non-linear-regression

0熱度

1回答

我在nnet包中使用multinom()函數。我的數據有一百多萬行和四個獨立變量。功能本身在〜15分鐘內創建一個模型，我可以查看係數。我需要訪問它們作爲一個對象雖然（與$coefficients），但我不能，除非我保存summary()它。當我嘗試總結我的模型時，它運行了30多分鐘，看不到盡頭。是否有任何原因summary()功能需要這麼長時間，似乎是一個基本的報告工具？我如何加快速度？是否有

-1熱度

2回答

如何使用新的數據集在Tensorflow中測試經過訓練的神經網絡

我已經訓練了100％訓練數據集的神經網絡。現在我想用未包含在原始數據集中的新數據集來測試網絡。我的代碼在這裏給出... from __future__ import absolute_import from __future__ import division from __future__ import print_function from scipy.io import loadma

0熱度

1回答

非線性混合模型，而不羣結構規範

我想沒有任何層次結構（只是重複測量），以適應一個非常簡單的非線性混合模型（姜氏曲線）。首先，我只想在固定和隨機效果下嘗試。這是數據（我帶的10個樣本的子集，但我有396） data <- structure(list(CumGDD = c(124.66, 124.66, 124.66, 124.66, 124.66, 124.66, 124.66, 124.66, 124.66, 124.66

2熱度

2回答

在Scikit中找到混合度多項式學習支持向量迴歸

據我所知，在Scikit學習中支持向量迴歸需要一個度數的整數。但是，在我看來，好像是不考慮低階多項式。運行下面的例子： import numpy from sklearn.svm import SVR X = np.sort(5 * np.random.rand(40, 1), axis=0) Y=(2*X-.75*X**2).ravel() Y[::5] += 3 * (0.5 - n

0熱度

1回答

所有的Tensorflow輸出都是nan

import tensorflow as tf # Model parameters A = tf.Variable([.3], dtype=tf.float32) W = tf.Variable([.3], dtype=tf.float32) b = tf.Variable([-.3], dtype=tf.float32) # Model input and output x =

1熱度

1回答

關閉散點圖並僅打印迴歸線

我正在嘗試將回歸曲線擬合到我的數據中。我的代碼生成我想要的繪圖和曲線，但是，我不需要散點圖 - 只有線條。如果我將情節註釋掉，我的代碼就會失敗。有沒有辦法（繞過，關閉，隱藏）散點圖？最終，我將需要多元迴歸曲線在我的圖和散點圖變得分心比較。另外，我的R2顯示NULL。 R2有係數嗎？下面的代碼。 # get underlying plot y <- dataset$'Fuel Cons

0熱度

1回答

邊距軟件包命令花費太長時間運行

我想用這樣的數據集（與40K的意見），以評估在分對數迴歸變量的邊際效應： d1<- structure(list(dummy.eleito = c(1, 0, 0, 0, 0, 1, 1, 1, 1, 0), dummy.tratamento = c(1, 1, 0, 0, 0, 0, 0, 0, 0, 0), Escolaridade = c("SUPERIO

-1熱度

1回答

Python的迴歸 <p>但是如果我有分類數據有某種交互作用，以至於我希望變量倍增而不是添加？類似<code>y = (Ax1)*(Bx2)*(Cx3)</code></p>

我發現人們如何做使用sklearn和做reg.fit()其數據Python的線性迴歸，但這只是讓你做，如果你正在尋找一個像迴歸 y = Ax1 + Bx2 +Cx3等與交互分類數據的

-1熱度

1回答

X和Y是不相關的（0.3）;然而，當我把X在隨機森林分類預測Y，旁邊兩（A，B）其他（相關）變量，X和兩個其他變量（A，B）爲Y.注意的顯著預測的是，其他兩個（A， B）變量也無法與Y. 相關怎樣才能根據統計和機器學習的想法解釋這一點。代表一個或多個可變（A或B或Y）相對於另一變量（X），其中變量不具有很強的相關性。

0熱度

1回答

爲什麼隨機森林迴歸返回一個非常糟糕的結果？

我試圖在scikit_learn中使用randomforestregressor()來模擬一些數據。處理完我的原始數據後，我應用於randomforestregressor()的數據如下。以下只是我的數據的一小部分。實際上，大約有6000個數據。請注意，第一列是我創建的包含所有數據的DataFrame'final_data'的datetimeindex。另外，第4欄中的數據是字符串。我只是通過