1回答
假设我们可以使用两个以上的特征变量来训练一个多元线性回归模型，我们怎么能想象模型的几何形状呢？
让我详细说明一下。对于具有特征变量和响应变量的线性回归模型，给出了一个线性回归方程(y = mx + c)和一个含有2个预测变量的多元线性回归模型，得到了平面(a(x-x1)+ b(y-y1) +c (z-z1) = 0)的方程。既然我们是人类，作为一
浏览 0提问于2020-08-27得票数 2
2回答
如果数据集包含一些特征，其中一些是分类变量，另一些是连续变量，则决策树比线性回归更好，因为树可以根据分类变量准确地划分数据。是否存在线性回归优于随机森林的情况？
浏览 2提问于2018-06-26得票数 3
2回答
如何知道线性回归、多元线性回归、多项式回归中需要进行特征缩放？因为在某些地方，我得到了一个点，特征缩放是不需要的，因为系数是存在的，而在某个地方，我得到了需要的特征缩放，那么实际的答案是什么。
浏览 2提问于2020-07-19得票数 0
1回答
我使用线性回归工具和岭正则化。要使用岭正则化，我必须首先缩放数据。橙色自动缩放数据吗？我找不到任何有关这方面的信息，在Orange的文件中提到的岭正规化。在python的scikit-learn中，在使用Ridge回归之前，我必须手动缩放数据。在MATLAB中，岭函数的缩放包括。那么，在使用橙色的Ridge回归之前，我必须手动缩放数据吗？谢谢你<
浏览 0提问于2018-10-01得票数 2
回答已采纳
1回答
我正在做三件事：
数据为二维(x和y)，x为15000到80000，y为1000至5500。采用线性回归</e
浏览 1提问于2016-03-06得票数 0
回答已采纳
1回答
线性回归缩放特征
、、、
我想做一个线性回归。我的功能如下所示： Marketcap EBIT Margin Price to Book Ratio EPS Growth
8.639290e+09 7.8 12.74 - 55.00 在进行线性回归时，我确实必须对特征进行缩放，特别是当它们具有如此不同的尺度时，如市值和其他特征
浏览 27提问于2020-11-19得票数 0
1回答
神经网络背后的激励思想似乎是他们学习了应用逻辑回归的“正确”特征。线性回归有没有类似的方法？(或者只是一般的回归问题？)做一件显而易见的事情，移除对所有神经元(即，包括隐藏层)的sigmoid函数的应用，是否有意义/可行？(即，每个神经元执行线性回归，而不是逻辑回归)。或者，只将输出值缩放到0,1的做法(可能更明显)会
浏览 1提问于2013-12-28得票数 1
1回答
今天的降雨量
、、、
今天，我想在中计算mm.So的降雨量，首先我想知道是否是线性回归问题还是Logistic回归问题，以及如何计算数据集中是否有一些属性较大的no。一些例子。以及如何知道何时使用特性缩放&如果不使用特性缩放，则程序效果如何，这是必要的。
我能有java代码的特性缩放。
浏览 2提问于2014-04-18得票数 0
回答已采纳
2回答
我是做线性回归与多个特点。我决定用正规方程法求线性模型的系数。如果我们使用梯度下降的线性回归多变量，我们通常采取特征缩放，以加快梯度下降收敛。现在，我将使用正规方程公式：我有两个矛盾的信息源。第一章指出法方程不需要特征标度.在另一种情况下，我可以看到，必须进行特性规范化。资料来源：
问题是，在进行正规方程分析之前，我们
浏览 2提问于2015-12-08得票数 1
回答已采纳
1回答
如何进行实时数据的特征工程？
、、、、
我用以下步骤建立了一个很好的线性回归模型：
我的问题是，如果我们在生产环境中使用这个模型，那么我们如何进行实时数据的特征工程，因为这个模型是用特征归一化和缩放的来建立的，那么如何对实时数据进行规范化和缩放以得到一个很好的预测呢？对于
浏览 2提问于2017-03-01得票数 0
1回答
R中向量值Hessian的计算
、、、、
我要计算一个参数的方差协方差矩阵。参数由非线性最小二乘拟合得到.library(numDeriv)t <- seq(0.1,20,0.3)b <- 14 t = t, control = nls.lm.control(nprint=0))
我希望手动计算通过我尝试过的vcov(out1)返回的内容:但是sigma和vcov(out1
浏览 1提问于2013-09-13得票数 2
1回答
似乎是一个基本的问题，但我需要使用特征缩放(取每个特征值，减去平均值，然后除以标准差)，在我的实现梯度下降线性回归。完成后，我希望权重和回归线重新标度到原始数据。我只使用一个功能，加上y-截取项。在使用缩放数据获得权重之后，如何更改权重，使其适用于原始的非缩放数据？
浏览 2提问于2014-01-16得票数 5
回答已采纳
1回答
我已经构建了一个包含2个元素的管道:一个缩放器和一个回归模型。 我的问题是，我发现我在管道中配置的定标器方法在计算过程中没有被应用(即，考虑在内)。 请检查一下我的笔记本，看看哪里出了问题。usp=sharing 下面是我使用的数据集的链接：https://drive.google.com/file/d/1nyx0BitzxBLQjsAAAxfHt-9SzKqk9dWv/view?usp=sh
浏览 16提问于2021-09-07得票数 0
1回答
我总是在sklearn库中使用Linearregression()类来创建线性回归模型。根据我的理解，当我们使用随机梯度下降作为求解算法时，需要线性回归中的特征标度，因为特征缩放有助于在较少的迭代次数中找到解决方案，因此对于sklearn.linear_model.SGDRegressor()，我们需要对输入进行缩放。但是，我们不需要使用Linearregression()扩展输入，因为它使用封闭形式的解决方案(基于
浏览 0提问于2022-10-04得票数 0
回答已采纳
我过去常常使用Cholesky/LU分解来解决具有特征的线性问题，但现在我必须解决线性齐次系统(我的线性系统的右侧是零向量)。为了找到解的空间，我必须对我的方阵进行高斯约简，但我在Eigen的文档中找不到任何高斯约简算法。那么这是基于特征的高斯约简算法吗？
浏览 38提问于2021-08-05得票数 0
回答已采纳
我试图在数据集上使用线性回归，其中预测器是产品ID、权重、类型、Outlet_Establishment_Year等，目标变量是Item_Outlet_Sales。我用R-平方作为度量。我认为预测器有不同的单位，所以我需要对它们进行缩放。，进行线性回归并计算R-平方，得到0.57的结果：
concat_data = pd.concat([= LR_scaled_model
浏览 12提问于2022-10-29得票数 0
我有一个数据帧：df = pd.read_excel I did classifier.predict(df)classifier.predict(df)结果是不同的。可能的原因是什么？#Fitting Logistic Regressionclassifier
浏览 2提问于2021-07-12得票数 0
1回答
作为我任务的一部分，我正在研究几个数据集，并使用线性回归来发现它们的训练错误。我想知道标准化是否对训练错误有什么影响？我的相关性，和RMSE在标准化前后的数据集是一样的。
谢谢,
浏览 1提问于2015-11-05得票数 0
回答已采纳
我正在尝试用scipy.optimize的curve_fit拟合我的频谱中的四条曲线。我用一个线性函数做了一些拟合:y= x*m+b (参见代码def function(x,m,b))。结果如下所示： 📷 现在我正在尝试将一些指数函数拟合到我的光谱中(见下图:黄色、紫色、红色和橙色线条)。我的问题是，有没有一种可能的方法来拟合指数函数，比如黑色曲线？
浏览 67提问于2021-08-24得票数 0
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
