Domande taggate «regression»

Tecniche per l'analisi della relazione tra una (o più) variabili "dipendenti" e variabili "indipendenti".

2
È sbagliato scegliere le funzionalità in base al valore p?
Esistono diversi post su come selezionare le funzionalità. Uno dei metodi descrive l'importanza delle funzionalità in base alle statistiche t. In R varImp(model)applicato su modello lineare con caratteristiche standardizzate viene utilizzato il valore assoluto della statistica t per ciascun parametro del modello. Quindi, fondamentalmente scegliamo una funzione in base alle …
2
Come risolvere la minima deviazione assoluta con il metodo simplex?
Ecco il problema di deviazione meno assoluto in questione: argminwL(w)=∑ni=1|yi−wTx|arg⁡minwL(w)=∑i=1n|yi−wTx| \underset{\textbf{w}}{\arg\min} L(w)=\sum_{i=1}^{n}|y_{i}-\textbf{w}^T\textbf{x}| . So che può essere riorganizzato come problema LP nel seguente modo: min∑ni=1uimin∑i=1nui\min \sum_{i=1}^{n}u_{i} ui≥xTw−yii=1,…,nui≥xTw−yii=1,…,nu_i \geq \textbf{x}^T\textbf{w}- y_{i} \; i = 1,\ldots,n ui≥−(xTw−yi)i=1,…,nui≥−(xTw−yi)i=1,…,nu_i \geq -\left(\textbf{x}^T\textbf{w}-y_{i}\right) \; i = 1,\ldots,n Ma non ho idea di risolverlo passo dopo passo, …
3
L'assunzione di errori normali implica che anche Y è normale?
A meno che non mi sbagli, in un modello lineare, si presume che la distribuzione della risposta abbia una componente sistematica e una componente casuale. Il termine di errore acquisisce il componente casuale. Pertanto, se assumiamo che il termine di errore sia normalmente distribuito, ciò non implica che anche la …
1
Come affrontare l'iperdispersione nella regressione di Poisson: quasi-verosimiglianza, GLM binomiale negativo o effetto casuale a livello di soggetto?
Mi sono imbattuto in tre proposte per affrontare l'overdispersione in una variabile di risposta di Poisson e un modello di partenza a effetti fissi: Usa un quasi modello; Usa GLM binomiale negativo; Utilizzare un modello misto con un effetto casuale a livello di soggetto. Ma quale scegliere effettivamente, e perché? …
2
Matrice di covarianza mal condizionata nella regressione GP per l'ottimizzazione bayesiana
Contesto e problema Sto usando i processi gaussiani (GP) per la regressione e la successiva ottimizzazione bayesiana (BO). Per regressione uso il pacchetto gpml per MATLAB con diverse modifiche personalizzate, ma il problema è generale. È risaputo che quando due input di training sono troppo vicini nello spazio di input, …
1
Valore atteso di
Sono curioso di sapere l'affermazione fatta in fondo alla prima pagina in questo testo riguardo alla regolazione diR2adjustedRadjusted2R^2_\mathrm{adjusted} R2adjusted=1−(1−R2)(n−1n−m−1).Radjusted2=1−(1−R2)(n−1n−m−1).R^2_\mathrm{adjusted} =1-(1-R^2)\left({\frac{n-1}{n-m-1}}\right). Il testo afferma: La logica della correzione è la seguente: nella regressione multipla ordinaria, un predittore casuale spiega in media una proporzione 1/(n–1)1/(n–1)1/(n – 1) della variazione della risposta, in …
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.