Preguntas etiquetadas con regression

¿Hay alguna manera de trazar la línea de regresión de un modelo por partes como este, que no sea usar linespara trazar cada segmento por separado o usar geom_smooth(aes(group=Ind), method="lm", fill=FALSE)? m.sqft <- mean(sqft) model <- lm(price~sqft+I((sqft-m.sqft)*Ind)) # sqft, price: continuous variables, Ind: if sqft>mean(sqft) then 1 else 0 plot(sqft,price) …

10 r  data-visualization  regression 

El modelo subyacente de PLS es que un determinado matriz y vector están relacionadas por donde es un latente de la matriz, y son términos de ruido (suponiendo que están centrados).n×mn×mn \times mXXXnnnyyyX=TP′+E,X=TP′+E,X = T P' + E, y=Tq′+f,y=Tq′+f,y = T q' + f,TTTn×kn×kn \times kE,fE,fE, fX,yX,yX, y PLS produce …

10 regression  confidence-interval  latent-variable  partial-least-squares 

Estoy ajustando un modelo lineal en R usando glmnet. El modelo original (no regularizado) se ajustó utilizando lmy no tenía un término constante (es decir, tenía la forma lm(y~0+x1+x2,data)). glmnettoma una matriz de predictores y un vector de respuestas. He estado leyendo glmnetdocumentación y no encuentro mención del término constante. …

10 r  regression  lasso 

La "regresión espuria" (en el contexto de series de tiempo) y los términos asociados, como las pruebas de raíz unitaria, son algo de lo que he oído hablar mucho, pero que nunca entendí. ¿Por qué / cuándo, intuitivamente, ocurre? (Creo que es cuando sus dos series temporales están cointegradas, es …

10 time-series  regression  cointegration 

He estado leyendo algunos sobre Mínimos cuadrados generalizados (GLS) y tratando de relacionarlo con mi fondo econométrico básico. Recuerdo que en la escuela de posgrado usé Regresión aparentemente no relacionada (SUR) que parece algo similar a GLS. Un artículo con el que me topé incluso se refirió al SUR como …

10 regression  generalized-least-squares 

Cuando llevo a cabo la regresión lineal múltiple de OLS, en lugar de graficar los residuos contra valores ajustados, grafo los residuales Studentizados (internos) contra valores ajustados (lo mismo para las covariables). Estos residuos se definen como: e∗i=eis2(1−hii)−−−−−−−−−√ei∗=eis2(1−hii)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} donde es el residuo y son los …

10 regression  residuals  diagnostic 

Supongamos que estoy interesado en un modelo de regresión lineal, para , porque me gustaría ver si una interacción entre las dos covariables tiene un efecto en Y.Yi=β0+β1x1+β2x2+β3x1x2Yi=β0+β1x1+β2x2+β3x1x2Y_i = \beta_0 + \beta_1x_1 + \beta_2x_2 + \beta_3x_1x_2 En las notas de un curso para profesores (con quienes no tengo contacto), dice: …

10 regression  multiple-regression  interaction  linear-model 

Supongamos que tenemos un modelo Yi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiYi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiY_i = \beta_0 + \beta_1X_{i1} + \beta_2X_{i2} + \dots + \beta_kX_{ik} + \epsilon_i . La regresión tiene una serie de supuestos, como que los errores ϵiϵi\epsilon_i deberían distribuirse normalmente con media cero y varianza constante. Me han enseñado para comprobar estos supuestos utilizando una parcela …

10 regression  residuals  error 

He estado revisando la documentación de sklearn pero no puedo entender el propósito de estas funciones en el contexto de la regresión logística. Porque decision_functiondice que es la distancia entre el hiperplano y la instancia de prueba. ¿Cómo es útil esta información en particular? y cómo se relaciona esto con …

10 regression  logistic  prediction  scikit-learn  decision 

Mi conjunto de datos ( ) tiene una variable dependiente (DV), cinco variables de "línea base" independientes (P1, P2, P3, P4, P5) y una variable de interés independiente (Q).norte≈ 10 , 000norte≈10,000N \approx 10,000 He ejecutado regresiones lineales de OLS para los siguientes dos modelos: DV ~ 1 + P1 …

10 regression  linear  r-squared 

Imagine que tenemos un modelo de regresión lineal con la variable dependiente . Encontramos su . Ahora, hacemos otra regresión, pero esta vez en , y de manera similar encontramos su . Me han dicho que no puedo comparar ambos para ver qué modelo es más adecuado. ¿Porqué es eso? …

10 regression  data-transformation  r-squared 

Sé que esto probablemente se haya discutido en otro lugar, pero no he podido encontrar una respuesta explícita. Estoy tratando de usar la fórmula R2= 1 - SSR / SSTR2=1-SSR/ /SSTR^2 = 1 - SSR/SST para calcular fuera de muestra R2R2R^2de un modelo de regresión lineal, donde SSRSSRSSR es la …

10 regression  machine-learning  r-squared  out-of-sample 

¿Son "residuales studentizados" y "residuales estandarizados" iguales en los modelos de regresión? Construí un modelo de regresión lineal en R y quería trazar la gráfica de los valores ajustados de los residuos Studentizados v / s, pero no encontré una forma automatizada de hacerlo en R. Supongamos que tengo un …

10 r  regression  residuals  terminology 

¿Cómo realizar una regresión de cresta no negativa? El lazo no negativo está disponible en scikit-learn, pero para cresta, no puedo imponer la no negatividad de las versiones beta, y de hecho, estoy obteniendo coeficientes negativos. ¿Alguien sabe a que se debe esto? Además, ¿puedo implementar la cresta en términos …

10 regression  lasso  regularization  ridge-regression 

Entiendo que podemos emplear la regularización en un problema de regresión de mínimos cuadrados como w∗=argminw[(y−Xw)T(y−Xw)+λ∥w∥2]w∗=argminw⁡[(y−Xw)T(y−Xw)+λ‖w‖2]\boldsymbol{w}^* = \operatorname*{argmin}_w \left[ (\mathbf y-\mathbf{Xw})^T(\boldsymbol{y}-\mathbf{Xw}) + \lambda\|\boldsymbol{w}\|^2 \right] y que este problema tiene una solución de forma cerrada como: w^=(XTX+λI)−1XTy.w^=(XTX+λI)−1XTy.\hat{\boldsymbol{w}} = (\boldsymbol{X}^T\boldsymbol{X}+\lambda\boldsymbol{I})^{-1}\boldsymbol{X}^T\boldsymbol{y}. Vemos que en la segunda ecuación, la regularización es simplemente agregar λλ\lambda …

10 regression  regularization  ridge-regression  overfitting  matrix-inverse