Preguntas etiquetadas con regression

¿Alguien puede proporcionar una lista clara de las diferencias entre la regresión log-lineal y la regresión logística? Entiendo que el primero es un modelo de regresión lineal simple, pero no tengo claro cuándo se debe usar cada uno.

21 regression  logistic  logit  log-linear 

Para un modelo lineal , el término de contracción siempre es .y=β0+xβ+εy=β0+xβ+εy=\beta_0+x\beta+\varepsilonP(β)P(β)P(\beta) ¿Cuál es la razón por la que no término de sesgo (intercepción) ? ¿Deberíamos reducir el término de sesgo en los modelos de redes neuronales?β0β0\beta_0

21 regression  neural-networks  ridge-regression  intercept  shrinkage 

Ejecuté un modelo de regresión OLS en un conjunto de datos con 5 variables independientes. Las variables independientes y la variable dependiente son continuas y están relacionadas linealmente. El cuadrado R es de aproximadamente 99.3%. Pero cuando ejecuto lo mismo usando un bosque aleatorio en R, mi resultado es '% …

21 r  regression  random-forest 

Esta pregunta se migró de Mathematics Stack Exchange porque se puede responder en Cross Validated. Migrado hace 7 años . Ahora mismo estoy aprendiendo sobre el análisis de regresión y el análisis de varianza. En el análisis de regresión, tiene una variable fija y desea saber cómo va la variable …

21 regression 

Me pregunto cuál es la relación exacta entre parcial y los coeficientes en un modelo lineal y si debería usar solo uno o ambos para ilustrar la importancia y la influencia de los factores.R2R2R^2 Hasta donde sé, con las summaryestimaciones de los coeficientes y con anovala suma de los cuadrados …

21 r  regression  multiple-regression  regression-coefficients  r-squared 

Siempre tuve la impresión de que la regresión es solo una forma más general de ANOVA y que los resultados serían idénticos. Recientemente, sin embargo, ejecuté una regresión y un ANOVA en los mismos datos y los resultados difieren significativamente. Es decir, en el modelo de regresión, tanto los efectos …

21 r  regression  anova 

Estoy luchando por comprender el concepto de sesgo en el contexto del análisis de regresión lineal. ¿Cuál es la definición matemática de sesgo? ¿Qué es exactamente sesgado y por qué / cómo? ¿Ejemplo ilustrativo?

21 regression  terminology  bias  definition 

Una regresión de Poisson es un GLM con una función de enlace de registro. Una forma alternativa de modelar datos de recuento no distribuidos normalmente es preprocesar tomando el registro (o mejor dicho, el registro (1 + recuento) para manejar los 0). Si realiza una regresión de mínimos cuadrados en …

21 regression  poisson-distribution  generalized-linear-model 

Bloqueado . Esta pregunta y sus respuestas están bloqueadas porque la pregunta está fuera de tema pero tiene un significado histórico. Actualmente no acepta nuevas respuestas o interacciones. ¿Alguien podría ofrecer algunos consejos sobre cómo usar el weightsargumento en la lmfunción de R ? Digamos, por ejemplo, que estaba tratando …

21 r  regression 

En Modelización estadística: las dos culturas, Leo Breiman escribe La práctica actual aplicada es verificar el ajuste del modelo de datos utilizando pruebas de bondad de ajuste y análisis residual. En un momento, hace algunos años, configuré un problema de regresión simulada en siete dimensiones con una cantidad controlada de …

21 regression  goodness-of-fit 

Quiero comprender completamente la noción de describe la cantidad de variación entre las variables. Cada explicación web es un poco mecánica y obtusa. Quiero "entender" el concepto, no solo usar mecánicamente los números.r2r2r^2 Por ejemplo: horas estudiadas vs. puntaje de la prueba rrr = .8 r2r2r^2 = .64 ¿Entonces, qué …

21 regression  correlation  variance 

Aquí, eche un vistazo: puede ver exactamente dónde terminan los datos de entrenamiento. Los datos de entrenamiento van de a .−1−1-1111 Usé Keras y una red densa 1-100-100-2 con activación de tanh. Calculo el resultado a partir de dos valores, p y q como p / q. De esta manera …

21 regression  neural-networks  python  keras 

Considere el modelo estándar para regresión múltiple donde , por lo que la normalidad, la homocedasticidad y la falta de correlación de errores se mantienen.ε ∼ N ( 0 , σ 2 I n )Y= Xβ+ εY=Xβ+εY=X\beta+\varepsilonε ∼ N( 0 , σ2yonorte)ε∼N(0,σ2In)\varepsilon \sim \mathcal N(0, \sigma^2I_n) Supongamos que realizamos una …

21 regression  assumptions  ridge-regression 

Según un texto que estoy usando, la fórmula para la varianza del residuo yot hyothi^{th} viene dada por: σ2( 1 - 1norte- ( xyo- x¯¯¯)2Sx x)σ2(1-1norte-(Xyo-X¯)2SXX)\sigma^2\left ( 1-\frac{1}{n}-\frac{(x_{i}-\overline{x})^2}{S_{xx}} \right ) Me parece difícil de creer ya que la yot hyothi^{th} residual es la diferencia entre el ithyothi^{th} valor observado y …

21 regression  variance  residuals 

Estoy tratando de ajustar un modelo de regresión lineal múltiple a mis datos con un par de parámetros de entrada, digamos 3. F( x )F( x )= A x1+ B x2+ CX3+ do= ( A B C )T( x1 X2 X3) + d(yo)(ii)(yo)F(X)=UNAX1+siX2+doX3+reo(ii)F(X)=(UNA si do)T(X1 X2 X3)+re\begin{align} F(x) &= Ax_1 …

21 regression  data-visualization  multiple-regression  communication