Perguntas com a marcação «regression»

Por que a regressão linear e o Modelo Generalizado têm suposições inconsistentes? Na regressão linear, assumimos que vem residual de Gauss Em outra regressão (regressão logística, regressão venenosa), assumimos que a resposta vem de alguma distribuição (binomial, poissão etc.). Por que, às vezes, pressupõe tempo residual e outro tempo na …

14 regression  generalized-linear-model  assumptions  linear 

Pode ser uma pergunta estranha, mas como um novato no assunto, pergunto-me por que usamos a regressão para prejudicar uma série temporal, se uma das suposições da regressão é que os dados devem ser considerados enquanto os dados nos quais a regressão está sendo aplicada são um non iid?

14 regression  time-series  trend  iid 

Fiz um curso de aprendizado de máquina na minha faculdade. Em um dos testes, essa pergunta foi feita. Modelo 1: y=θx+ϵy=θx+ϵ y = \theta x + \epsilon Modelo 2: y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon Qual dos modelos acima encaixaria melhor nos dados? (suponha que os …

14 regression  machine-learning  self-study  modeling  model 

Nota: = soma dos quadrados total, = soma dos erros quadrados e = soma dos quadrados por regressão. A equação no título é frequentemente escrita como:SSTSSTSSTSSESSESSESSRSSRSSR ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Pergunta bastante direta, mas estou procurando uma explicação intuitiva. Intuitivamente, parece-me que faria mais sentido. Por …

14 regression  least-squares  r-squared 

Eu tenho alguns dados que gostaria de suavizar para que os pontos suavizados diminuam monotonicamente. Meus dados diminuem acentuadamente e depois começam a se espalhar. Aqui está um exemplo usando R df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() O que é uma boa técnica de suavização que eu poderia usar? …

14 regression  smoothing 

Todos os exemplos que encontrei usando crenças profundas ou redes neurais convolucionais os usam para classificação de imagens, detecção de chatacter ou reconhecimento de fala. As redes neurais profundas também são úteis para tarefas clássicas de regressão, onde os recursos não são estruturados (por exemplo, não organizados em uma sequência …

14 regression  machine-learning  neural-networks  deep-learning 

Eu sei que a regressão gaussiana de processo (GPR) é uma alternativa ao uso de splines para o ajuste de modelos não lineares flexíveis. Eu gostaria de saber em quais situações uma seria mais adequada que a outra, especialmente na estrutura de regressão bayesiana. Eu já examinei Quais são as …

14 regression  gaussian-process  splines  kriging 

Digamos que estamos interessados ​​em como as notas dos exames dos alunos são afetadas pelo número de horas que esses alunos estudam. Para explorar essa relação, poderíamos executar a seguinte regressão linear: exam.gradesEu= a + β1× horas.estudoEu+ eEuexam.gradesEu=uma+β1×hours.studiedEu+eEu \text{exam.grades}_i = a + \beta_1 \times \text{hours.studied}_i + e_i Mas se amostrarmos …

14 regression  mixed-model  random-effects-model  non-independent 

Eu tenho um modelo linear generalizado que adota uma função Gaussiana de distribuição e link de log. Depois de ajustar o modelo, verifico os resíduos: gráfico QQ, resíduos versus valores previstos, histograma de resíduos (reconhecendo que é necessária a devida cautela). Tudo parece bem. Isso parece sugerir (para mim) que …

14 regression  generalized-linear-model  link-function 

Fiz uma regressão linear de aceitação na faculdade contra as pontuações do SAT e a família / origem étnica. Os dados são fictícios. Este é um acompanhamento de uma pergunta anterior, já respondida. A questão se concentra na coleta e interpretação de odds ratio ao deixar as pontuações do SAT …

14 r  regression  logistic 

Quando dizemos, para regredir contra , queremos dizer que é a variável independente e Y a variável dependente? ie .YYYXXXXXXY= a X+ bY=umaX+bY =aX + b

14 regression  terminology 

Eu li diferentes descrições de dados censurados: A) Conforme explicado neste tópico, dados não quantificados abaixo ou acima de um determinado limite são censurados. Não quantificado significa que os dados estão acima ou abaixo de um determinado limite, mas não sabemos o valor exato. Os dados são marcados no valor …

14 regression  terminology  censoring 

Estou lendo um artigo e o autor escreveu: O efeito de A, B, C em Y foi estudado através do uso de análise de regressão múltipla. A, B, C foram inseridos na equação de regressão com Y como a variável dependente. A análise de variância é apresentada na Tabela 3. …

14 regression  correlation  terminology 

Eu li em Abdi (2003) que Quando as variáveis ​​independentes são ortogonais em pares, o efeito de cada uma delas na regressão é avaliado calculando a inclinação da regressão entre essa variável independente e a variável dependente. Nesse caso, (isto é, ortogonalidade dos IVs), os coeficientes de regressão parciais são …

14 regression  multiple-regression  regression-coefficients  terminology 

As florestas aleatórias funcionam criando um conjunto de árvores de decisão em que cada árvore é criada usando uma amostra de autoinicialização dos dados de treinamento originais (amostra de variáveis ​​de entrada e observações). Um processo semelhante pode ser aplicado para regressão linear? Crie k modelos de regressão linear usando …

14 regression  predictive-models  ensemble