Ho una domanda sull'omessa distorsione da variabile nella regressione logistica e lineare. Supponiamo di omettere alcune variabili da un modello di regressione lineare. Fai finta che quelle variabili omesse non siano correlate con le variabili che ho incluso nel mio modello. Quelle variabili omesse non influenzano i coefficienti nel mio …
Ho eseguito questa regressione logistica ordinale in R: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) Ho ottenuto questo riassunto del modello: 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 …
Ho due gruppi di soggetti, A e B, ciascuno con una dimensione di circa 400 e circa 300 predittori. Il mio obiettivo è costruire un modello di previsione per una variabile di risposta binaria. Il mio cliente vuole vedere il risultato dell'applicazione del modello costruito da A su B. (Nel …
Stiamo lavorando con alcune regressioni logistiche e ci siamo resi conto che la probabilità media stimata è sempre uguale alla proporzione di quelle nel campione; cioè, la media dei valori adattati è uguale alla media del campione. Qualcuno può spiegarmi il motivo o darmi un riferimento dove posso trovare questa …
Ho un modello montato (dalla letteratura). Ho anche i dati grezzi per le variabili predittive. Qual è l'equazione che dovrei usare per ottenere le probabilità? Fondamentalmente, come posso combinare dati grezzi e coefficienti per ottenere le probabilità?
Spero di poter porre questa domanda nel modo corretto. Ho accesso ai dati play-by-play, quindi è più un problema con il miglior approccio e la costruzione corretta dei dati. Quello che sto cercando di fare è calcolare la probabilità di vincere una partita NHL in base al punteggio e al …
Al fine di calibrare un livello di confidenza con una probabilità nell'apprendimento supervisionato (diciamo per mappare la confidenza da un SVM o un albero decisionale usando dati sovracampionati) un metodo consiste nell'utilizzare il ridimensionamento di Platt (ad esempio, Ottenere probabilità calibrate dall'amplificazione ). Fondamentalmente si usa la regressione logistica per …
Dati di base : ho ~ 1.000 persone contrassegnate con valutazioni: '1,' [buono] '2,' [medio] o '3' [cattivo] - questi sono i valori che cercherò di prevedere per le persone in futuro . Inoltre, ho alcune informazioni demografiche: sesso (categorico: M / F), età (numerico: 17-80) e razza (categorico: nero …
Un gruppo di persone risponde a una domanda. La risposta può essere "sì" o "no". Il ricercatore vuole sapere se l'età è associata al tipo di risposta. L'associazione è stata valutata facendo una regressione logistica in cui l'età è la variabile esplicativa e il tipo di risposta (sì, no) è …
La domanda Faccio fatica a capire come la previsione viene mantenuta entro l' intervallo quando si esegue la classificazione binaria con Gradient Boosting.[0,1][0,1][0,1] Supponiamo di lavorare su un problema di classificazione binaria e la nostra funzione oggettiva è la perdita del log, , dove è la variabile target e è …
Sto cercando di usare la perdita quadrata per fare la classificazione binaria su un set di dati giocattolo. Sto usando il mtcarsset di dati, uso il miglio per gallone e il peso per prevedere il tipo di trasmissione. Il diagramma seguente mostra i due tipi di dati del tipo di …
So che i residui Pearson standardizzati sono ottenuti in modo probabilistico tradizionale: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} e Deviance Residuals sono ottenuti attraverso un modo più statistico (il contributo di ciascun punto alla probabilità): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilogπi^+(1−yi)log(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} dove = 1 se = 1 …
A quanto ho capito, una rete neurale artificiale perceptron / singolo strato con una funzione di attivazione sigmoidea logistica è lo stesso modello della regressione logistica. Entrambi i modelli sono dati dall'equazione: F( x ) = 11 - e- βXF(X)=11-e-βXF(x) = \frac{1}{1-e^{-\beta X}} L'algoritmo di apprendimento perctron è online e …
Nella regressione logistica, c'è bisogno di preoccuparsi tanto della multicollinearità quanto della regressione OLS diretta? Ad esempio, con una regressione logistica, laddove esiste la multicollinearità, dovresti essere prudente (come faresti con la regressione OLS) nel prendere l'inferenza dai coefficienti Beta? Per la regressione OLS una "correzione" per l'alta multicollinearità è …
La mia domanda è: qual è la relazione matematica tra la distribuzione Beta e i coefficienti del modello di regressione logistica ? Per illustrare: la funzione logistica (sigmoid) è data da f(x)=11+exp(−x)f(x)=11+exp(−x)f(x) = \frac{1}{1+\exp(-x)} ed è usato per modellare le probabilità nel modello di regressione logistica. Sia AAA un esito …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.