multinomial

0熱度

1回答

在爲我的logit模型格式化數據後，我得到了「if（abs（x-oldx）<ftol）」錯誤

它之前已經工作過，但是我一直在打開和關閉我的包，儘管也許和它無關。我之前運行過下面的代碼，它已經工作了。但是，在過去的幾個小時裏，我不斷收到同樣的錯誤「錯誤的，如果（ABS（X - oldx）< FTOL）{：缺失值，其中 TRUE/FALSE需要」我試圖運行沒有替代的常量Logit模型分析（雖然我不斷收到同樣的錯誤，無論我試圖生成係數）： H<-mlogit.data(heat, choic

0熱度

1回答

sklearn NB分類器：如何獲得單個樣本的實際概率？

我正在製作一個機器學習程序，將以下類別之一的字分類：硬件，軟件，None_of_these。我利用sklearn中的Multinomial樸素貝葉斯分類器。函數predict（）給了我對每個單詞的預測，但是，我看不到實際的概率（浮點範圍爲0到1.0），該單詞與預測的分類匹配。我也沒有在sklearn的網站上找到這個。是否有一個函數給我每個樣本的概率？

0熱度

1回答

如何基於R

我'努力做一個multinomial logistic regression用，使用R分類因變量，所以在開始迴歸我要檢查multicollinearity與表現爲dichotomous和ordinal所有獨立變量之前測試的多重共線性。如何測試multicollinearity？有人可以幫助我。

0熱度

1回答

MATLAB。我們如何通過插值得到2d多項式

我們給出了n×n個數據。近似的功能。例如，。如果我們給出2（1,1），3（1,2），4（2,1），5（2,2）那麼我們必須插入2 D-ultinomial作爲$ 0 * x * y + y + 2 * X-1 $。

0熱度

1回答

如何測試多項logit迴歸R中的聯合參數假設？

我試圖在足球比賽的博彩賠率中測試市場效率的假設。我們估計與mlogit包多項式Logit模型：型號：結果=日誌（P1/PX）+日誌（P2/PX）其中P1是主場取勝的隱含賭概率，Px的是一個平局的隱含的bookie概率，等等。Draw（x）是參考類別。現在我想使用基於似然性測試（LR，沃爾德或LM）用於以下假設： H0：β1=（0,1,0），β2=（0,0,1 ）即：在零假設下，兩個迴歸

0熱度

1回答

使用特徵向量中的權重進行離散分佈的樣本

我有一個Eigen::VectorXd中的權重集合，並且想從這些索引範圍中抽取樣本，使用這些值是概率。如果weights是std::vector我可以這樣做： std::random_device rd; std::mt19937 rng(rd()); std::discrete_distribution<int> dist(weights.begin(), weights.end());

0熱度

1回答

如何獲得R中多項式迴歸的最佳子集？

我是一個新的R用戶，我在R中用函數'vglm'使用多項式迴歸（即具有超過2類的響應變量的邏輯迴歸）。在我的數據集中，有11個連續預測變量和1個響應變量，分爲3類。我想得到我的迴歸的最佳子集，但我不知道該怎麼做。有沒有任何功能，或者我必須手動執行。因爲線性函數看起來不合適。我已經嘗試bestglm函數，但其結果似乎不適用於多項式迴歸。我也嘗試了一種收縮方法，glmnet相對於套索。它選擇模

1熱度

1回答

Multinomial分佈的dmultinom函數R

函數dmultinom (x, size = NULL, prob, log = FALSE)估計多項分佈的概率。但是，它不會以size = 1運行。理論上，當設置size = 1時，多項式分佈應該等同於分類分佈。有沒有人知道爲什麼錯誤信息？僅供參考，分類分佈可以通過dist.Categorical {LaplacesDemon}來建模。實例： dmultinom(c(1,2,1),siz

3熱度

1回答

MultinomialNB - Theory vs practice

好吧，我只是在學習Andrew Ng的機器學習課程。我目前正在閱讀this chapter，並且想使用SKLearn和Python嘗試Multinomial樸素貝葉斯（第12頁底部）。所以安德魯提出了一種方法，在這種情況下，每個電子郵件進行編碼，我們讓x_i表示在電子郵件中i個字的身份。因此，現在x_i是整數取值在{1, . . . , |V|}，其中|V|是我們的詞彙（字典）的大小。由n個詞

0熱度

1回答

如何指定從兩個多項分佈中隨機抽取的樣本之間的先驗關聯？

請考慮以下游戲：在每個試用版中，您將獲得x紅色和y藍色圓點。你必須決定是否有比藍點更多的紅色。對於每個試驗，給定顏色的最小點數是10，最大值是50.紅色和藍色點遵循相同的多項分佈（爲了簡單起見，讓我們考慮每個整數在10和50之間出現的概率相似）。我想建立300個試驗。爲此，我從每個多項分佈中抽取300個樣本。重要的是，我想指定（先驗）來自第一分佈的300個樣本與來自第二分佈的300個樣本之間的相