In Bishops Buch über maschinelles Lernen wird das Problem der Kurvenanpassung einer Polynomfunktion an eine Reihe von Datenpunkten erörtert. Sei M die Ordnung des angepassten Polynoms. Es heißt so Wir sehen, dass mit zunehmendem M die Größe der Koeffizienten typischerweise größer wird. Insbesondere...
Ich versuche zu verstehen, wie Einflussfunktionen funktionieren. Könnte jemand im Kontext einer einfachen OLS-Regression erklären yi=α+β⋅xi+εiyi=α+β⋅xi+εi\begin{equation} y_i = \alpha + \beta \cdot x_i + \varepsilon_i \end{equation} wo ich die Einflussfunktion für will...
Ich weiß, wie man eine lineare Regression auf einer Menge von Punkten durchführt. Das heißt, ich kann ein Polynom meiner Wahl an einen gegebenen Datensatz anpassen (im LSE-Sinne). Was ich jedoch nicht weiß, ist, wie ich meine Lösung zwingen kann, bestimmte Punkte meiner Wahl durchzugehen. Ich habe...
Hier ist mein Kontext für diese Frage: Soweit ich weiß, können wir keine gewöhnliche Regression der kleinsten Quadrate in R ausführen, wenn wir gewichtete Daten und das surveyPaket verwenden. Hier müssen wir verwenden svyglm(), die stattdessen ein verallgemeinertes lineares Modell ausführt (was das...
Wenn in Standard-OLS-Regressionen zwei Annahmen verletzt werden (Normalverteilung von Fehlern, Homoskedastizität), sind Bootstrapping-Standardfehler und Konfidenzintervalle eine geeignete Alternative, um zu aussagekräftigen Ergebnissen hinsichtlich der Signifikanz von Regressorkoeffizienten zu...
Ich versuche, die log-Wahrscheinlichkeit für eine verallgemeinerte nichtlineare Regression der kleinsten Quadrate für die Funktion f ( x ) = β 1 zu berechnenoptimiert durch dieFunktion im R-Paketunter Verwendung der Varianz-Kovarianz-Matrix, die durch Abstände auf einem phylogenetischen Baum unter...
Ich möchte ein Regressionsmodell erstellen, bei dem es sich um einen Durchschnitt mehrerer OLS-Modelle handelt, die jeweils auf einer Teilmenge der vollständigen Daten basieren. Die Idee dahinter basiert auf diesem Papier . Ich erstelle k Falten und erstelle k OLS-Modelle, die jeweils auf Daten...
Ich versuche, die Ausgabe von nls () zu interpretieren. Ich habe diesen Beitrag gelesen, verstehe aber immer noch nicht, wie ich die beste Passform auswähle. Aus meinen Passungen habe ich zwei Ausgänge: > summary(m) Formula: y ~ I(a * x^b) Parameters: Estimate Std. Error t value...
Kann mich jemand auf einen (rekursiven) Online-Algorithmus für die Tikhonov-Regularisierung (regularisierte kleinste Quadrate) hinweisen? In einer Offline-Einstellung würde ich Verwendung meines ursprünglichen Datensatzes berechnen, wobei unter Verwendung der n-fachen Kreuzvalidierung gefunden...
Ich habe lineare Regression studiert und es unter der Menge {(x, y)} versucht, wobei x die Fläche des Hauses in Quadratfuß und y den Preis in Dollar angab. Dies ist das erste Beispiel in Andrew Ng Notes . 2104,400 1600,330 2400,369 1416,232 3000,540 Ich habe einen Beispielcode entwickelt, aber wenn...
Die Frage ist einfach: Ist es angemessen, eine lineare Regression zu verwenden, wenn Y begrenzt und diskret ist (z. B. die Testergebnisse 1 bis 100, einige vordefinierte Rangfolgen 1 bis 17)? Ist es in diesem Fall "nicht gut", eine lineare Regression zu verwenden, oder ist es völlig falsch, sie zu...
Die Frage oben sagt alles. Grundsätzlich ist meine Frage nach einer generischen Anpassungsfunktion (die beliebig kompliziert sein kann), die in den Parametern, die ich abzuschätzen versuche, nichtlinear ist. Wie wählt man die Anfangswerte aus, um die Anpassung zu initialisieren? Ich versuche,...
Was ist der Unterschied zwischen kleinsten Quadraten und linearer Regression? Ist es
Ich bin sehr neu in Partial Least Squares (PLS) und versuche, die Ausgabe der R-Funktion plsr()im plsPaket zu verstehen . Lassen Sie uns Daten simulieren und den PLS ausführen: library(pls) n <- 50 x1 <- rnorm(n); xx1 <- scale(x1) x2 <- rnorm(n); xx2 <- scale(x2) y <- x1 + x2 +...
Ich habe angefangen, gewöhnliche Schätzer für kleinste Quadrate (OLS) zu studieren und bin noch ganz am Anfang. Ich habe bereits einige Bücher über Ökonometrie gekauft, aber online nichts gefunden. Ich habe mich also gefragt, ob es eine Website, eine Homepage oder andere Online-Ressourcen gibt, die...
Gibt es eine Faustregel oder überhaupt eine Möglichkeit zu bestimmen, wie groß eine Stichprobe sein sollte, um ein Modell mit einer bestimmten Anzahl von Parametern zu schätzen? Wenn ich beispielsweise eine Regression der kleinsten Quadrate mit 5 Parametern schätzen möchte, wie groß sollte die...
Wenn ich ein Regressionsmodell habe: wobei und ,Y.= X.β+ εY=Xβ+ε Y = X\beta + \varepsilon V[ε]=Id∈Rn×nV[ε]=Id∈Rn×n\mathbb{V}[\varepsilon] = Id \in \mathcal{R} ^{n \times n}E[ε]=(0,…,0)E[ε]=(0,…,0)\mathbb{E}[\varepsilon]=(0, \ldots , 0) Wann wäre die Verwendung von , dem gewöhnlichen Schätzer...
Ich wundere mich über den Unterschied zwischen ihnen. Grundsätzlich erledigen sie am Ende die gleiche Aufgabe, indem sie Parameterkoeffizienten finden, aber sie sehen genauso anders aus, wie wir die Koeffizienten finden. Für mich scheint die Methode der kleinsten Quadrate Differenzierung und...
Ich möchte feststellen, ob Kollinearität ein Problem in meiner OLS-Regression ist. Ich verstehe, dass Varianzinflationsfaktoren und der Zustandsindex zwei häufig verwendete Messgrößen sind, finde es jedoch schwierig, etwas Bestimmtes in Bezug auf die Vorzüge jedes Ansatzes oder die Höhe der...