Misalkan saya sedang melakukan regresi dengan pelatihan, validasi, dan set tes. Saya dapat menemukan RMSE dan R kuadrat (R ^ 2, koefisien determinasi) dari output perangkat lunak saya (seperti fungsi R's lm ()). Pemahaman saya adalah bahwa tes RMSE (atau MSE) adalah ukuran kebaikan memprediksi...
Saya bereksperimen dengan regresi bertahap demi keberagaman dalam pendekatan saya terhadap masalah. Jadi, saya punya 2 pertanyaan: Apa keuntungan dari regresi bertahap? Apa kekuatan spesifiknya? Apa pendapat Anda tentang pendekatan hybrid, di mana Anda menggunakan regresi bertahap untuk memilih...
Oke jadi hanya sedikit kabur pada beberapa hal, bantuan apa pun akan sangat dihargai. Ini adalah pemahaman saya bahwa model regresi linier diprediksi melalui ekspektasi kondisional E( Y| X) = b + Xb + eE(Y|X)=b+Xb+eE(Y|X)=b+Xb+e Apakah kita berasumsi bahwa dan adalah variabel acak dengan...
Prof kami tidak masuk ke matematika atau bahkan representasi geometris dari regresi linier berganda dan ini membuat saya sedikit bingung. Di satu sisi itu masih disebut regresi linier berganda, bahkan dalam dimensi yang lebih tinggi. Di sisi lain, jika kita memiliki misalnya dan kita dapat...
The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan...
Saya memiliki kumpulan data yang berisi 365 observasi dari tiga variabel yaitu pm, tempdan rain. Sekarang saya ingin memeriksa perilaku pmdalam menanggapi perubahan dalam dua variabel lainnya. Variabel saya adalah: pm10 = Respon (tergantung) temp = prediktor (independen) rain = prediktor...
Misalkan saya memiliki dua estimator dan yang merupakan estimator konsisten dari parameter yang sama dan sedemikian rupa sehingga dengan dalam arti psd. Dengan demikian, asymptotically lebih efisien daripada . Kedua penaksir ini didasarkan pada fungsi kerugian yang berbeda. β
Saat melakukan regresi polinomial untuk ke , orang terkadang menggunakan polinomial mentah, terkadang polinomial ortogonal. Tetapi ketika mereka menggunakan apa yang tampaknya sepenuhnya sewenang-wenang.XYYYXXX Di sini dan di sini polinomial mentah digunakan. Tetapi di sini dan di sini ,...
Saya menjalankan model regresi baik dengan Lasso dan Ridge (untuk memprediksi variabel hasil diskrit mulai dari 0-5). Sebelum menjalankan model, saya menggunakan SelectKBestmetode scikit-learnuntuk mengurangi set fitur dari 250 menjadi 25 . Tanpa pemilihan fitur awal, Lasso dan Ridge menghasilkan...
Saya sedang mengerjakan beberapa proyek pemodelan prediktif dewasa ini: mencoba mempelajari suatu model dan membuat prediksi waktu nyata berdasarkan pada model yang saya pelajari secara offline. Saya mulai menggunakan regresi ridge baru-baru ini, karena saya membaca bahwa regularisasi dapat...
Model Linier Sederhana: x = α t + ϵtx=αt+ϵtx=\alpha t + \epsilon_t mana ~ iid N ( 0 , σ 2 )ϵtϵt\epsilon_tN( 0 , σ2)N(0,σ2)N(0,\sigma^2) dengan danV a r ( x ) = σ 2E( x ) = α tE(x)=αtE(x) = \alpha tVa r ( x ) = σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): Xt= α Xt - 1+ ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} +...
Model Efek Campuran Linier adalah Perpanjangan model Regresi Linier untuk data yang dikumpulkan dan dirangkum dalam kelompok. Keuntungan utama adalah koefisien dapat bervariasi sehubungan dengan satu atau lebih variabel grup. Namun, saya kesulitan dengan kapan harus menggunakan model efek...
Saya seorang mahasiswa fisika yang mempelajari pembelajaran mesin / ilmu data, jadi saya tidak bermaksud pertanyaan ini untuk memulai konflik apa pun :) Namun, sebagian besar program sarjana fisika adalah melakukan laboratorium / eksperimen, yang berarti banyak data pemrosesan dan analisis...
Saya menyadari fakta bahwa variabel kategori dengan level k harus dikodekan dengan variabel k-1 dalam pengkodean dummy (sama untuk variabel kategori multi-dihargai). Saya bertanya-tanya berapa banyak masalah melakukan pengkodean satu-panas (yaitu menggunakan variabel k sebagai gantinya) atas...
Saya membaca bab 13 "Adventures in Covariance" dalam buku ( hebat ) Statistical Rethinking oleh Richard McElreath di mana ia menyajikan model hierarkis berikut: ( Radalah matriks korelasi) Penulis menjelaskan bahwa itu LKJcorradalah informasi yang lemah sebelum bekerja sebagai pengatur...
Saya ingin meningkatkan pemahaman saya tentang jaringan saraf dan manfaatnya dibandingkan dengan algoritma pembelajaran mesin lainnya. Pemahaman saya seperti di bawah ini dan pertanyaan saya adalah: Bisakah Anda memperbaiki dan menambah pemahaman saya? :) Pemahaman saya: (1) Jaringan saraf...
Ketika kita ingin memperkirakan parameter regresi linier, kita membuat persamaan normal sebanyak model linier mengandung jumlah yang tidak diketahui. Mengapa persamaan ini disebut persamaan
Saya memiliki dua regresi dari Y yang sama dan tiga tingkat X. Secara keseluruhan n = 15, dengan n = 5 di setiap kelompok atau tingkat X. Regresi pertama memperlakukan X sebagai kategori, menetapkan variabel indikator ke level 2 dan 3 dengan level satu menjadi rujukan. Indikator / boneka seperti:...
Judul mengatakan itu semua. Saya mengerti bahwa Least-Squares dan Maximum-Likelihood akan memberikan hasil yang sama untuk koefisien regresi jika kesalahan model terdistribusi secara normal. Tetapi, apa yang terjadi jika kesalahan tidak terdistribusi secara normal? Mengapa kedua metode ini tidak...
Dalam pengaturan regresi univariat, kami mencoba memodelkan y= Xβ+ n o i s ey=Xβ+noisey = X\beta +noise di mana vektor pengamatan dan matriks desain dengan prediktor. Solusinya adalah . n X ∈ R n × m m β 0 = ( X T X ) - 1 X yy∈Rny∈Rny \in \mathbb{R}^nnnnX∈Rn×mX∈Rn×mX \in \mathbb{R}^{n \times...