Ich weiß, dass die Gaußsche Prozessregression (GPR) eine Alternative zur Verwendung von Splines zur Anpassung flexibler nichtlinearer Modelle ist. Ich würde gerne wissen, in welchen Situationen eine besser geeignet ist als die andere, insbesondere im Rahmen der Bayes'schen Regression. Ich habe...
Angenommen, wir sind daran interessiert, wie sich die Noten der Schülerprüfungen auf die Anzahl der Stunden auswirken, die diese Schüler studieren. Um diese Beziehung zu untersuchen, könnten wir die folgende lineare Regression durchführen:
Ich halte einen Vortrag über das Anpassen von Linien. Ich habe eine einfache lineare Funktion, y=1x+by=1x+by=1x+b . Ich versuche, verstreute Datenpunkte zu erhalten, die ich in ein Streudiagramm einfügen kann, damit meine Best-Fit-Linie der gleichen Gleichung entspricht. Ich würde diese Technik...
Alle Beispiele, die ich mit Deep-Believe- oder Faltungs-Neuronalen Netzen gefunden habe, verwenden sie zur Bildklassifizierung, zur Erkennung von Chat-Zeichen oder zur Spracherkennung. Sind tiefe neuronale Netze auch für klassische Regressionsaufgaben nützlich, bei denen die Merkmale nicht...
Als Teil der Ausgabe eines verallgemeinerten linearen Modells werden die Null- und Restabweichung verwendet, um das Modell zu bewerten. Die Formeln für diese Größen werden häufig als Log-Wahrscheinlichkeit des gesättigten Modells ausgedrückt. Beispiel: /stats//a/113022/22199 , Logistic Regression:...
Ich nehme an einem Kurs über Regressionsmodelle teil, und eine der Eigenschaften, die für die lineare Regression bereitgestellt werden, ist, dass die Residuen immer auf Null summieren, wenn ein Abschnitt enthalten ist. Kann jemand eine gute Erklärung dafür liefern, warum dies der Fall ist?...
Bei der Gratregression ist die zu minimierende Zielfunktion: RSS+λ∑β2j.RSS+λ∑βj2.\text{RSS}+\lambda \sum\beta_j^2. Kann dies mit der Lagrange-Multiplikatormethode optimiert werden? Oder ist es gerade
Ich habe einige Daten, die ich glätten möchte, damit die geglätteten Punkte monoton abnehmen. Meine Daten nehmen stark ab und beginnen dann ein Plateau. Hier ist ein Beispiel mit R df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() Was ist eine...
Anmerkung: SSTSSTSST = Summe der Quadrate insgesamt, SSESSESSE = Summe der quadrierten Fehler und SSRSSRSSR = Regressionssumme der Quadrate. Die Gleichung im Titel wird oft geschrieben als: ∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2∑i=1n(yi−y¯)2=∑i=1n(yi−y^i)2+∑i=1n(y^i−y¯)2\sum_{i=1}^n (y_i-\bar...
Ich habe an meinem College einen Maschinellen Lernkurs absolviert. In einem der Quiz wurde diese Frage gestellt. Modell 1: Modell 2:y=θx+ϵy=θx+ϵ y = \theta x + \epsilon y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon Welches der oben genannten Modelle passt besser zu Daten? (Angenommen,...
Ich bin wirklich verwirrt über den Bedeutungsunterschied im Zusammenhang mit der linearen Regression der folgenden Begriffe: F-Statistik R im Quadrat Reststandardfehler Ich habe diesen Webstie gefunden der mir einen guten Einblick in die verschiedenen Begriffe der linearen Regression gegeben...
Ich verstehe gerne den Unterschied zwischen mit und ohne Intercept-Modell in der logistischen Regression Gibt es einen Unterschied zwischen ihnen, außer dass die Koeffizienten beim Schnittpunkt das Protokoll (Odds Ratio) in Bezug auf die Basisliniengruppe und ohne Schnittpunkt das Protokoll (Odds)...
Es mag eine komische Frage sein, aber als Anfänger frage ich mich, warum wir die Regression verwenden, um eine Zeitreihe abzutrennen, wenn eine der Annahmen der Regression darin besteht, dass die Daten, auf die die Regression angewendet wird, a sind nicht
Warum haben lineare Regression und verallgemeinertes Modell inkonsistente Annahmen? Bei der linearen Regression nehmen wir an, dass der Rest von Gauß stammt Bei einer anderen Regression (logistische Regression, Gift-Regression) gehen wir davon aus, dass die Reaktion von einer gewissen Verteilung...
Ich verstehe das so, dass das Modell einzelne Datenpunkte schlecht vorhersagt, aber einen festen Trend festgestellt hat (z. B. steigt y, wenn x
Angenommen, wir haben die Eingabe- (Prädiktor) und Ausgabedatenpunkte (Antwortdatenpunkte) A, B, C, D, E, und wir möchten eine Linie durch die Punkte einpassen. Dies ist ein einfaches Problem, um die Frage zu veranschaulichen, kann aber auch auf höhere Dimensionen ausgedehnt werden. Problemstellung...
Bei der linearen Regression gehen wir von folgenden Annahmen aus Der Mittelwert der Antwort bei jedem Wertesatz der Prädiktoren ( x 1 i , x 2 i , ... ) ist eine lineare Funktion der Prädiktoren.E(Yi)E(Yi)E(Y_i)(x1i,x2i,…)(x1i,x2i,…)(x_{1i}, x_{2i},…) Die Fehler sind unabhängig.εiεiε_i Die Fehler...
http://www.chioka.in/differences-between-l1-and-l2-as-loss-function-and-regularization/ Wenn Sie oben in diesem Beitrag nachsehen, erwähnt der Verfasser, dass die L2-Norm eine eindeutige Lösung und die L1-Norm möglicherweise viele Lösungen enthält. Ich verstehe dies als Regularisierung, aber...
Ich habe einige Daten, die entlang einer ungefähr linearen Linie passen: Wenn ich eine lineare Regression dieser Werte durchführe, erhalte ich eine lineare Gleichung: y=0.997x−0.0136y=0.997x−0.0136y = 0.997x-0.0136 In einer idealen Welt, die Gleichung sollte seine .y=xy=xy = x Offensichtlich liegen...
Meine Frage ist sehr einfach: Warum wählen wir Normal als Verteilung, der der Fehlerterm bei der Annahme der linearen Regression folgt? Warum wählen wir nicht andere wie Uniform, t oder was auch