Domande taggate «nonlinear-regression»

Utilizzare questo tag solo per i modelli di regressione in cui la risposta è una funzione non lineare dei parametri. Non utilizzare questo tag per la trasformazione di dati non lineari.

1
adattamento di una funzione esponenziale utilizzando i minimi quadrati rispetto al modello lineare generalizzato rispetto ai minimi quadrati non lineari
Ho un set di dati che rappresenta il decadimento esponenziale. Vorrei adattare una funzione esponenziale a questi dati. Ho provato a registrare trasformando la variabile di risposta e quindi usando i minimi quadrati per adattarsi a una linea; usando un modello lineare generalizzato con una funzione log link e una …
2
L'indipendenza media condizionale implica imparzialità e coerenza dello stimatore OLS
Considera il seguente modello di regressione multipla:Y=Xβ+Zδ+U.(1)(1)Y=Xβ+Zδ+U.Y=X\beta+Z\delta+U.\tag{1} Qui YYY è un vettore di colonna n×1n×1n\times 1 ; Matrice XXX a n×(k+1)n×(k+1)n\times (k+1) ; ββ\beta a (k+1)×1(k+1)×1(k+1)\times 1 colonna vettore; ZZZ a n×ln×ln\times l matrice; δδ\delta a l×1l×1l\times 1 colonna vettore; e UUU , il termine di errore, un vettore di …
3
Quali sono i criteri e il processo decisionale per la non linearità nei modelli statistici?
Spero che la seguente domanda generale abbia senso. Tieni presente che ai fini di questa particolare domanda non sono interessato a ragioni teoriche (dominio del soggetto) per l'introduzione della non linearità. Pertanto, formulerò la domanda completa come segue: Che cos'è un quadro logico ( criteri e, se possibile, processo decisionale …
1
Significato dei coefficienti di regressione (GAM) quando la probabilità del modello non è significativamente superiore a nulla
Sto eseguendo una regressione basata su GAM usando il pacchetto R gamlss e assumendo una distribuzione beta a zero inflazionata dei dati. Ho solo una singola variabile esplicativa nel mio modello, quindi è fondamentalmente: mymodel = gamlss(response ~ input, family=BEZI). L'algoritmo mi dà il coefficiente per l'impatto della variabile esplicativa …
3
Stima del modello esponenziale
Un modello esponenziale è un modello descritto dalla seguente equazione: yi^=β0⋅eβ1x1i+…+βkxkiyi^=β0⋅eβ1x1i+…+βkxki\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} L'approccio più comune utilizzato per stimare tale modello è la linearizzazione, che può essere eseguita facilmente calcolando i logaritmi di entrambi i lati. Quali sono gli altri approcci? Sono particolarmente interessato a quelli che possono gestire in alcune …
1
Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda
Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …
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 
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.