Wenig Hintergrund Ich arbeite an der Interpretation der Regressionsanalyse, aber ich bin sehr verwirrt über die Bedeutung von r, r im Quadrat und der restlichen Standardabweichung. Ich kenne die Definitionen: Charakterisierungen r misst die Stärke und Richtung einer linearen Beziehung zwischen...
Ich arbeite an einem sehr großen linearen Regressionsproblem, dessen Daten so groß sind, dass sie auf einem Cluster von Computern gespeichert werden müssen. Es ist viel zu groß, um alle Samples im Speicher einer einzelnen Maschine (sogar auf der Festplatte) zusammenzufassen. Um diese Daten zu...
Welche Bedeutung hat die Unterscheidung zwischen linearen und nichtlinearen Modellen? Die Frage Nichtlineares vs. verallgemeinertes lineares Modell: Wie verweisen Sie auf logistische, Poisson usw. Regression? und ihre Antwort war eine äußerst hilfreiche Klärung der Linearität / Nichtlinearität...
Ich lerne die lineare Regression mithilfe der Einführung in die lineare Regressionsanalyse von Montgomery, Peck und Vining . Ich möchte ein Datenanalyseprojekt auswählen. Ich habe den naiven Gedanken, dass eine lineare Regression nur dann geeignet ist, wenn man vermutet, dass es lineare funktionale...
Ich habe über die Nyström-Methode für die Annäherung an Kernel mit niedrigem Rang gelesen. Diese Methode wird in scikit-learn [1] implementiert, um Datenproben auf eine niedrigrangige Näherung der Kernel-Feature-Mapping zu projizieren. Nach meinem besten Wissen erzeugt es bei gegebenem...
Ich habe eine dreistufige Kontingenztabelle mit Zähldaten für mehrere Arten, der Wirtspflanze, von der sie gesammelt wurden, und ob diese Sammlung an einem regnerischen Tag stattgefunden hat (das ist tatsächlich wichtig!). Mit R könnten gefälschte Daten ungefähr so aussehen: count <- rpois(8,...
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...
Nehmen wir an, wir haben einen Zufallsvektor , der aus einer Verteilung mit der Wahrscheinlichkeitsdichtefunktion f → X ( → x ) gezogen wird . Wenn wir es linear durch eine n × n- Matrix A mit vollem Rang transformieren , um → Y = A → X zu erhalten , ist die Dichte von → Y gegeben durch f → Y ( → y...
Geschlossen . Diese Frage ist meinungsbasiert . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage, damit sie mit Fakten und Zitaten beantwortet werden kann, indem Sie diesen Beitrag bearbeiten .
Ich verstehe, dass das Grundprinzip des Algorithmus für LLE aus drei Schritten besteht. Ermitteln der Nachbarschaft jedes Datenpunkts anhand einer Metrik wie k-nn. Suchen Sie für jeden Nachbarn Gewichte, die die Auswirkung des Nachbarn auf den Datenpunkt angeben. Konstruieren Sie die niedrig...
Zur Analyse von Daten aus einem biophysikalischen Experiment versuche ich derzeit, eine Kurvenanpassung mit einem stark nichtlinearen Modell durchzuführen. Die Modellfunktion sieht grundsätzlich so aus: y=ax+bx−1/2y=ax+bx−1/2y = ax + bx^{-1/2} Hier ist insbesondere der Wert von bbb von großem...
Ich studiere und versuche, Faltungs-Neuronale Netze zu implementieren, aber ich nehme an, diese Frage gilt für mehrschichtige Perzeptrone im Allgemeinen. Die Ausgangsneuronen in meinem Netzwerk stellen die Aktivierung jeder Klasse dar: Das aktivste Neuron entspricht der vorhergesagten Klasse für...
Nachdem ich mir diese Frage angesehen habe: Beim Versuch, die lineare Regression mit Keras zu emulieren , habe ich versucht, mein eigenes Beispiel nur zu Studienzwecken zu erstellen und meine Intuition zu entwickeln. Ich habe einen einfachen Datensatz heruntergeladen und eine Spalte verwendet, um...
Kann jemand bitte erklären, warum wir logarithmische lineare Modelle sehr laienhaft verwenden? Ich komme aus dem Ingenieurwesen, und das ist wirklich ein schwieriges Thema für mich, also Statistik. Ich werde für eine Antwort dankbar
Modelle mit linearen gemischten Effekten sind Erweiterungen von linearen Regressionsmodellen für Daten, die in Gruppen gesammelt und zusammengefasst werden. Der Hauptvorteil ist, dass die Koeffizienten in Bezug auf eine oder mehrere Gruppenvariablen variieren können. Ich habe jedoch Probleme damit,...
Wenn wir Parameter der linearen Regression schätzen wollen, machen wir normale Gleichungen, so viele wie das lineare Modell die Anzahl der Unbekannten enthält. Warum heißen diese Gleichungen
Ich hoffe, dass die folgende allgemeine Frage Sinn macht. Bitte beachten Sie, dass ich für die Zwecke dieser speziellen Frage nicht an theoretischen (Fachgebiets-) Gründen für die Einführung von Nichtlinearität interessiert bin. Daher werde ich die vollständige Frage wie folgt formulieren : Was...
Ich hoffe aufrichtig, dass ich diese Frage so formuliert habe, dass sie definitiv beantwortet werden kann - wenn nicht, lassen Sie es mich bitte wissen und ich werde es erneut versuchen! Ich sollte auch beachten, dass ich R für diese Analysen verwenden werde. Ich habe mehrere Maßnahmen, von plant...
Mein - Datensatz ( N.≈ 10 , 000N.≈10,000N \approx 10,000 ) eine abhängige Variable (DV), fünf unabhängige "Baseline" Variablen (P1, P2, P3, P4, P5) und eine unabhängige Variable von Interesse (Q). Ich habe lineare OLS-Regressionen für die folgenden zwei Modelle ausgeführt: DV ~ 1 + P1 + P2 + P3 +...
Stellen Sie sich das folgende Problem vor. Ich habe wöchentliche Schnappschüsse von Preisdaten von K Artikeln sowie von verschiedenen Funktionen / Prädiktoren. Ich möchte vorhersagen, um wie viel sich der Preis in 2 Jahren ändern wird. Ich setze meinen Datensatz wie folgt zusammen: Jede Zeile...