Preguntas etiquetadas con regression

Tengo un modelo (mixto) en el que uno de mis predictores debería estar a priori solo relacionado cuadráticamente con el predictor (debido a la manipulación experimental). Por lo tanto, me gustaría agregar solo el término cuadrático al modelo. Dos cosas me impiden hacerlo: Creo que leí algo que siempre debería …

57 regression  polynomial 

Tengo algunas preguntas sobre la regresión bayesiana: Dada una regresión estándar como . Si quiero cambiar esto en una regresión bayesiana, ¿necesito distribuciones previas para y (o no funciona de esta manera)?β 0 β 1y= β0 0+ β1x + εy=β0 0+β1X+εy = \beta_0 + \beta_1 x + \varepsilonβ0 0β0 0\beta_0β1β1\beta_1 …

57 regression  bayesian 

Sigo leyendo esto e intuitivamente puedo ver esto, pero ¿cómo se pasa de la regularización L2 a decir que este es un Prior Gaussiano analíticamente? Lo mismo ocurre con decir que L1 es equivalente a un previo de Laplace. Cualquier otra referencia sería genial.

56 regression  references  regularization 

Estoy tratando de predecir un resultado binario usando 50 variables explicativas continuas (el rango de la mayoría de las variables es a ). Mi conjunto de datos tiene casi 24,000 filas. Cuando corro en R, obtengo:−∞−∞-\infty∞∞\inftyglm Warning messages: 1: glm.fit: algorithm did not converge 2: glm.fit: fitted probabilities numerically 0 …

56 r  regression  logistic  separation 

Antecedentes Estoy haciendo investigación clínica en medicina y he tomado varios cursos de estadística. Nunca publiqué un artículo usando regresión lineal / logística y me gustaría hacer la selección de variables correctamente. La interpretabilidad es importante, por lo que no es necesario utilizar técnicas de aprendizaje automático. He resumido mi …

55 regression  feature-selection  model-selection 

Me gustaría tener tantos algoritmos que realicen la misma tarea que la regresión logística. Es decir, algoritmos / modelos que pueden dar una predicción a una respuesta binaria (Y) con alguna variable explicativa (X). Me alegraría que después de nombrar el algoritmo, si también mostrara cómo implementarlo en R. Aquí …

55 r  regression  logistic  classification  predictive-models 

Supongamos que es un investigador / econométrico de ciencias sociales que intenta encontrar predictores relevantes de la demanda de un servicio. Tiene 2 variables de resultado / dependientes que describen la demanda (utilizando el servicio sí / no y el número de ocasiones). Tiene 10 variables predictoras / independientes que …

54 regression  multivariate-analysis  predictive-models  multiple-regression  multiple-comparisons 

Parece que es posible obtener resultados similares a una red neuronal con una regresión lineal multivariada en algunos casos, y la regresión lineal multivariada es súper rápida y fácil. ¿En qué circunstancias pueden las redes neuronales dar mejores resultados que la regresión lineal multivariada?

54 regression  multiple-regression  neural-networks 

¿Existe una transformación similar a Box-Cox para variables independientes? Es decir, ¿una transformación que optimice la variable para que se ajuste más razonablemente a un modelo lineal?Xxxy~f(x) Si es así, ¿hay una función para realizar esto R?

53 r  regression  data-transformation  normality-assumption 

Estoy analizando algunos datos en los que me gustaría realizar una regresión lineal ordinaria, sin embargo, esto no es posible ya que estoy tratando con una configuración en línea con un flujo continuo de datos de entrada (que rápidamente será demasiado grande para la memoria) y necesito para actualizar las …

53 time-series  regression  algorithms  real-time 

¿Qué significa tener "varianza constante" en el término de error? A mi entender, tenemos datos con una variable dependiente y una variable independiente. La varianza constante es uno de los supuestos de la regresión lineal. Me pregunto qué significa la homocedasticidad. Dado que incluso si tengo 500 filas, tendría un …

53 regression  heteroscedasticity 

Supongo que me siento frustrado cada vez que escucho a alguien decir que la no normalidad de los residuos y / o la heterocedasticidad viola los supuestos de OLS. Para estimar los parámetros en un modelo OLS, ninguno de estos supuestos es necesario según el teorema de Gauss-Markov. Veo cómo …

52 regression  assumptions  normality-assumption  robust  teaching 

Estoy construyendo modelos de regresión. Como paso de preprocesamiento, escalo los valores de mis características para que tengan una media 0 y una desviación estándar 1. ¿Es necesario normalizar también los valores objetivo?

52 regression  machine-learning 

Algunos materiales que he visto sobre el aprendizaje automático dicen que es una mala idea abordar un problema de clasificación a través de la regresión. Pero creo que siempre es posible hacer una regresión continua para ajustar los datos y truncar la predicción continua para obtener clasificaciones discretas. Entonces, ¿por …

51 regression  machine-learning  classification 

Dado que RF puede manejar la no linealidad pero no puede proporcionar coeficientes, ¿sería prudente utilizar un bosque aleatorio para reunir las características más importantes y luego conectar esas características en un modelo de regresión lineal múltiple para obtener sus coeficientes?

50 regression  machine-learning  feature-selection  random-forest  regression-strategies