Statistiche e Big Data regression

5

Cosa significa che una regressione lineare è statisticamente significativa ma ha un r quadrato molto basso?

Capisco che significhi che il modello non è in grado di prevedere i singoli punti dati, ma ha stabilito una tendenza stabile (ad esempio, y sale quando x sale).

14 regression inference r-squared linear

2

Perché la regressione lineare ha ipotesi sul modello lineare residuo ma generalizzato ha ipotesi sulla risposta?

Perché la regressione lineare e il modello generalizzato hanno ipotesi incoerenti? Nella regressione lineare, assumiamo che il residuo derivi dalla forma gaussiana In altre regressioni (regressione logistica, regressione del veleno), assumiamo che la risposta provenga da una certa distribuzione (binomiale, povertà ecc.). Perché a volte assumono il tempo residuo e …

14 regression generalized-linear-model assumptions linear

3

Perché è valido detrarre le serie temporali con la regressione?

Potrebbe essere una domanda strana ma come novizio all'argomento mi chiedo perché utilizziamo la regressione per detrarre una serie temporale se uno dei presupposti della regressione è che i dati dovrebbero essere presi mentre i dati su cui viene applicata la regressione sono un non iid?

14 regression time-series trend iid

2

Dati due modelli di regressione lineare, quale modello avrebbe prestazioni migliori?

Ho seguito un corso di apprendimento automatico nel mio college. In una delle domande, questa domanda è stata posta. Modello 1: y=θx+ϵy=θx+ϵ y = \theta x + \epsilon Modello 2: y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon Quale dei modelli di cui sopra si adatterebbe meglio ai …

14 regression machine-learning self-study modeling model

4

Perché

Nota: SSTSSTSST = Somma dei quadrati totale, SSESSESSE = Somma degli errori al quadrato e SSRSSRSSR = Somma della regressione dei quadrati. L'equazione nel titolo è spesso scritta come: ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Domanda abbastanza semplice, ma sto cercando una spiegazione intuitiva. Intuitivamente, mi sembra che …

14 regression least-squares r-squared

2

Come rendere più fluidi i dati e forzare la monotonicità

Ho alcuni dati che vorrei lisciare in modo che i punti levigati diminuiscano monotonicamente. I miei dati diminuiscono drasticamente e poi iniziano ad aumentare. Ecco un esempio usando R df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() Qual è una buona tecnica di lisciatura che potrei usare? Inoltre, sarebbe bello se …

14 regression smoothing

3

Reti neurali profonde - Solo per la classificazione delle immagini?

Tutti gli esempi che ho trovato usando convinzioni profonde o reti neurali convoluzionali li usano per la classificazione delle immagini, il rilevamento dei chatacter o il riconoscimento vocale. Le reti neurali profonde sono utili anche per le attività di regressione classica, in cui le caratteristiche non sono strutturate (ad esempio, …

14 regression machine-learning neural-networks deep-learning

3

Splines vs regressione del processo gaussiana

So che la regressione del processo gaussiana (GPR) è un'alternativa all'utilizzo di spline per il montaggio di modelli non lineari flessibili. Vorrei sapere in quali situazioni uno sarebbe più adatto dell'altro, specialmente nel quadro della regressione bayesiana. Ho già esaminato Quali sono i vantaggi / gli svantaggi dell'utilizzo di spline, …

14 regression gaussian-process splines kriging

1

Perché i modelli di effetti misti risolvono la dipendenza?

Supponiamo che siamo interessati a come i voti degli esami degli studenti sono influenzati dal numero di ore che quegli studenti studiano. Per esplorare questa relazione, potremmo eseguire la seguente regressione lineare: exam.gradesi=a+β1×hours.studiedi+eiexam.gradesio=un'+β1×hours.studiedio+eio \text{exam.grades}_i = a + \beta_1 \times \text{hours.studied}_i + e_i Ma se campioniamo gli alunni di diverse scuole, …

14 regression mixed-model random-effects-model non-independent

2

GLM: verifica della scelta della funzione di distribuzione e collegamento

Ho un modello lineare generalizzato che adotta una distribuzione gaussiana e una funzione log link. Dopo aver adattato il modello, controllo i residui: diagramma QQ, residui vs valori previsti, istogramma dei residui (riconoscendo che è necessaria la dovuta cautela). Sembra tutto a posto. Questo sembra suggerire (per me) che la …

14 regression generalized-linear-model link-function

1

Da exp (coefficienti) a Odds Ratio e la loro interpretazione nella regressione logistica con fattori

Ho corso una regressione lineare dell'accettazione al college contro i punteggi SAT e la famiglia / origine etnica. I dati sono fittizi. Questo è il seguito di una domanda precedente, a cui è già stata data una risposta. La domanda si concentra sulla raccolta e l'interpretazione dei rapporti di probabilità …

14 r regression logistic

2

Cosa significa regredire una variabile rispetto a un'altra

Quando diciamo, per regredire contro X , intendiamo che X è la variabile indipendente e Y la variabile dipendente? cioè Y = a X + b .YYYXXXXXXY= una X+ bY=un'X+BY =aX + b

14 regression terminology

5

Cosa sono esattamente i dati censurati?

Ho letto diverse descrizioni di dati censurati: A) Come spiegato in questa discussione, i dati non quantificati al di sotto o al di sopra di una determinata soglia vengono censurati. Non qualificato significa che i dati sono al di sopra o al di sotto di una certa soglia ma non …

14 regression terminology censoring

4

"Correlazione" significa anche la pendenza nell'analisi di regressione?

Sto leggendo un documento e l'autore ha scritto: L'effetto di A, B, C su Y è stato studiato mediante l'uso dell'analisi di regressione multipla. A, B, C sono stati inseriti nell'equazione di regressione con Y come variabile dipendente. L'analisi della varianza è presentata nella Tabella 3. L'effetto di B su …

14 regression correlation terminology

1

Qual è la differenza tra coefficienti di regressione e coefficienti di regressione parziale?

Ho letto nel Abdi (2003) che Quando le variabili indipendenti sono ortogonali a coppie, l'effetto di ciascuna di esse nella regressione viene valutato calcolando la pendenza della regressione tra questa variabile indipendente e la variabile dipendente. In questo caso (ovvero ortogonalità degli IV), i coefficienti di regressione parziale sono uguali …

14 regression multiple-regression regression-coefficients terminology

Domande taggate «regression»