Ich möchte ein binäres logistisches Regressionsmodell im Kontext von Streaming-Daten (mehrdimensionale Zeitreihen) verwenden, um den Wert der abhängigen Variablen der Daten (dh der Zeile), die gerade angekommen sind, unter Berücksichtigung der bisherigen Beobachtungen vorherzusagen. Soweit mir...
Ich möchte eine logistische Regression mit unausgeglichenen Daten modellieren (9: 1). Ich wollte die Gewichtsoption in der glmFunktion in R ausprobieren , bin mir aber nicht zu 100% sicher, was sie bewirkt. Nehmen wir an, meine Ausgabevariable ist c(0,0,0,0,0,0,0,0,0,1). jetzt möchte ich der "1" 10...
Kann jemand eine klare Liste der Unterschiede zwischen logarithmischer und logistischer Regression erstellen? Ich verstehe, dass ersteres ein einfaches lineares Regressionsmodell ist, aber mir ist nicht klar, wann jedes verwendet werden
Kurzfassung: Wir wissen, dass logistische Regression und Probit-Regression so interpretiert werden können, dass sie eine kontinuierliche latente Variable beinhalten, die vor der Beobachtung anhand eines festgelegten Schwellenwerts diskretisiert wird. Steht eine ähnliche latente
In einem kleinen Datensatz ( ), mit dem ich arbeite, geben mir mehrere Variablen eine perfekte Vorhersage / Trennung . Ich benutze daher die logistische Regression von Firth , um das Problem zu lösen.n ≤ 100n∼100n\sim100 Wenn ich das beste Modell nach AIC oder BIC auswähle , sollte ich bei der...
Die Daten haben viele Funktionen (z. B. 100) und die Anzahl der Instanzen liegt bei 100.000. Die Daten sind spärlich. Ich möchte die Daten mit logistischer Regression oder SVM anpassen. Woher weiß ich, ob Features linear oder nicht linear sind, sodass ich den Kernel-Trick verwenden kann, wenn er...
Ich habe ein verallgemeinertes lineares gemischtes Modell in R ausgeführt und einen Interaktionseffekt zwischen zwei Prädiktoren eingeschlossen. Die Wechselwirkung war nicht signifikant, aber die Haupteffekte (die beiden Prädiktoren) waren beide. Nun sagen mir viele Lehrbuchbeispiele, dass bei...
Was ist der Unterschied zwischen logistischer und logistischer Regression? Ich verstehe, dass sie ähnlich sind (oder sogar dasselbe), aber könnte jemand den Unterschied zwischen diesen beiden erklären? Geht es um
Präzision ist definiert als: p = true positives / (true positives + false positives) Ist es richtig, dass sich die Genauigkeit 1 nähert true positivesund false positivessich 0 nähert? Gleiche Frage zum Rückruf: r = true positives / (true positives + false negatives) Ich führe derzeit einen...
Es fiel mir schwer, die Verwendung der logistischen Regression in einem Papier zu verstehen. Das Papier verfügbar hier verwendet logistische Regression Wahrscheinlichkeit von Komplikationen während der Operation des Grauen Stars zu prognostizieren. Was mich verwirrt, ist, dass das Papier ein...
Ok, ich habe eine logistische Regression und habe die predict()Funktion verwendet, um eine Wahrscheinlichkeitskurve basierend auf meinen Schätzungen zu entwickeln. ## LOGIT MODEL: library(car) mod1 = glm(factor(won) ~ as.numeric(bid), data=mydat, family=binomial(link="logit")) ## PROBABILITY...
Ich führte ein multinomiales Logit-Modell in JMP durch und erhielt Ergebnisse, die den AIC sowie Chi-Quadrat-p-Werte für jede Parameterschätzung enthielten. Das Modell hat ein kategoriales Ergebnis und 7 kategoriale erklärende Varianten. Ich passe dann an, was ich dachte, würde dasselbe Modell in...
Angenommen, ich möchte ein Modell erstellen, um eine Art Verhältnis oder Prozentsatz vorherzusagen. Nehmen wir zum Beispiel an, ich möchte die Anzahl der Jungen und Mädchen vorhersagen, die an einer Party teilnehmen, und Merkmale der Party, die ich im Modell verwenden kann, sind etwa die Menge der...
Ich habe die logistische Regression immer als einen speziellen Fall der binomischen Regression betrachtet, bei dem die Verknüpfungsfunktion die logistische Funktion ist (anstelle einer Probit-Funktion). Nach dem Lesen der Antworten auf eine andere Frage, die ich hatte, könnte ich verwirrt sein,...
Wir haben viele gute Diskussionen über die perfekte Trennung in der logistischen Regression. So führte die logistische Regression in R zu einer perfekten Trennung (Hauck-Donner-Phänomen). Was jetzt? Das logistische Regressionsmodell konvergiert nicht . Ich persönlich glaube immer noch, dass es...
Ich suche nach Klassifikatoren, die Wahrscheinlichkeiten ausgeben, dass Beispiele zu einer von zwei Klassen gehören. Ich kenne logistische Regression und naive Bayes, aber können Sie mir von anderen erzählen, die auf ähnliche Weise arbeiten? Das heißt, Klassifizierer, die nicht die Klassen...
Ich möchte verstehen, wie man Vorhersageintervalle für logistische Regressionsschätzungen erzeugt. Mir wurde geraten, die Verfahren in Colletts Modeling Binary Data , 2nd Ed S.98-99, zu befolgen. Nachdem predict.glmich dieses Verfahren implementiert und mit Rs verglichen habe, denke ich, dass...
Ich versuche zu verstehen, wie die logistische Regression die Binomialverteilung verwendet. Angenommen, ich untersuche den Erfolg von Nestern bei Vögeln. Die Wahrscheinlichkeit, dass ein Nest erfolgreich ist, beträgt 0,6. Mit der Binomialverteilung kann ich die Wahrscheinlichkeit für r Erfolge...
Wenn ich in einem maschinellen Lernalgorithmus richtig verstanden habe, muss das Modell aus seiner Erfahrung lernen, dh wenn das Modell die falsche Vorhersage für die neuen Fälle liefert, muss es sich an die neuen Beobachtungen anpassen und mit der Zeit wird das Modell immer besser . Ich sehe...
Von hier aus überprüfe ich eine Implementierung von Logistic Regression . Nachdem ich diesen Artikel gelesen habe, scheint es wichtig zu sein, die besten Koeffizienten für die Bestimmung der Sigmoidfunktion zu finden. Ich frage mich nur, warum diese Methode "Logistische Regression" heißt. Hängt es...