Statystyki i duże zbiory danych regression

3

Czy ktoś może mi podpowiedzieć, kiedy wybrać SVM lub LR? Chcę zrozumieć intuicję stojącą za różnicą między kryteriami optymalizacji uczenia się hiperpłaszczyzny tych dwóch, gdzie odpowiednie cele są następujące: SVM: Spróbuj zmaksymalizować margines między najbliższymi wektorami wsparcia LR: Maksymalizuj prawdopodobieństwo tylnej klasy Rozważmy liniową przestrzeń cech dla SVM i LR. …

37 regression logistic svm optimization

2

Jak znaleźć dobre dopasowanie do modelu półsinusoidalnego w R?

Chcę założyć, że temperatura powierzchni morza w Morzu Bałtyckim jest taka sama rok po roku, a następnie opisać to za pomocą modelu funkcyjnego / liniowego. Pomysł, jaki miałem, to po prostu wpisać rok jako liczbę dziesiętną (lub num_months / 12) i ustalić, jaka powinna być temperatura w tym czasie. Wrzucając …

37 r regression time-series lm

2

Kiedy i jak stosować znormalizowane zmienne objaśniające w regresji liniowej

Mam 2 proste pytania dotyczące regresji liniowej: Kiedy zaleca się ujednolicenie zmiennych objaśniających? Po przeprowadzeniu oszacowania ze znormalizowanymi wartościami, jak można przewidzieć nowe wartości (jak należy znormalizować nowe wartości)? Niektóre referencje byłyby pomocne.

37 regression predictive-models references standardization predictor

4

Różnica między prognozą a prognozą?

Zastanawiałem się, jaka jest różnica i związek między prognozą a prognozą? Zwłaszcza w szeregach czasowych i regresji? Na przykład czy mam rację, że: W szeregach czasowych prognozowanie wydaje się oznaczać oszacowanie przyszłych wartości na podstawie przeszłych wartości szeregu czasowego. W regresji przewidywanie wydaje się oznaczać oszacowanie wartości, niezależnie od tego, …

37 regression time-series forecasting terminology

1

Jakie są łatwe do zinterpretowania miary dopasowania do liniowych modeli efektów mieszanych?

Obecnie używam pakietu R. lme4 . Używam liniowych modeli efektów mieszanych z efektami losowymi: library(lme4) mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect + # random effects mod3 <- lmer(r1 …

37 r regression mixed-model random-effects-model

2

Regresja logistyczna a LDA jako klasyfikatory dwuklasowe

Próbuję owinąć głowę wokół różnicy statystycznej między liniową analizą dyskryminacyjną a regresją logistyczną . Czy słusznie rozumiem, że w przypadku problemu klasyfikacji dwóch klas LDA przewiduje dwie funkcje gęstości normalnej (po jednej dla każdej klasy), które tworzą granicę liniową w miejscu ich przecięcia, podczas gdy regresja logistyczna przewiduje jedynie funkcję …

36 regression logistic classification discriminant-analysis

2

Skąd mam wiedzieć, która metoda walidacji krzyżowej jest najlepsza?

Próbuję dowiedzieć się, która metoda weryfikacji krzyżowej jest najlepsza w mojej sytuacji. Poniższe dane są tylko przykładem pracy nad problemem (w R), ale moje rzeczywiste Xdane ( xmat) są skorelowane ze sobą i skorelowane w różnym stopniu ze yzmienną ( ymat). Podałem kod R, ale moje pytanie nie dotyczy R, …

36 r regression cross-validation linear-model

4

Jak interpretować współczynniki z dopasowania modelu wielomianowego?

Próbuję utworzyć wielomian dopasowania drugiego rzędu do niektórych danych, które mam. Powiedzmy, że knuję to dopasowanie z ggplot(): ggplot(data, aes(foo, bar)) + geom_point() + geom_smooth(method="lm", formula=y~poly(x, 2)) Dostaję: Tak więc dopasowanie drugiego rzędu działa całkiem dobrze. Obliczam to za pomocą R: summary(lm(data$bar ~ poly(data$foo, 2))) I dostaję: lm(formula = data$bar …

36 r regression interpretation regression-coefficients

3

Jak uzyskać macierz wariancji-kowariancji współczynników w regresji liniowej

Czytam książkę o regresji liniowej i mam pewne problemy ze zrozumieniem macierzy wariancji-kowariancji :bb\mathbf{b} Elementy po przekątnej są dość łatwe, ale te o przekątnej są nieco trudniejsze, co mnie że σ( b0, b1) = E( b0b1) - E( b0) E( b1) = E( b0b1) - β0β1σ(b0,b1)=mi(b0b1)-mi(b0)mi(b1)=mi(b0b1)-β0β1 \sigma(b_0, b_1) = E(b_0 …

36 regression

4

Jak dopasować regresję ograniczoną w R, aby współczynniki ogółem = 1?

Widzę tutaj podobną ograniczoną regresję: Ograniczona regresja liniowa przez określony punkt ale moje wymagania są nieco inne. Potrzebuję współczynników do zsumowania 1. W szczególności regresuję zwroty z 1 serii walut obcych w stosunku do 3 innych serii walutowych, aby inwestorzy mogli zastąpić ekspozycję na tej serii kombinacją ekspozycji na pozostałe …

36 r regression

2

Jak interpretować glmnet?

Próbuję dopasować wielowymiarowy model regresji liniowej z około 60 zmiennymi predykcyjnymi i 30 obserwacjami, więc używam pakietu glmnet do regresji regularnej, ponieważ p> n. Przeglądałem dokumentację i inne pytania, ale nadal nie mogę zinterpretować wyników, oto przykładowy kod (z 20 predyktorami i 10 obserwacjami w celu uproszczenia): Tworzę macierz x …

36 r regression regularization glmnet

4

Co to jest zmienna instrumentalna?

Zmienne instrumentalne stają się coraz bardziej popularne w ekonomii stosowanej i statystyce. Czy dla niewtajemniczonych możemy uzyskać nietechniczne odpowiedzi na następujące pytania: Co to jest zmienna instrumentalna? Kiedy chciałbyś zastosować zmienną instrumentalną? Jak znaleźć lub wybrać zmienną instrumentalną?

36 regression econometrics instrumental-variables

5

Dlaczego problemy regresji nazywane są problemami „regresji”?

Zastanawiałem się, dlaczego problemy z regresją nazywane są problemami z „regresją”. Jaka jest historia tego imienia? Jedna definicja regresji: „Nawrót do stanu mniej idealnego lub rozwiniętego”.

36 regression terminology history etymology

2

Zwiększanie gradientu dla regresji liniowej - dlaczego to nie działa?

Ucząc się o zwiększaniu gradientu, nie słyszałem o żadnych ograniczeniach dotyczących właściwości „słabego klasyfikatora”, którego ta metoda używa do budowania i składania modelu. Jednak nie wyobrażam sobie zastosowania GB, który wykorzystuje regresję liniową, a właściwie po przeprowadzeniu niektórych testów - to nie działa. Testowałem najbardziej standardowe podejście z gradientem sumy …

35 regression machine-learning boosting ensemble gradient

2

Co to jest regularyzacja elastyczna i jak rozwiązuje wady Ridge ( ) i Lasso ( )?

Czy elastyczna regularyzacja sieci jest zawsze lepsza niż Lasso i Ridge, ponieważ wydaje się, że rozwiązuje ona wady tych metod? Czym jest intuicja i jaka matematyka kryje się za elastyczną siatką?

35 regression lasso regularization ridge-regression elastic-net

Pytania otagowane jako regression