Domande taggate «zero-inflation»

0 eccessivi in ​​una variabile rispetto a una distribuzione di riferimento specificata. Gli approcci di regressione includono modelli a gonfiaggio zero e modelli a ostacoli (in 2 parti). Per i dati di conteggio, sono comuni modelli a gonfiaggio zero e ostacoli basati su Poisson o distribuzioni binomiali negative (ZIP / ZINB e HP / HNB).

3
Un esempio: regressione di LASSO utilizzando glmnet per il risultato binario
Sto iniziando a dilettarsi con l'uso di glmnetcon LASSO Regressione dove il mio risultato di interesse è dicotomica. Di seguito ho creato un piccolo frame di dati finti: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …
78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
1
Quando utilizzare i GLM binomiali Poisson vs. geometrici vs. negativi per i dati di conteggio?
Sto cercando di impaginare da solo quando è appropriato usare quale tipo di regressione (geometrico, Poisson, binomiale negativo) con i dati di conteggio, all'interno del framework GLM (solo 3 delle 8 distribuzioni GLM sono usate per i dati di conteggio, sebbene la maggior parte di ciò che Ho letto i …
2
Perché esattamente la regressione beta non può gestire 0 e 1 nella variabile di risposta?
La regressione beta (ovvero GLM con distribuzione beta e di solito la funzione di collegamento logit) è spesso consigliata per gestire la risposta nota come variabile dipendente che assume valori compresi tra 0 e 1, come frazioni, rapporti o probabilità: regressione per un risultato (rapporto o frazione) tra 0 e …
3
Un modello per dati non negativi con aggregazione agli zeri (Tweedie GLM, GLM a zero inflazione, ecc.) Può prevedere zeri esatti?
Una distribuzione Tweedie può modellare dati distorti con una massa in punti pari a zero quando il parametro (esponente nella relazione media-varianza) è compreso tra 1 e 2.ppp Allo stesso modo un modello a zero inflazione (sia continuo che discreto) può avere un gran numero di zeri. Ho difficoltà a …
3
Zero distribuzioni gonfiate, che cosa sono veramente?
Sto lottando per capire distribuzioni gonfiate zero. Quali sono? Qual e il punto? Se avessi dati con molti zeri, allora potrei adattarmi a una regressione logistica prima calcolare la probabilità di zeri, quindi potrei rimuovere tutti gli zeri e quindi adattare una regressione regolare usando la mia scelta di distribuzione …
1
Regressione di Poisson a gonfiaggio zero
Supponiamo che siano indipendenti eY=(Y1,…,Yn)′Y=(Y1,…,Yn)′ \textbf{Y} = (Y_1, \dots, Y_n)' Yi=0Yi=kwith probability pi+(1−pi)e−λiwith probability (1−pi)e−λiλki/k!Yi=0with probability pi+(1−pi)e−λiYi=kwith probability (1−pi)e−λiλik/k!\eqalign{ Y_i = 0 & \text{with probability} \ p_i+(1-p_i)e^{-\lambda_i}\\ Y_i = k & \text{with probability} \ (1-p_i)e^{-\lambda_i} \lambda_{i}^{k}/k! } Supponiamo anche che i parametri e p = ( p 1 , …
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.