linear-regression

    1熱度

    1回答

    我想有四個預測我在哪裏可以自由指定 整體解釋模型 所有標準化迴歸係數的大小的變化來模擬數據進行多元線性迴歸 的預測變量彼​​此相關的程度 我到達了滿足前兩點的解決方案,但是基於所有ind自變量彼此無關(請參閱下面的代碼)。爲了得到標準化的迴歸係數,我從平均值= 0和方差= 1的總體變量中抽樣。 # Specify population variance/covariance of four pre

    0熱度

    1回答

    迴歸每個因變量(dep_var)對獨立變量(ind_var) 我試圖對一個獨立變量一次一個執行鍼對多個因變量線性迴歸。 當存在缺失觀察(NA),其全部行不用於該特定消退。 我已經通過循環/遍歷每個因變量列來完成它。 fit = list() for(i in 1 : 2) { fit[[i]] = lm(mydf$Ind_Var[ which(!is.na(mydf[ , (2+i)

    2熱度

    1回答

    我試圖解決方形的線性系統Xc=y。我知道解決這個的方法是: 使用逆c=<X^-1,y> 用高斯消元法 使用僞逆 似乎只要我可以告訴大家,這些別不符合我認爲的基本事實。 首先通過擬合30次多項式到頻率爲5的餘弦來生成真值參數。所以我有y_truth = X*c_truth。 然後我檢查,如果上述三種方法相匹配的真相 我嘗試過,但似乎該方法不匹配,我不明白爲什麼這應該是這樣的。 我公司生產的完全可運行

    0熱度

    1回答

    根據我有限的知識,線性函數只有兩個變量來定義它,即x和y。 然而,如每多元線性迴歸, h(x)=(theta transpose vector)*(x vector) where theta transpose vector = (n+1)x1 vector of parameters x vector = input variables x0, x1, x2 ....., xn

    2熱度

    2回答

    我想基於JavaScript中的過去利潤來對未來的組織進行簡單的利潤預測。我的數據集的日期是x軸,利潤是y軸。我是數據分析的新手,基本上我沒有知識,我不確定哪種預測算法最適合。 我做了一些研究here和here,發現我實際上可以使用線性迴歸預測算法。但是,從這些例子中,我只看到預測算法只是根據數據繪製一條直線來找出迴歸值,並且它根本沒有預測任何未來值。 我不知道上面提到的算法是否適用於我的情況?

    0熱度

    1回答

    我試圖弄清楚爲什麼LinearRegressionWithSGD不適用於Spark的ParamGridBuilder。從火花文檔: lr = LinearRegression(maxIter=10) paramGrid = ParamGridBuilder()\ .addGrid(lr.regParam, [0.1, 0.01]) \ .addGrid(lr.fitIntercept, [F

    2熱度

    1回答

    enter image description here如何在此圖中繪製線性迴歸線? 這裏是我的代碼: import numpy as np import pandas_datareader.data as web import pandas as pd import datetime import matplotlib.pyplot as plt #get adjusted close

    1熱度

    1回答

    我想在Python中使用Statsmodels做一些多元線性迴歸,但是我一直在嘗試組織我的數據時有一些心理障礙。 所以默認波士頓數據集是這樣的: 而且線性迴歸模型的輸出是這樣的: 我的原始數據是空間分隔像這樣: 而且我已經能夠將其安排到陣列中的位置: 有誰有更多的Python的經驗知道我可以以類似的方式格式化我的數據在波士頓的數據集,使我可以輕鬆實現我的迴歸模型?例如,設置對應於我的數據索引的fe

    0熱度

    1回答

    我正在分析一組數據,我需要找到它的迴歸。數據集中的數據點數量很少(〜15),因此我決定使用強大的線性迴歸作業。問題在於程序選擇了一些看起來不具有影響力的異常點。這裏是數據的散點圖,其影響用作尺寸: 點B和C(圖中用紅色圓圈表示)被選作異常值,而點A具有較高的影響力則不是。雖然A點並沒有改變回歸的總體趨勢,但它基本上定義了斜率與X最高的點一樣。而B點和C點隻影響斜率的顯着性。所以我的問題有兩個部分:

    1熱度

    1回答

    請注意,以前可能已經問過這個問題,但我還沒有找到明確的解決方案來處理數據框。 我想在5天的後面運行滾動線性迴歸。 (小,所以可以在這裏說明) 到目前爲止,我想: rollingbeta <- rollapply(df, width=5, FUN = function(Z) { t = lm(formula=y_