Preguntas etiquetadas con regression

El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por...

Tengo un conjunto de datos que contiene 365 observaciones de tres variables pm, a saber , tempy rain. Ahora quiero verificar el comportamiento de pmen respuesta a los cambios en otras dos variables. Mis variables son: pm10 = Respuesta (dependiente) temp = predictor (independiente) rain =...

Supongamos que tengo dos estimadores y que son estimadores consistentes del mismo parámetro y tal que con en el sentido psd. Por lo tanto, asintóticamente es más eficiente que . Estos dos estimadores se basan en diferentes funciones de

Al realizar una regresión polinómica para sobre , las personas a veces usan polinomios en bruto, a veces polinomios ortogonales. Pero cuando usan lo que parece completamente arbitrario.XYYYXXX Aquí y aquí se utilizan polinomios en bruto. Pero aquí y aquí , los polinomios ortogonales parecen dar...

Estoy ejecutando un modelo de regresión con Lasso y Ridge (para predecir una variable de resultado discreta que va de 0 a 5). Antes de ejecutar el modelo, utilizo el SelectKBestmétodo de scikit-learnreducir el conjunto de características de 250 a 25 . Sin una selección inicial de características,...

Estoy trabajando en algún proyecto de modelado predictivo en estos días: tratando de aprender un modelo y hacer predicciones en tiempo real basadas en el modelo que aprendí sin conexión. Comencé a usar la regresión de cresta recientemente, porque leí que la regularización puede ayudar a reducir el...

Modelo lineal simple: ϵ t N ( 0 , σ 2 )x = α t + ϵtx=αt+ϵtx=\alpha t + \epsilon_t donde ~ iidϵtϵt\epsilon_tnorte( 0 , σ2)N(0,σ2)N(0,\sigma^2) con yV a r ( x ) = σ 2mi( x ) = α tE(x)=αtE(x) = \alpha tVa r ( x ) = σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): ϵ t N ( 0 , σ 2 )Xt= α Xt - 1+ ϵtXt=αXt−1+ϵtX_t...

Los modelos de efectos lineales mixtos son extensiones de modelos de regresión lineal para datos que se recopilan y resumen en grupos. Las ventajas clave son que los coeficientes pueden variar con respecto a una o más variables de grupo. Sin embargo, estoy luchando con cuándo usar el modelo de...

Soy un estudiante de física que estudia el aprendizaje automático / ciencia de datos, así que no me refiero a que esta pregunta inicie ningún conflicto :) Sin embargo, una gran parte de cualquier programa de pregrado de física es hacer laboratorios / experimentos, lo que significa una gran cantidad...

Soy consciente del hecho de que las variables categóricas con k niveles deben codificarse con k-1 en la codificación ficticia (de manera similar para las variables categóricas de valores múltiples). Me preguntaba cuánto problema tiene una codificación de un punto (es decir, usando k variables en...

Estoy leyendo el capítulo 13 "Aventuras en covarianza" en el libro ( excelente ) Replanteamiento estadístico de Richard McElreath, donde presenta el siguiente modelo jerárquico: ( Res una matriz de correlación) El autor explica que LKJcorres un previo poco informativo que funciona como un...

Quiero mejorar mi comprensión de las redes neuronales y sus beneficios en comparación con otros algoritmos de aprendizaje automático. Mi comprensión es la siguiente y mi pregunta es: ¿Pueden corregir y complementar mi comprensión por favor? :) Mi entendimiento: (1) Redes neuronales artificiales...

Cuando queremos estimar los parámetros de regresión lineal, hacemos ecuaciones normales, ya que el modelo lineal contiene varias incógnitas. ¿Por qué estas ecuaciones se llaman ecuaciones

Tengo dos regresiones de la misma Y y X de tres niveles. En general n = 15, con n = 5 en cada grupo o nivel de X. La primera regresión trata la X como categórica, asignando variables indicadoras a los niveles 2 y 3 con nivel Uno es la referencia. Los indicadores / dummies son así: X1 = 1 si nivel =...

El título lo dice todo. Entiendo que los mínimos cuadrados y la máxima verosimilitud darán el mismo resultado para los coeficientes de regresión si los errores del modelo se distribuyen normalmente. Pero, ¿qué sucede si los errores no se distribuyen normalmente? ¿Por qué los dos métodos ya no son...

En la configuración de regresión univariante, intentamos modelar y= Xβ+ n o i s ey=Xβ+noisey = X\beta +noise donde un vector de n observaciones y X ∈ R n × m la matriz de diseño con m predictores. La solución es β 0 = ( X T X ) - 1 X y .y∈Rny∈Rny \in \mathbb{R}^nnnnX∈Rn×mX∈Rn×mX \in...

¿Hay alguna manera de obtener un puntaje de confianza (podemos llamarlo también valor de confianza o probabilidad) para cada valor pronosticado cuando se usan algoritmos como Bosques aleatorios o Incremento de gradiente extremo (XGBoost)? Digamos que este puntaje de confianza iría de 0 a 1 y...

Esta pregunta está inspirada en la respuesta de Martijn aquí . var [ X] = E[ X] E[ 1 - X]var[X]=E[X]E[1−X]\text{var}[X] = E[X]E[1-X]var [ X] = E[ X]var[X]=E[X]\text{var}[X] = E[X] A diferencia de la regresión lineal cuando los residuos se distribuyen normalmente, no se conoce la distribución de...

Busqué sobre la Regresión Bayesian Ridge en Internet, pero la mayor parte del resultado que obtuve es sobre la Regresión Lineal Bayesian. Me pregunto si son las mismas cosas porque la fórmula se parece

Cerrada . Esta pregunta necesita detalles o claridad . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Agregue detalles y aclare el problema editando esta publicación . Cerrado hace 2 años . Estoy trabajando en una tarea donde...