Preguntas etiquetadas con generalized-linear-model

Actualmente estoy trabajando para modelar muertes por SIDA a lo largo del tiempo usando un GLM en R. Sé que hay dos opciones posibles para la función de enlace para datos de Poisson, log y raíz cuadrada. Sé que la raíz cuadrada incluso resolvería los problemas de variabilidad, mientras que …

8 regression  generalized-linear-model  poisson-distribution  link-function 

Así que estoy jugando con la idea de escribir un algoritmo que crezca y elimine un árbol de regresión de los datos y luego, en los nodos terminales del árbol, se ajuste a un GLM. He estado tratando de leer sobre la idea, pero parece que no puedo encontrar ningún …

8 regression  generalized-linear-model  cart 

Quiero ajustar un modelo lineal por R con family=binomial(link="identity"), sin embargo, la familia binomial no tiene un enlace de identidad. ¿Qué tengo que hacer?

8 r  generalized-linear-model  binomial  link-function 

Tengo datos que describen con qué frecuencia tiene lugar un evento durante una hora ("número por hora", nph) y cuánto duran los eventos ("duración en segundos por hora", dph). Estos son los datos originales: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

He estado usando la función glm.fit en R para ajustar parámetros a un modelo de regresión logística. Por defecto, glm.fit utiliza mínimos cuadrados repesados ​​de forma iterativa para ajustar los parámetros. ¿Cuáles son algunas razones por las cuales este algoritmo no podría converger, cuando se usa para la regresión logística?

8 r  logistic  generalized-linear-model  convergence  irls 

Me gustaría especificar un modelo de regresión logística donde tenga la siguiente relación: mi[YyoEl |Xyo] = f( βXyo 1+β2Xyo 2)E[Yi|Xi]=f(βxi1+β2xi2)E[Y_i|X_i] = f(\beta x_{i1} + \beta^2x_{i2}) donde es la función de logit inversa.Fff ¿Existe una forma "rápida" de hacer esto con funciones R preexistentes o hay un nombre para un modelo …

8 r  logistic  generalized-linear-model  nonlinear-regression 

Estoy buscando una medida adecuada de la "varianza explicada" de un Poisson GLM (usando una función de enlace de registro). He encontrado una cantidad de recursos diferentes (tanto en este sitio como en otros lugares) que analizan una serie de diferentes pseudo-R2R2R^2 medidas, pero casi todos los sitios mencionan las …

8 generalized-linear-model  poisson-distribution  r-squared 

Algunos de ustedes podrían haber leído este bonito artículo: O'Hara RB, Kotze DJ (2010) No log-transforma los datos de recuento. Methods in Ecology and Evolution 1: 118–122. Klick . Actualmente estoy comparando modelos binomiales negativos con modelos gaussianos en datos transformados. A diferencia de O'Hara RB, Kotze DJ (2010), estoy …

8 hypothesis-testing  generalized-linear-model  simulation  negative-binomial  type-i-and-ii-errors 

Primero simulemos algunos datos para una regresión logística con partes fijas y aleatorias: set.seed(1) n <- 100 x <- runif(n) z <- sample(c(0,1), n, replace=TRUE) b <- rnorm(2) beta <- c(0.4, 0.8) X <- model.matrix(~x) Z <- cbind(z, 1-z) eta <- X%*%beta + Z%*%b pr <- 1/(1+exp(-eta)) y <- rbinom(n, …

8 generalized-linear-model  maximum-likelihood  glmm  mixed-model  numerical-integration 

El proceso de generación de datos es:y= sin ( x + I( d= 0 ) ) + sin ( x + 4 ∗ I( d= 1 ) ) + I( d= 0 )z2+ 3 I( d= 1 )z2+ N ( 0 , 1 )y=sin(x+I(d=0))+sin(x+4∗I(d=1))+I(d=0)z2+3I(d=1)z2+N(0,1)y = \text{sin}\Big(x+I(d=0)\Big) + \text{sin}\Big(x+4*I(d=1)\Big) + I(d=0)z^2 …

8 r  regression  generalized-linear-model  nonparametric  splines 

Varias fuentes sugieren que hay muchas consecuencias negativas de la discretización (categorización) de variables continuas antes del análisis estadístico (muestra de referencias [1] - [4] a continuación). Por el contrario [5] sugiere que se sabe que algunas técnicas de aprendizaje automático producen mejores resultados cuando las variables continuas se discretizan …

8 machine-learning  generalized-linear-model  categorical-data  binning 

Estoy trabajando en modelos de datos de recuento cero inflados usando el psclpaquete. ¡Me pregunto por qué no hay desarrollo de modelos para modelos de datos de conteo inflados! Además, ¿por qué no hay desarrollo de modelos de datos de conteo bimodales, digamos cero y 2 inflados! Una vez que …

8 r  generalized-linear-model  zero-inflation  poisson-regression 

Mi proyecto actual puede requerir que construya un modelo para predecir el comportamiento de un determinado grupo de personas. el conjunto de datos de entrenamiento contiene solo 6 variables (la identificación es solo para fines de identificación): id, age, income, gender, job category, monthly spend en el cual monthly spendestá …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Tengo el siguiente modelo lineal generalizado. El objeto glmDVse modela como una proporción de éxitos sobre las pruebas totales. Los objetos x_ison variables continuas. ¿Cómo se ve esto en notación matemática? winp.glm = glm(glmDV ~ x1 + x2 + x3 + x4 + x5 + x6 + x7, data=myData, family=binomial("logit"))

8 r  generalized-linear-model  logit  notation 

¿Hay alguna forma de que pueda realizar LASSO con regresión binomial negativa en R? Estoy realizando una regresión binomial negativa en mi conjunto de datos porque los datos están demasiado dispersos para imponer la regresión de Poisson. Mientras tanto, también me enfrento a un problema de multicolinealidad. Ya intenté usar …

8 r  regression  generalized-linear-model