Preguntas etiquetadas con regression

Entiendo que significa que el modelo es malo para predecir puntos de datos individuales, pero ha establecido una tendencia firme (por ejemplo, y sube cuando x sube).

14 regression  inference  r-squared  linear 

¿Por qué la regresión lineal y el modelo generalizado tienen supuestos inconsistentes? En la regresión lineal, suponemos que el residuo proviene de Gauss En otra regresión (regresión logística, regresión por envenenamiento), asumimos que la respuesta viene de alguna distribución (binomial, veneno, etc.). ¿Por qué a veces se asume residual y …

14 regression  generalized-linear-model  assumptions  linear 

Puede ser una pregunta extraña, pero como novato en el tema, me pregunto por qué usamos la regresión para detener una serie de tiempo si una de las suposiciones de la regresión es que los datos deberían aplicarse, mientras que los datos en los que se aplica la regresión son …

14 regression  time-series  trend  iid 

He tomado un curso de aprendizaje automático en mi universidad. En uno de los premios, se hizo esta pregunta. Modelo 1: Modelo 2:y=θx+ϵy=θx+ϵ y = \theta x + \epsilon y=θx+θ2x+ϵy=θx+θ2x+ϵ y = \theta x + \theta^2 x + \epsilon ¿Cuál de los modelos anteriores se ajustaría mejor a los datos? …

14 regression  machine-learning  self-study  modeling  model 

Nota: = Suma de cuadrados totales, = Suma de errores al cuadrado, y = Suma de cuadrados de la regresión. La ecuación en el título a menudo se escribe como:SSTSSTSSTSSESSESSESSRSSRSSR ∑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 y)^2=\sum_{i=1}^n (y_i-\hat y_i)^2+\sum_{i=1}^n (\hat y_i-\bar y)^2 Pregunta bastante directa, pero estoy buscando una explicación intuitiva. Intuitivamente, me parece …

14 regression  least-squares  r-squared 

Tengo algunos datos que me gustaría suavizar para que los puntos suavizados disminuyan monotónicamente. Mis datos disminuyen bruscamente y luego comienzan a estabilizarse. Aquí hay un ejemplo usando 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() ¿Cuál es una buena técnica de suavizado que podría usar? Además, sería bueno si …

14 regression  smoothing 

Todos los ejemplos que encontré usando creencias profundas o redes neuronales convolucionales las usan para la clasificación de imágenes, detección de caracteres o reconocimiento de voz. ¿Las redes neuronales profundas también son útiles para las tareas de regresión clásicas, donde las características no están estructuradas (por ejemplo, no están organizadas …

14 regression  machine-learning  neural-networks  deep-learning 

Sé que la regresión de procesos gaussiana (GPR) es una alternativa al uso de splines para ajustar modelos no lineales flexibles. Me gustaría saber en qué situaciones una sería más adecuada que la otra, especialmente en el marco de regresión bayesiano. Ya he visto ¿Cuáles son las ventajas / desventajas …

14 regression  gaussian-process  splines  kriging 

Digamos que estamos interesados ​​en cómo las calificaciones de los exámenes de los estudiantes se ven afectadas por la cantidad de horas que esos estudiantes estudian. Para explorar esta relación, podríamos ejecutar la siguiente regresión lineal: exam.gradesi=a+β1×hours.studiedi+eiexam.gradesi=a+β1×hours.studiedi+ei \text{exam.grades}_i = a + \beta_1 \times \text{hours.studied}_i + e_i Pero si tomamos muestras …

14 regression  mixed-model  random-effects-model  non-independent 

Tengo un modelo lineal generalizado que adopta una distribución gaussiana y una función de enlace de registro. Después de ajustar el modelo, verifico los residuos: gráfico QQ, residuos frente a valores pronosticados, histograma de residuos (reconociendo que se necesita la debida precaución). Todo se ve bien. Esto parece sugerir (para …

14 regression  generalized-linear-model  link-function 

Realicé una regresión lineal de aceptación en la universidad contra los puntajes del SAT y los antecedentes familiares / étnicos. Los datos son ficticios. Este es un seguimiento de una pregunta anterior, ya respondida. La pregunta se centra en la recopilación e interpretación de las razones de posibilidades al dejar …

14 r  regression  logistic 

Cuando decimos, para retroceder contra X , ¿queremos decir que X es la variable independiente e Y la variable dependiente? es decir, Y = a X + b .YYYXXXXXXY=aX+bY=aX+bY =aX + b

14 regression  terminology 

He leído diferentes descripciones de datos censurados: A) Como se explica en este hilo, los datos no cuantificados por debajo o por encima de cierto umbral están censurados. Sin cuantificar significa que los datos están por encima o por debajo de cierto umbral, pero no sabemos el valor exacto. Los …

14 regression  terminology  censoring 

Estoy leyendo un artículo y el autor escribió: El efecto de A, B, C en Y se estudió mediante el uso de análisis de regresión múltiple. A, B, C se ingresaron en la ecuación de regresión con Y como la variable dependiente. El análisis de varianza se presenta en la …

14 regression  correlation  terminology 

He leído en Abdi (2003) que Cuando las variables independientes son ortogonales por pares, el efecto de cada una de ellas en la regresión se evalúa calculando la pendiente de la regresión entre esta variable independiente y la variable dependiente. En este caso, (es decir, la ortogonalidad de los IV), …

14 regression  multiple-regression  regression-coefficients  terminology