Pytania otagowane jako logistic

Odnosi się ogólnie do procedur statystycznych wykorzystujących funkcję logistyczną, najczęściej różnych form regresji logistycznej

1
Który model głębokiego uczenia może klasyfikować kategorie, które nie wykluczają się wzajemnie
Przykłady: w opisie stanowiska mam zdanie: „Starszy inżynier Java w Wielkiej Brytanii”. Chcę użyć modelu głębokiego uczenia się, aby przewidzieć go jako 2 kategorie: English i IT jobs. Jeśli użyję tradycyjnego modelu klasyfikacji, może on przewidzieć tylko 1 etykietę z softmaxfunkcją na ostatniej warstwie. Dlatego mogę użyć 2 modelowych sieci …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Dlaczego współczynników regresji liniowej i logistycznej nie można oszacować przy użyciu tej samej metody?
Przeczytałem w książce dotyczącej uczenia maszynowego, że parametry regresji liniowej można oszacować (między innymi metodami) za pomocą spadku gradientu, podczas gdy parametry regresji logistycznej są zwykle szacowane przez oszacowanie maksymalnego prawdopodobieństwa. Czy można wyjaśnić nowicjuszowi (mi), dlaczego potrzebujemy różnych metod regresji liniowej / logistycznej. alias dlaczego nie MLE dla regresji …
1
Szacowanie wielopoziomowych modeli regresji logistycznej
Poniższy wielopoziomowy model logistyczny z jedną zmienną objaśniającą na poziomie 1 (poziom indywidualny) i jedną zmienną objaśniającą na poziomie 2 (poziom grupy): logit (pI j) =π0 j+π1 jxI j… ( 1 )logit(pij)=π0j+π1jxij…(1)\text{logit}(p_{ij})=\pi_{0j}+\pi_{1j}x_{ij}\ldots (1) π0 j=γ00+γ01zjot+u0 j… ( 2 )π0j=γ00+γ01zj+u0j…(2)\pi_{0j}=\gamma_{00}+\gamma_{01}z_j+u_{0j}\ldots (2) π1 j=γ10+γ11zjot+u1 j… ( 3 )π1j=γ10+γ11zj+u1j…(3)\pi_{1j}=\gamma_{10}+\gamma_{11}z_j+u_{1j}\ldots (3) gdzie zakłada się, …
1
Jak sprawiedliwe jest używanie słowa „przewidywanie” dla regresji (logistycznej)?
Rozumiem, że nawet regresja nie powoduje przyczynowości. Może jedynie dawać powiązanie między zmienną y i zmiennymi x i ewentualnie kierunkiem. Mam rację? Często znajduję frazy podobne do „x przewiduje y” nawet w większości podręczników kursów i na różnych stronach kursów online. I często nazywacie regresory jako predyktory, a y jako …
2
Sprawdzenie założenia proporcjonalności szans zachodzi w regresji logistycznej porządkowej za pomocą funkcji polr
Użyłem funkcji „polr” w pakiecie MASS do uruchomienia porządkowej regresji logistycznej dla porządkowej zmiennej jakościowej z 15 ciągłymi zmiennymi objaśniającymi. Użyłem kodu (pokazanego poniżej), aby sprawdzić, czy mój model spełnia założenia proporcjonalnego prawdopodobieństwa zgodnie z poradami zawartymi w przewodniku UCLA . Jednak trochę martwię się o wynik sugerujący, że nie …
5
Regresja logistyczna dużych zbiorów danych
Mam zestaw danych zawierający około 5000 funkcji. Dla tych danych najpierw użyłem testu Chi Square do wyboru funkcji; potem otrzymałem około 1500 zmiennych, które wykazały związek istotności ze zmienną odpowiedzi. Teraz muszę dopasować do tego regresję logistyczną. Używam pakietu glmulti dla R (pakiet glmulti zapewnia efektywny wybór podzbiorów dla vlm), …
3
Regresja logistyczna: maksymalizacja wyników pozytywnych - wyników fałszywych
Mam model regresji logistycznej (dopasowanie za pomocą glmnet w R z elastyczną regulacją sieci) i chciałbym zmaksymalizować różnicę między wartościami dodatnimi a fałszywymi. W tym celu przyszła mi do głowy następująca procedura: Dopasuj standardowy model regresji logistycznej Używając progu prognozy jako 0,5, zidentyfikuj wszystkie pozytywne prognozy Przypisz wagę 1 dla …
4
Wykorzystanie regresji logistycznej dla ciągłej zmiennej zależnej
Niedawno dostałem poprawkę do mojego artykułu badawczego i poniżej znajduje się komentarz recenzenta do mojego artykułu: wyniki uzyskane z jednego modelu nie są do końca przekonujące, szczególnie regresja liniowa zwykle ma braki w radzeniu sobie z wartościami odstającymi. Sugeruję, aby autorzy spróbowali również regresji logistycznej i porównać odpowiednie wyniki z …
2
Dodawanie wag dla mocno wypaczonych zestawów danych w regresji logistycznej
Używam standardowej wersji regresji logistycznej, aby dopasować moje zmienne wejściowe do binarnych zmiennych wyjściowych. Jednak w moim problemie negatywne wyniki (0s) znacznie przewyższają pozytywne wyniki (1s). Stosunek wynosi 20: 1. Kiedy trenuję klasyfikator, wydaje się, że nawet cechy, które zdecydowanie sugerują możliwość uzyskania wyniku dodatniego, nadal mają bardzo niskie (wysoce …
2
Szanse i ilorazy szans w regresji logistycznej
Mam trudności ze zrozumieniem jednego wyjaśnienia regresji logistycznej. Regresja logistyczna zachodzi między temperaturą a rybami, które giną lub nie giną. Nachylenie regresji logistycznej wynosi 1,76. Następnie szanse, że umrą ryby, wzrosną o współczynnik exp (1,76) = 5,8. Innymi słowy, szanse, że ryby umrą, wzrosną pięciokrotnie w przypadku każdej zmiany temperatury …
2
Założenia uogólnionych modeli liniowych
Na stronie 232 „towarzysza R do regresji stosowanej” notatka Fox i Weisberg Tylko rodzina Gaussa ma stałą wariancję, a we wszystkich innych GLM wariancja warunkowa y w zależy odxx\bf{x}μ(x)μ(x)\mu(x) Wcześniej zauważają, że wariancja warunkowa Poissona wynosi a dwumianowa to .μμ\muμ(1−μ)Nμ(1−μ)N\frac{\mu(1-\mu)}{N} Dla Gaussa jest to znane i często sprawdzane założenie (homoscedastyczność). …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.