{N}(0,\sigma^{2}) . Warum nicht schreiben yi=Xβ+ϵiyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} mityi∼N(Xβ^,σ2)yi∼N(Xβ^,σ2)y_i \sim \mathcal{N}(X\hat{\beta},\sigma^{2}) , wobei in jedem Fall ϵi=yi−y^ϵi=yi−y^\epsilon_i = y_i - \hat{y} . Ich habe gesehen, wie betont wurde, dass …

12 regression normal-distribution residuals assumptions notation

2

Warum testen manche Leute regressionsähnliche Modellannahmen an ihren Rohdaten und andere Leute testen sie an den Residuen?

Ich bin ein Doktorand in experimenteller Psychologie und ich bemühe mich sehr, meine Fähigkeiten und Kenntnisse im Analysieren meiner Daten zu verbessern. Bis zu meinem 5. Jahr in Psychologie dachte ich, dass die regressionsähnlichen Modelle (zB ANOVA) die folgenden Dinge annehmen: Normalität der Daten Varianzhomogenität für die Daten und so …

12 regression dataset residuals assumptions

2

Wie ist die erwartete Verteilung der Residuen in einem verallgemeinerten linearen Modell?

Ich führe ein verallgemeinertes lineares Modell durch, bei dem ich eine andere als die normale Familie angeben muss. Wie ist die erwartete Verteilung der Residuen? Sollen die Residuen beispielsweise normal verteilt werden?

12 generalized-linear-model residuals normality-assumption

2

Restanalyse der logistischen Regression

Diese Frage ist allgemein und langwierig, aber bitte nehmen Sie Kontakt mit mir auf. In meiner Anwendung habe ich viele Datensätze, die jeweils aus ~ 20.000 Datenpunkten mit ~ 50 Features und einer einzelnen abhängigen Binärvariablen bestehen. Ich versuche, die Datensätze mithilfe einer regulierten logistischen Regression (R-Paket glmnet ) zu …

12 logistic residuals

2

Heteroskedastizität und Restnormalität

Ich habe eine lineare Regression, die ziemlich gut ist, denke ich (es ist für ein Universitätsprojekt, also muss ich nicht wirklich sehr genau sein). Punkt ist, wenn ich die Residuen gegen vorhergesagte Werte zeichne, gibt es (laut meinem Lehrer) einen Hinweis auf Heteroskedastizität. Aber wenn ich das QQ-Diagramm der Residuen …

12 regression normal-distribution residuals heteroscedasticity

2

Anpassung der multiplen linearen Regression in R: autokorrelierte Residuen

Ich versuche, eine multiple lineare Regression in R mit einer Gleichung wie der folgenden zu schätzen: regr <- lm(rate ~ constant + askings + questions + 0) Fragen und Antworten sind vierteljährliche Datenzeitreihen, die mit erstellt wurden askings <- ts(...). Das Problem ist jetzt, dass ich autokorrelierte Residuen habe. Ich …

11 r time-series multiple-regression autocorrelation residuals

1

Wie interpretiere ich die Restfarben auf einem Mosaikplot?

Dies ist eine Mosaikdarstellung des hierHairEyeColor beschriebenen Kontingenztabellendatensatzes . Wie interpretiere ich die Farben, die Residuen darstellen? Was ist der Unterschied zwischen hohen und positiven Pearson-Residuen (blau dargestellt) und niedrigen und negativen roten Residuen?

11 data-visualization chi-squared residuals contingency-tables

1

Fisher's Exact Test und hypergeometrische Verteilung

Ich wollte den genauen Test des Fischers besser verstehen, deshalb habe ich das folgende Spielzeugbeispiel entwickelt, bei dem f und m männlich und weiblich und n und y dem "Sodakonsum" wie folgt entsprechen: > soda_gender f m n 0 5 y 5 0 Dies ist natürlich eine drastische Vereinfachung, aber …

11 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

1

Warum basiert die Diagnose auf Residuen?

Bei einer einfachen linearen Regression möchte man oft überprüfen, ob bestimmte Annahmen erfüllt sind, um Rückschlüsse ziehen zu können (z. B. sind Residuen normalverteilt). Ist es sinnvoll, die Annahmen zu überprüfen, indem überprüft wird, ob die angepassten Werte normal verteilt sind?

11 regression residuals diagnostic

Als «residuals» getaggte Fragen