Perguntas com a marcação «regression»

Tenho dificuldades para entender a forma do intervalo de confiança de uma regressão polinomial. Aqui é um exemplo . A figura da esquerda mostra a UPV (variação de previsão não escalonada) e o gráfico da direita mostra o intervalo de confiança e os pontos medidos (artificiais) em X = 1,5, …

11 regression  confidence-interval 

Esta pergunta é inspirada na resposta de Martijn aqui . Suponha que ajustemos um GLM para uma família de um parâmetro como um modelo binomial ou de Poisson e que seja um procedimento de probabilidade total (ao contrário de quasipoisson). Então, a variação é uma função da média. Com binomial: …

11 regression  generalized-linear-model  inference  approximation  t-distribution 

Nas configurações de regressão univariada, tentamos modelar y=Xβ+noisey=Xβ+noisey = X\beta +noise onde um vetor de observações e a matriz de design com preditores. A solução é . n X ∈ R n × m m β 0 = ( X T X ) - 1 X yy∈Rny∈Rny \in \mathbb{R}^nnnnX∈Rn×mX∈Rn×mX \in …

11 regression  multivariate-analysis  multivariate-regression 

Eu tenho duas regressões do mesmo Y e X de três níveis. No geral n = 15, com n = 5 em cada grupo ou nível de X. A primeira regressão trata o X como categórico, atribuindo variáveis ​​indicadoras aos níveis 2 e 3 com o nível um sendo a …

11 regression  anova 

O título diz tudo. Entendo que os mínimos quadrados e a máxima verossimilhança fornecerão o mesmo resultado para os coeficientes de regressão se os erros do modelo forem normalmente distribuídos. Mas, o que acontece se os erros não forem normalmente distribuídos? Por que os dois métodos não são mais equivalentes?

11 regression  normal-distribution  maximum-likelihood  least-squares  error 

Quero melhorar meu entendimento das redes neurais e seus benefícios em comparação com outros algoritmos de aprendizado de máquina. Meu entendimento é o seguinte e minha pergunta é: Você pode corrigir e complementar minha compreensão, por favor? :) Meu entendimento: (1) Redes neurais artificiais = Uma função que prediz valores …

11 regression  machine-learning 

Eu sou um estudante de física estudando aprendizado de máquina / ciência de dados, por isso não pretendo que esta pergunta inicie conflitos :) No entanto, uma grande parte de qualquer programa de graduação em física é fazer laboratórios / experimentos, o que significa muitos dados processamento e análise estatística. …

11 regression  machine-learning  cross-validation  dataset  experiment-design 

Estou executando um modelo de regressão com Lasso e Ridge (para prever uma variável de resultado discreto variando de 0 a 5). Antes de executar o modelo, uso o SelectKBestmétodo de scikit-learnpara reduzir o conjunto de recursos de 250 para 25 . Sem uma seleção inicial de recursos, Lasso e …

11 regression  predictive-models  feature-selection  lasso  ridge-regression 

Ao realizar a regressão polinomial de YYY para XXX , as pessoas às vezes usam polinômios brutos, às vezes polinômios ortogonais. Mas quando eles usam o que parece completamente arbitrário. Aqui e aqui polinômios brutos são usados. Mas aqui e aqui , polinômios ortogonais parecem dar os resultados corretos. O …

11 regression  polynomial 

Suponha que eu tenho dois estimadores e que são estimadores consistentes do mesmo parâmetro e que com no sentido psd. Portanto, assintoticamente é mais eficiente que . Esses dois estimadores são baseados em diferentes funções de perda. β 2β0√βˆ1β^1\widehat{\beta}_1βˆ2β^2\widehat{\beta}_2β0 0β0\beta_0V1≤V2 β 1 β 2n--√( βˆ1- β0 0) →dN( 0 , …

11 regression  ridge-regression  shrinkage  penalized 

Tentando calcular a contagem de visitas de dados demográficos e de serviço. Os dados estão muito distorcidos. Histogramas: gráficos qq (à esquerda é log): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) citye servicesão variáveis ​​fatoriais. Eu recebo um valor p baixo *** para todas as variáveis, mas também recebo um r-quadrado …

11 regression  multiple-regression  predictive-models  exponential  qq-plot 

Eu sei o básico sobre SVM e SVR, mas ainda não entendi como o problema de encontrar um hiperplano que maximize a margem se encaixa no SVR. Segundo, li algo sobre usado como margem de tolerância no SVR. O que isso significa?ϵϵ\epsilon Terceiro, existe alguma diferença entre os parâmetros da …

11 regression  machine-learning  svm 

Quando se trata de árvores de decisão, o valor previsto pode estar fora do intervalo dos dados de treinamento? Por exemplo, se o intervalo do conjunto de dados de treinamento da variável de destino for de 0 a 100, quando eu gerar meu modelo e aplicá-lo a outra coisa, meus …

11 regression  predictive-models  random-forest  cart 

Estou procurando recursos (livros, anotações de aula etc.) sobre técnicas que podem lidar com dados que têm vários destinos (Ex: três variáveis ​​dependentes: 2 discretas e 1 contínua). Alguém tem algum recurso / conhecimento sobre isso? Eu sei que é possível usar redes neurais para isso.

11 regression  machine-learning  predictive-models  references 

Estou usando o processo gaussiano (GP) para regressão. No meu problema, é bastante comum que dois ou mais pontos de dados estejam próximos um do outro, em relação ao comprimento escalas do problema. Além disso, as observações podem ser extremamente barulhentas. Para acelerar os cálculos e melhorar a precisão da …

11 regression  machine-learning  gaussian-process