Attualmente sto utilizzando l'analisi dei componenti principali per selezionare le variabili da utilizzare nella modellazione. Al momento, eseguo le misurazioni A, B e C nei miei esperimenti - Quello che voglio davvero sapere è: posso fare meno misurazioni e interrompere la registrazione di C e o B per risparmiare tempo …
Da Econometrics , di Fumio Hayashi (Chpt 1): Homoskedasticity incondizionato: Il secondo momento dei termini di errore E (εᵢ²) è costante attraverso le osservazioni La forma funzionale E (εᵢ² | xi) è costante attraverso le osservazioni Homoskedasticity condizionale: Viene eliminata la restrizione secondo cui il secondo momento dei termini di …
Diciamo che è una funzione lineare di xe un manichino d . La mia ipotesi è che d stessa è come un indice edonistica di un vettore di altre variabili, Z . Ho il supporto per questo in un M A N O V A di Z (cioè z 1 …
Il punto centrale di AIC o di qualsiasi altro criterio di informazione è che meno è meglio. Quindi se ho due modelli M1: y = a0 + XA + e e M2: y = b0 + ZB + u, e se l'AIC del primo (A1) è inferiore a quello del …
Vorrei porre questa domanda in due parti. Entrambi trattano un modello lineare generalizzato, ma il primo riguarda la selezione del modello e l'altro riguarda la regolarizzazione. Contesto: utilizzo modelli GLM (lineari, logistici, regressione gamma) sia per la previsione che per la descrizione. Quando mi riferisco alle " cose normali che …
Sembra che tu possa usare la codifica per una variabile categoriale, ma ho due variabili predittive categoriche e una continua. Posso utilizzare la regressione multipla per questo in SPSS e, in caso affermativo, come? Grazie!
Le SVM per la classificazione hanno un senso intuitivo per me: capisco come minimizzare produca il margine massimo. Tuttavia, non capisco questo obiettivo nel contesto della regressione. Vari testi ( qui e qui ) lo descrivono come massimizzare la "piattezza". Perché dovremmo farlo? Quale regressione equivale al concetto di "margine"?||θ||2||θ||2||\theta||^2 …
Esistono buoni documenti o libri che trattano l'uso della discesa coordinata per L1 (lazo) e / o regolarizzazione della rete elastica per problemi di regressione lineare?
Sto adattando una regressione lineare regolarizzata L1 a un set di dati molto grande (con n >> p.) Le variabili sono note in anticipo, ma le osservazioni arrivano in piccoli blocchi. Vorrei mantenere il lazo in forma dopo ogni blocco. Posso ovviamente ri-montare l'intero modello dopo aver visto ogni nuova …
Quando tenderesti ad usare le curve ROC su alcuni altri test per determinare la capacità predittiva di alcune misurazioni su un risultato? Quando si ha a che fare con esiti discreti (vivo / morto, presente / assente), cosa rende le curve ROC più o meno potenti di qualcosa come un …
La mia domanda è semplice: che cos'è la stima congiunta? E cosa significa nel contesto dell'analisi di regressione? Com'è fatto? Ho vagato nella potente Internet per un po 'di tempo ma non ho trovato risposte a queste domande.
Ho letto in diversi punti che R Squared non è una misura ideale quando un modello è in forma usando LASSO. Tuttavia, non sono chiaro esattamente perché . Inoltre, potresti raccomandare la migliore alternativa?
Nel rilevamento compresso, c'è una garanzia teorema che ha una soluzione sparsa unica c (Vedi appendice per maggiori dettagli).argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc ccc Esiste un teorema simile per il lazo? Se esiste un tale teorema, non solo garantirà la stabilità …
Sto cercando letteratura sulla regressione della cresta negativa . In breve, si tratta di una generalizzazione della regressione della cresta lineare usando negativo nella formula dello stimatore:Il caso positivo ha una buona teoria: come una funzione di perdita, come un vincolo, come un precedente di Bayes ... ma mi sento …
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.