Pertanyaan yang diberi tag «regression»

Jika dalam regresi linier saya memiliki variabel kategorikal ... bagaimana saya tahu arti statistik variabel kategoris? Katakanlah faktor memiliki 10 level ... akan ada 10 nilai t-resultan yang berbeda, di bawah payung satu variabel faktor X 1X1X1X_1X1X1X_1 ... Tampaknya bagi saya bahwa makna statistik diuji untuk setiap tingkat variabel faktor? …

18 regression  statistical-significance  categorical-data 

Mari kita memiliki beberapa model linier, misalnya ANOVA hanya sederhana: # data generation set.seed(1.234) Ng <- c(41, 37, 42) data <- rnorm(sum(Ng), mean = rep(c(-1, 0, 1), Ng), sd = 1) fact <- as.factor(rep(LETTERS[1:3], Ng)) m1 = lm(data ~ 0 + fact) summary(m1) Hasilnya adalah sebagai berikut: Call: lm(formula = …

18 r  regression  confidence-interval 

Saya menderita pemadaman. Saya disajikan gambar berikut untuk menunjukkan tradeoff bias-varians dalam konteks regresi linier: Saya dapat melihat bahwa tidak satu pun dari kedua model yang cocok - "sederhana" tidak menghargai kompleksitas hubungan XY dan "kompleks" hanya overfitting, pada dasarnya mempelajari data pelatihan dengan hati. Namun saya benar-benar gagal melihat …

18 regression  variance  bias 

Saya berharap seseorang dapat membantu meluruskan titik kebingungan bagi saya. Katakanlah saya ingin menguji apakah 2 set koefisien regresi secara signifikan berbeda satu sama lain, dengan pengaturan berikut: yi=α+βxi+ϵiyi=α+βxi+ϵiy_i = \alpha + \beta x_i + \epsilon_i , dengan 5 variabel independen. 2 grup, dengan ukuran yang kira-kira sama (meskipun ini …

18 regression  hypothesis-testing  multiple-regression 

Dalam skenario regresi LASSO di mana y=Xβ+ϵy=Xβ+ϵy= X \beta + \epsilon , dan perkiraan LASSO diberikan oleh masalah optimisasi berikut minβ||y−Xβ||+τ||β||1minβ||y−Xβ||+τ||β||1 \min_\beta ||y - X \beta|| + \tau||\beta||_1 Apakah ada asumsi distribusi tentang ϵϵ\epsilon ? Dalam skenario OLS, orang akan berharap bahwa ϵϵ\epsilon independen dan terdistribusi normal. Apakah masuk akal …

18 regression  lasso  assumptions  residuals 

Saya memiliki variabel numerik yang ternyata tidak signifikan dalam model regresi logistik multivariat. Namun, ketika saya mengelompokkannya menjadi kelompok, tiba-tiba itu menjadi signifikan. Ini sangat kontra-intuitif bagi saya: ketika mengelompokkan variabel, kami memberikan beberapa informasi. Bagaimana ini bisa terjadi?

17 regression  logistic  statistical-significance  multivariate-analysis 

Saya telah melatih model regresi linier, menggunakan serangkaian variabel / fitur. Dan modelnya memiliki kinerja yang baik. Namun, saya menyadari bahwa tidak ada variabel dengan korelasi yang baik dengan variabel yang diprediksi. Bagaimana itu mungkin?

17 regression  machine-learning  correlation  multiple-regression  linear-model 

Saya melihat daftar ini di sini dan tidak percaya ada begitu banyak cara untuk menyelesaikan kuadrat terkecil. "Persamaan normal" di Wikipedia tampaknya merupakan cara yang cukup lurus ke depan: α^β^=y¯−β^x¯,=∑ni=1(xi−x¯)(yi−y¯)∑ni=1(xi−x¯)2α^=y¯−β^x¯,β^=∑i=1n(xi−x¯)(yi−y¯)∑i=1n(xi−x¯)2 {\displaystyle {\begin{aligned}{\hat {\alpha }}&={\bar {y}}-{\hat {\beta }}\,{\bar {x}},\\{\hat {\beta }}&={\frac {\sum _{i=1}^{n}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{\sum _{i=1}^{n}(x_{i}-{\bar {x}})^{2}}}\end{aligned}}} Jadi mengapa tidak menggunakannya …

17 regression  least-squares  scikit-learn 

Ini juga diketahui bahwa regresi linier dengan penalti setara dengan menemukan perkiraan MAP diberi Gaussian sebelumnya pada koefisien. Demikian pula, menggunakan l 1 penalti setara dengan menggunakan distribusi Laplace sebagai sebelumnya.l2l2l^2l1l1l^1 Tidak jarang menggunakan kombinasi tertimbang dari regularisasi dan l 2 . Bisakah kita mengatakan bahwa ini setara dengan beberapa …

17 regression  bayesian  regularization  prior  elastic-net 

Regresi beta (yaitu GLM dengan distribusi beta dan biasanya fungsi tautan log) sering direkomendasikan untuk menangani respons alias variabel dependen yang mengambil nilai antara 0 dan 1, seperti fraksi, rasio, atau probabilitas: Regresi untuk hasil (rasio atau fraksi) antara 0 dan 1 . Namun, selalu dinyatakan bahwa regresi beta tidak …

17 regression  generalized-linear-model  beta-distribution  zero-inflation  beta-regression 

Adakah yang bisa menjelaskan kepada saya perbedaan nyata antara analisis regresi dan pemasangan kurva (linear dan nonlinier), dengan contoh jika mungkin? Tampaknya keduanya mencoba untuk menemukan hubungan antara dua variabel (dependen vs independen) dan kemudian menentukan parameter (atau koefisien) yang terkait dengan model yang diusulkan. Misalnya, jika saya memiliki satu …

17 regression  multiple-regression  fitting  roc  curve-fitting 

Saya memiliki beberapa data yang saya pas menggunakan model LOESS di R, memberi saya ini: Data memiliki satu prediktor dan satu respons, dan bersifat heteroskedastik. Saya juga menambahkan interval kepercayaan. Masalahnya adalah intervalnya adalah interval kepercayaan untuk garis, sedangkan saya tertarik pada interval prediksi. Misalnya, panel bawah lebih bervariasi daripada …

17 r  regression  prediction-interval  loess 

Saya memiliki model dataset Film dan saya menggunakan regresi: model <- lm(imdbVotes ~ imdbRating + tomatoRating + tomatoUserReviews+ I(genre1 ** 3.0) +I(genre2 ** 2.0)+I(genre3 ** 1.0), data = movies) library(ggplot2) res <- qplot(fitted(model), resid(model)) res+geom_hline(yintercept=0) Yang memberi output: Sekarang saya mencoba mengerjakan sesuatu yang disebut Added Variable Plot pertama kali …

17 regression  data-visualization  multiple-regression  scatterplot 

Saya punya pertanyaan tentang bias variabel yang dihilangkan dalam regresi logistik dan linier. Katakanlah saya menghilangkan beberapa variabel dari model regresi linier. Berpura-pura bahwa variabel-variabel yang dihilangkan tersebut tidak berkorelasi dengan variabel yang saya sertakan dalam model saya. Variabel-variabel yang dihilangkan tidak bias koefisien dalam model saya. Tetapi dalam regresi …

17 regression  logistic  least-squares  bias 

Saya menjalankan regresi logistik ordinal ini di R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) Saya mendapatkan ringkasan model ini: summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error t value 1|2 …

17 r  regression  logistic  interpretation  ordered-logit