Statistiche e Big Data regression

3

Confronto tra SVM e regressione logistica

Qualcuno può darmi qualche intuizione su quando scegliere SVM o LR? Voglio capire l'intuizione dietro qual è la differenza tra i criteri di ottimizzazione dell'apprendimento dell'iperpiano dei due, in cui i rispettivi obiettivi sono i seguenti: SVM: prova a massimizzare il margine tra i vettori di supporto più vicini LR: …

37 regression logistic svm optimization

2

Come trovare una buona misura per il modello semi-sinusoidale in R?

Voglio presumere che la temperatura della superficie del mare del Mar Baltico sia la stessa anno dopo anno, e quindi descriverlo con un modello funzione / lineare. L'idea che ho avuto è stata quella di inserire solo l'anno come un numero decimale (o num_months / 12) e capire quale dovrebbe …

37 r regression time-series lm

2

Quando e come utilizzare variabili esplicative standardizzate nella regressione lineare

Ho 2 semplici domande sulla regressione lineare: Quando si consiglia di standardizzare le variabili esplicative? Una volta effettuata la stima con valori standardizzati, come si può prevedere con nuovi valori (come si dovrebbero standardizzare i nuovi valori)? Alcuni riferimenti sarebbero utili.

37 regression predictive-models references standardization predictor

4

Differenza tra previsione e previsione?

Mi chiedevo che differenza e relazione ci sono tra previsione e previsione? Soprattutto nelle serie storiche e nella regressione? Ad esempio, ho ragione che: Nelle serie storiche, la previsione sembra significare stimare i valori futuri dati i valori passati di una serie storica. In regressione, la previsione sembra significare stimare …

37 regression time-series forecasting terminology

1

Quali sono le misure facili da interpretare, la bontà di adattamento per i modelli lineari ad effetti misti?

Attualmente sto usando il pacchetto R lme4 . Sto usando un modello lineare di effetti misti con effetti casuali: library(lme4) mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect + # …

37 r regression mixed-model random-effects-model

2

Come faccio a sapere quale metodo di convalida incrociata è il migliore?

Sto cercando di capire quale metodo di convalida incrociata è il migliore per la mia situazione. I seguenti dati sono solo un esempio di come risolvere il problema (in R), ma i miei Xdati reali ( xmat) sono correlati tra loro e correlati a diversi gradi con la yvariabile ( …

36 r regression cross-validation linear-model

4

Come interpretare i coefficienti dall'adattamento di un modello polinomiale?

Sto cercando di creare un polinomio del secondo ordine adatto ad alcuni dati che ho. Diciamo che ho tracciato questo adattamento con ggplot(): ggplot(data, aes(foo, bar)) + geom_point() + geom_smooth(method="lm", formula=y~poly(x, 2)) Ottengo: Quindi, un secondo ordine funziona abbastanza bene. Lo calcolo con R: summary(lm(data$bar ~ poly(data$foo, 2))) E ottengo: …

36 r regression interpretation regression-coefficients

2

Regressione logistica vs. LDA come classificatori a due classi

Sto cercando di avvolgere la mia testa attorno alla differenza statistica tra analisi discriminante lineare e regressione logistica . Ho capito bene che, per un problema di classificazione di due classi , LDA prevede due funzioni di densità normale (una per ogni classe) che crea un confine lineare in cui …

36 regression logistic classification discriminant-analysis

3

Come derivare la matrice varianza-covarianza dei coefficienti nella regressione lineare

Sto leggendo un libro sulla regressione lineare e ho qualche problema a capire la matrice varianza-covarianza di :bb\mathbf{b} Gli elementi diagonali sono abbastanza facili, ma quelli fuori diagonale sono un po 'più difficili, ciò che mi è che σ(b0,b1)=E(b0b1)−E(b0)E(b1)=E(b0b1)−β0β1σ(b0,b1)=E(b0b1)−E(b0)E(b1)=E(b0b1)−β0β1 \sigma(b_0, b_1) = E(b_0 b_1) - E(b_0)E(b_1) = E(b_0 b_1) - …

36 regression

4

Come posso adattare una regressione vincolata in R in modo che i coefficienti totali = 1?

Vedo una regressione limitata simile qui: Regressione lineare vincolata attraverso un punto specificato ma il mio requisito è leggermente diverso. Ho bisogno dei coefficienti per sommare a 1. In particolare, sto regredendo i rendimenti di 1 serie di cambi contro 3 altre serie di cambi, in modo che gli investitori …

36 r regression

2

Come interpretare glmnet?

Sto cercando di adattare un modello di regressione lineare multivariata con circa 60 variabili predittive e 30 osservazioni, quindi sto usando il pacchetto glmnet per la regressione regolarizzata perché p> n. Ho esaminato la documentazione e altre domande ma non riesco ancora a interpretare i risultati, ecco un codice di …

36 r regression regularization glmnet

4

Che cos'è una variabile strumentale?

Le variabili strumentali stanno diventando sempre più comuni nell'economia e nelle statistiche applicate. Per chi non lo sapesse, possiamo avere delle risposte non tecniche alle seguenti domande: Che cos'è una variabile strumentale? Quando si vorrebbe impiegare una variabile strumentale? Come si trova o si sceglie una variabile strumentale?

36 regression econometrics instrumental-variables

5

Perché i problemi di regressione sono chiamati problemi di "regressione"?

Mi chiedevo solo perché i problemi di regressione sono chiamati problemi di "regressione". Qual è la storia dietro il nome? Una definizione di regressione: "Ricaduta in uno stato meno perfetto o sviluppato".

36 regression terminology history etymology

2

Aumento gradiente per la regressione lineare: perché non funziona?

Durante l'apprendimento del Gradient Boosting, non ho sentito parlare di vincoli riguardanti le proprietà di un "classificatore debole" che il metodo utilizza per costruire e creare un modello. Tuttavia, non potevo immaginare un'applicazione di un GB che utilizza la regressione lineare, e infatti quando ho eseguito alcuni test, non funziona. …

35 regression machine-learning boosting ensemble gradient

2

Che cos'è la regolarizzazione della rete elastica e come risolve gli svantaggi di Ridge ( ) e Lasso ( )?

La regolarizzazione della rete elastica è sempre preferita a Lasso & Ridge poiché sembra risolvere gli svantaggi di questi metodi? Qual è l'intuizione e qual è la matematica dietro la rete elastica?

35 regression lasso regularization ridge-regression elastic-net

Domande taggate «regression»