Statystyki i duże zbiory danych regression

1

Na czym polega problem ze stosowaniem modeli R-kwadrat w szeregach czasowych?

Czytałem, że użycie kwadratu R do szeregów czasowych nie jest właściwe, ponieważ w kontekście szeregów czasowych (wiem, że istnieją inne konteksty) kwadrat R nie jest już unikalny. Dlaczego to? Próbowałem to sprawdzić, ale nic nie znalazłem. Zazwyczaj nie przykładam dużej wartości do kwadratu R (lub skorygowanego kwadratu R), kiedy oceniam …

12 regression time-series r-squared

2

Minimalna liczba obserwacji dla wielokrotnej regresji liniowej

Wykonuję wielokrotną regresję liniową. Mam 21 obserwacji i 5 zmiennych. Moim celem jest po prostu znalezienie relacji między zmiennymi Czy moje dane są wystarczające do przeprowadzenia wielokrotnej regresji? Wynik testu t ujawnił, że 3 z moich zmiennych nie są znaczące. Czy muszę ponownie wykonać regresję ze znaczącymi zmiennymi (czy moja …

12 regression t-test multiple-regression

3

Jak obliczyć różnicę dwóch stoków?

Czy istnieje metoda zrozumienia, czy dwie linie są (mniej więcej) równoległe? Mam dwie linie wygenerowane z regresji liniowych i chciałbym zrozumieć, czy są one równoległe. Innymi słowy, chciałbym uzyskać inne nachylenie tych dwóch linii. Czy istnieje funkcja R do obliczenia tego? EDYCJA: ... i jak mogę uzyskać nachylenie (w stopniach) …

12 r regression interaction linear-model

1

Jaka jest różnica między AIC () a extractAIC () w R?

Dokumentacja R dla obu nie rzuca dużo światła. Jedyne, co mogę uzyskać z tego linku, to to, że użycie jednego z nich powinno być w porządku. Nie rozumiem, dlaczego nie są równe. Fakt: funkcję regresji krokowej w R, step()zastosowania extractAIC(). Co ciekawe, uruchomienie lm()modelu i modelu glm()„zerowego” (tylko przechwytywanie) w …

11 r regression aic stepwise-regression

2

Dlaczego modele „błąd w X” nie są szerzej stosowane?

Kiedy obliczyć błąd standardowy współczynnik regresji, nie stanowią przypadkowości w macierzy eksperymentu . Na przykład w OLS obliczamy jakoXXXvar ( β^)var(β^)\text{var}(\hat{\beta})var ( ( XT.X)- 1XT.Y) = σ2)( XT.X)- 1var((XTX)−1XTY)=σ2(XTX)−1\text{var}((X^TX)^{-1}X^TY) = \sigma^2(X^TX)^{-1} Jeśli uznano za przypadkowy, prawo całkowitej wariancji będzie, w pewnym sensie, zażądać dodatkowego wkładu wariancji , jak również. to …

11 regression probability variance inference

3

Czy regresja liniowa może być znacząca, jeśli dane nie są liniowe?

Przeprowadziłem regresję liniową, która wyszła ze znaczącym wynikiem, jednak kiedy sprawdziłem liniowość wykresu rozrzutu, nie byłem pewien, czy dane są liniowe. Czy istnieją inne sposoby testowania liniowości bez sprawdzania wykresu rozrzutu? Czy regresja liniowa może być znacząca, jeśli nie jest liniowa? [Edytowane w celu uwzględnienia wykresów rozrzutu]

11 regression

2

Zrozumienie kształtu przedziału ufności dla regresji wielomianowej (MLR)

Mam trudności z uchwyceniem kształtu przedziału ufności regresji wielomianowej. Oto przykład . Lewy rysunek przedstawia UPV (nieskalowana wariancja predykcji), a prawy wykres pokazuje przedział ufności i (sztucznie) zmierzone punkty przy X = 1,5, X = 2 i X = 3.Y^= a + b ⋅ X+ c ⋅ X2)Y^=a+b⋅X+c⋅X2\hat{Y}=a+b\cdot X+c\cdot X^2 …

11 regression confidence-interval

1

Czy należy stosować korekcje stopni swobody do wnioskowania na temat parametrów GLM?

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

1

Wielowymiarowa regresja liniowa a kilka modeli regresji jednoczynnikowej

W ustawieniach regresji jednowymiarowej próbujemy modelować y= Xβ+ N O I s Ey=Xβ+noisey = X\beta +noise gdzie wektor obserwacji i macierz projektowa z predyktorami. Rozwiązaniem jest \ beta_0 = (X ^ TX) ^ {- 1} Xy . n X ∈ R n × m m β 0 = ( X …

11 regression multivariate-analysis multivariate-regression

2

Dlaczego te tabele anova regresji są identyczne?

Mam dwie regresje tego samego Y i trzypoziomowego X. Ogólnie n = 15, przy n = 5 w każdej grupie lub na poziomie X. Pierwsza regresja traktuje X jako kategoryczny, przypisując zmienne wskaźnikowe do poziomów 2 i 3 z poziomem jeden jest odniesieniem. Wskaźniki / manekiny są takie: X1 = …

11 regression anova

4

Sztuczne sieci neuronowe RÓWNOWAŻNE do regresji liniowej z cechami wielomianowymi?

Chcę lepiej zrozumieć sieci neuronowe i ich zalety w porównaniu z innymi algorytmami uczenia maszynowego. Rozumiem poniżej i moje pytanie brzmi: Czy możesz poprawić i uzupełnić moje zrozumienie, proszę? :) Moje zrozumienie: (1) Sztuczne sieci neuronowe = funkcja, która przewiduje wartości wyjściowe na podstawie wartości wejściowych. Zgodnie z uniwersalnym twierdzeniem …

11 regression machine-learning

2

Czy dzielenie danych na zestawy testowe i szkoleniowe to czysto „statystyki”?

Jestem studentem fizyki studiującym uczenie maszynowe / informatykę, więc nie mam na myśli, aby to pytanie wywoływało jakiekolwiek konflikty :) Jednak dużą częścią każdego programu licencjackiego z fizyki jest przeprowadzanie laboratoriów / eksperymentów, co oznacza dużo danych przetwarzanie i analiza statystyczna. Zauważam jednak wyraźną różnicę między sposobem, w jaki fizycy …

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

1

Jak interpretować wyniki, gdy zarówno grzbiet, jak i lasso oddzielnie działają dobrze, ale dają różne współczynniki

Korzystam z modelu regresji zarówno z Lasso, jak i Ridge'em (aby przewidzieć dyskretną zmienną wyniku w zakresie od 0-5). Przed uruchomieniem modelu używam SelectKBestmetody scikit-learnzmniejszenia zestawu funkcji z 250 do 25 . Bez wstępnego wyboru funkcji, zarówno Lasso, jak i Ridge dają niższe wyniki dokładności [co może wynikać z małej …

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

2

Jeśli skurcz jest zastosowany w sprytny sposób, czy zawsze działa lepiej dla bardziej wydajnych estymatorów?

Załóżmy, że mam dwa estymatory i które są spójnymi estymatorami tego samego parametru i takie, że z w sensie psd. Zatem asymptotycznie \ widehat {\ beta} _1 jest bardziej wydajny niż \ widehat {\ beta} _2 . Te dwa estymatory oparte są na różnych funkcjach strat.βˆ1β^1\widehat{\beta}_1βˆ2β^2\widehat{\beta}_2β0β0\beta_0n−−√(βˆ1−β0)→dN(0,V1),n−−√(βˆ2−β0)→dN(0,V2)n(β^1−β0)→dN(0,V1),n(β^2−β0)→dN(0,V2)\sqrt{n}(\widehat{\beta}_1 -\beta_0) \stackrel{d}\rightarrow \mathcal{N}(0, V_1), …

11 regression ridge-regression shrinkage penalized

2

Jeśli nie możesz tego zrobić ortogonalnie, zrób to na surowo (regresja wielomianowa)

Podczas przeprowadzania regresji wielomianowej dla na ludzie czasami używają surowych wielomianów, czasem ortogonalnych wielomianów. Ale kiedy używają tego, co wydaje się całkowicie arbitralne.XYYYXXX Tu i tutaj używane są surowe wielomiany. Ale tu i tutaj wydaje się, że ortogonalne wielomiany dają prawidłowe wyniki. Co, jak, dlaczego ?! W przeciwieństwie do tego, …

11 regression polynomial

Pytania otagowane jako regression