Pytania otagowane jako generalized-linear-model

Wykonuję uogólniony model liniowy, w którym muszę określić rodzinę inną niż normalna. Jaki jest oczekiwany rozkład reszt? Na przykład, czy reszty powinny być rozkładane normalnie?

12 generalized-linear-model  residuals  normality-assumption 

Biorąc pod uwagę ten sam zestaw zmiennych towarzyszących i rodziny dystrybucji, jak mogę porównać modele posiadające różne funkcje łącza? Myślę, że poprawną odpowiedzią jest „AIC / BIC”, ale nie jestem w 100% pewien. Czy można mieć modele zagnieżdżone, jeśli mają inne łącze?

12 generalized-linear-model  aic  link-function 

Zaprogramowałem regresję logistyczną przy użyciu algorytmu IRLS . Chciałbym zastosować karę LASSO , aby automatycznie wybrać odpowiednie funkcje. Przy każdej iteracji rozwiązuje się następujące kwestie: (XTWX)δβ^=XT(y−p)(XTWX)δβ^=XT(y−p)\mathbf{\left(X^TWX\right) \delta\hat\beta=X^T\left(y-p\right)} Niech będzie nieujemną liczbą rzeczywistą. Nie penalizuję przechwytywania, jak sugerowano w The Elements of. Nauka statystyczna . To samo dotyczy już zerowych współczynników. …

12 logistic  generalized-linear-model  feature-selection  lasso  convex 

Próbuję nauczyć się języka Python i Sklearn, ale do mojej pracy muszę uruchomić regresje, które wykorzystują rozkłady błędów z rodzin Poissona, Gammy, a zwłaszcza Tweediego. Nie widzę nic w dokumentacji na ich temat, ale są one w kilku częściach dystrybucji R, więc zastanawiałem się, czy ktoś widział gdzieś implementacje dla …

12 generalized-linear-model  python  scikit-learn  gradient-descent  tweedie-distribution 

Chciałbym zrozumieć, co robi następujący kod. Osoba, która napisała kod, już tu nie pracuje i jest prawie całkowicie nieudokumentowana. Zostałem poproszony o zbadanie go przez kogoś, kto myśli „ to bayesowski model regresji logistycznej ” bglm <- function(Y,X) { # Y is a vector of binary responses # X is …

12 r  logistic  bayesian  generalized-linear-model 

Otrzymałem zestaw danych, który zawiera liczbę nagród zdobytych przez uczniów w jednym liceum, gdzie predyktory liczby zdobytych nagród obejmują rodzaj programu, w którym uczeń został zapisany, oraz wynik z egzaminu z matematyki. Zastanawiałem się, czy ktoś mógłby mi powiedzieć, dlaczego model regresji liniowej może być nieodpowiedni w tym przypadku i …

12 regression  generalized-linear-model  poisson-distribution  count-data 

Do gromadzenia danych, które zgromadziłem, używam regresji Poissona do budowania modeli. Robię to za pomocą glmfunkcji w języku R, gdzie używam family = "poisson". Do oceny możliwych modeli (mam kilka predyktorów) używam AIC. Na razie w porządku. Teraz chcę przeprowadzić weryfikację krzyżową. Udało mi się już to zrobić za pomocą …

12 r  generalized-linear-model  poisson-distribution 

Mam zestaw danych, który reprezentuje rozkład wykładniczy. Chciałbym dopasować funkcję wykładniczą do tych danych. Próbowałem log przekształcić zmienną odpowiedzi, a następnie użyć najmniejszych kwadratów, aby dopasować linię; z zastosowaniem uogólnionego modelu liniowego z funkcją logarytmiczną i rozkładem gamma wokół zmiennej odpowiedzi; i używając nieliniowych najmniejszych kwadratów. Otrzymuję inną odpowiedź dla …

12 modeling  generalized-linear-model  least-squares  nonlinear-regression  curve-fitting 

Jakie są parametry start, etastart, mustartw GLM function () ? Szukałem w dokumentach i Internecie, ale nie znalazłem jasnego wyjaśnienia, co to oznacza. Przypomina to bayesowskie „wartości początkowe” dla łańcuchów, ale wątpię, aby było to powiązane, ponieważ funkcja glm () w R jest statystyką częstokroć ...

12 r  generalized-linear-model  starting-values 

Myślałem, że kanoniczna funkcja połączenia pochodzi z naturalnego parametru rodziny wykładniczej. Powiedzmy, rozważ rodzinę f ( y , θ , ψ ) = exp { y θ - b ( θ )g(⋅)g(⋅)g(\cdot) a następnieθ=θ(μ)jest kanoniczną funkcją łącza. Weźmyjako przykładrozkład Bernoulliego, mamy P(Y=y)=μy(1-μ)1-y=exp{ylogμf(y,θ,ψ)=exp{yθ−b(θ)a(ψ)−c(y,ψ)}f(y,θ,ψ)=exp⁡{yθ−b(θ)a(ψ)−c(y,ψ)} f(y,\theta,\psi)=\exp\left\{\frac{y\theta-b(\theta)}{a(\psi)}-c(y,\psi)\right\} θ=θ(μ)θ=θ(μ)\theta=\theta(\mu) Tak więc kanoniczna funkcja łączag(μ)=logμP(Y=y)=μy(1−μ)1−y=exp{ylogμ1−μ+log(1−μ)}P(Y=y)=μy(1−μ)1−y=exp⁡{ylog⁡μ1−μ+log⁡(1−μ)} P(Y=y)=\mu^{y}(1-\mu)^{1-y}=\exp\left\{y\log\frac{\mu}{1-\mu}+\log{(1-\mu)}\right\} …

12 generalized-linear-model  link-function 

To pytanie jest inspirowane odpowiedzią Martijna tutaj . Załóżmy, że dopasowujemy GLM do rodziny jednoparametrowej, takiej jak model dwumianowy lub Poissona, i że jest to procedura pełnego prawdopodobieństwa (w przeciwieństwie do quasipoissonu). Zatem wariancja jest funkcją średniej. Z dwumianowym: oraz z Poisson .var [ X] = E[ X] E[ 1 …

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

Prowadzę badania, aby przyjrzeć się różnicom w gęstości i bogactwie gatunków ryb, gdy używam dwóch różnych podwodnych metod wizualnego spisu. Moje dane pierwotnie liczyły dane, ale potem zwykle zmienia się to na gęstość ryb, ale nadal zdecydowałem się na użycie Poissona GLM, co, mam nadzieję, ma rację. model1 <- glm(g_den …

11 r  generalized-linear-model  poisson-distribution  offset 

Zidentyfikowałem wiele miejsc w podręcznikach, w których GLM jest opisany z 5 dystrybucjami (mianowicie, Gamma, Gaussian, Dwumianowy, Odwrotny Gaussian i Poisson). Jest to również zilustrowane funkcją rodzinną w R. Czasami natrafiam na odniesienia do GLM, w których uwzględniono dodatkowe dystrybucje ( przykład ). Czy ktoś może wyjaśnić, dlaczego te 5 …

11 r  probability  distributions  generalized-linear-model 

Muszę wyznać, że wcześniej nie słyszałem o tym terminie na żadnej z moich zajęć, na studiach licencjackich ani na studiach. Co to znaczy, że regresja logistyczna jest Bayesowska? Szukam wyjaśnienia z przejściem od logistyki zwykłej do logistyki bayesowskiej podobnej do następującej: Jest to równanie w modelu regresji liniowej: .mi( y) …

11 regression  logistic  bayesian  multiple-regression  generalized-linear-model 

Zbudowałem model GLM w R i przetestowałem go przy użyciu grupy testowej i szkoleniowej, więc jestem pewien, że działa dobrze. Wyniki z R są następujące: Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) -2.781e+00 1.677e-02 -165.789 < 2e-16 *** Coeff_A 1.663e-05 5.438e-06 3.059 0.00222 ** log(Coeff_B) 8.925e-01 1.023e-02 87.245 < …

11 r  generalized-linear-model  chi-squared