如何处理几何回归模型目标函数exp中的运行时溢出？
在处理几何回归模型目标函数exp中的运行时溢出时，可以采取以下几种方法：
- 梯度截断（Gradient Clipping）：通过限制梯度的最大值或最小值，避免梯度的爆炸或消失，从而减少运行时溢出的可能性。这可以通过在训练过程中对梯度进行裁剪来实现，例如设置一个阈值，当梯度超过该阈值时进行裁剪。
- 数值稳定性技巧：可以使用数值稳定性技巧来优化目标函数，减少运行时溢出的风险。例如，可以使用对数变换来替代指数函数，如log(exp(x))，或者使用Softmax函数等。
- 正则化方法：通过引入正则化项，如L1正则化、L2正则化等，来减少目标函数的值，从而降低溢出的可能性。正则化可以帮助控制模型的复杂度，并防止模型在训练过程中过度拟合。
- 调整学习率：适当调整模型的学习率，可以帮助优化目标函数的收敛性，降低溢出的风险。可以尝试使用学习率衰减策略，如指数衰减、余弦退火等。
- 数据预处理：检查训练数据是否存在异常值或离群点，这些异常值可能导致目标函数出现溢出的情况。可以对数据进行标准化、归一化等预处理操作，以提高模型的稳定性。
- 调整模型架构：如果目标函数的运行时溢出问题持续存在，可能需要考虑调整模型的架构。可以尝试减少模型的复杂度、增加正则化项、修改激活函数等方式来改进模型的稳定性。
在腾讯云的云计算平台上，相关产品可以使用腾讯云提供的云主机、容器服务、人工智能平台等。详细的产品介绍和使用指南可以在腾讯云的官方网站上找到，具体链接如下：
- 腾讯云云主机：https://cloud.tencent.com/product/cvm
- 腾讯云容器服务：https://cloud.tencent.com/product/tke
- 腾讯云人工智能平台：https://cloud.tencent.com/product/tai
需要注意的是，以上提供的是一些常见的处理溢出问题的方法和腾讯云相关产品，具体的解决方案应根据实际情况和需求进行调整和选择。同时，还可以进一步了解其他云计算技术和服务，以更好地满足实际需求。
相关·内容
我正在尝试为几何分布回归模型实现一个Scikit-learn兼容类。但是，我在具有exp组件的目标函数中遇到了一个溢出运行时错误。我的objective_grad函数也有类似的错误，它在每一步都能找到梯度。 我的目标函数使用参数计算目标值的代码如下： weight = wb[0:-1]
bias = wb[-1]
theta = X.dot(weight) + bias
obj = y.dot(theta)
obj += np.sum((y + 1).dot((np.log(1 + np.exp(-theta))
浏览 22提问于2019-10-14得票数 1
2回答
回归树性能不佳
、、
我的目标是像房价这样的连续价值。我正在用它训练一个回归树。我在scklearn中使用Gradientboostregressor，Python。
我的目标值(房价)呈L型分布:高端房价比低端房价高出10倍。我的回归树模型低估了高值，而高估了低值。
我能做些什么来改进模型预测？我尝试对log(价格)建模，然后对exp(预测)建模，但效果不佳。
非常感谢。
浏览 1提问于2020-05-21得票数 1
1回答
如何在符号回归中使用exp？
我用np.exp尝试了“np.exp”，但是它很快就被溢出了。
一般来说，im试图恢复这个公式
输入:浮动
浏览 5提问于2022-07-20得票数 -2
回答已采纳
1回答
我有一个数据集，我想要拟合一个Gompertz模型，该模型由4个不同的因素(主题、种族、目标和分心者)组成。Gompertz模型在应用于整个数据集时有效(即，不应用"group_by")。当我使用(简单得多的)线性回归时，group_by函数可以工作。但是，当我尝试将group_by与Gompertz模型一起使用时，我得到了以下错误：
Error in chol2inv(object$m$Rmat()) :
element (3, 3) is zero, so the inverse cannot be computed
In addition: Warning mess
浏览 6提问于2021-06-12得票数 0
1回答
我有一个数据集，我使用Sklearn决策树回归机器学习包为预测目的建立一个模型。随后，我试图利用scipy.optimize包来解决基于给定约束的最小解。但是，我不确定是否可以将决策树模型作为优化问题的目标函数。在这种情况下，应该采取什么办法呢？我曾经尝试过线性回归模型，比如LarsCV，它们工作得很好。但是在线性回归模型中，基本上可以从模型中提取系数和截获点。
浏览 1提问于2019-02-22得票数 7
1回答
我想要执行回归，我有一个数据集，其中包含一个左偏的目标变量(谋杀)，如下所示： data("USAArrests")
str(USAArrests)
'data.frame': 50 obs. of 4 variables:
$ Murder : num 13.2 10 8.1 8.8 9 7.9 3.3 5.9 15.4 17.4 ...
$ Assault : int 236 263 294 190 276 204 110 238 335 211 ...
$ UrbanPop: int 58 48 80 50 91 78 77 72
浏览 59提问于2019-05-26得票数 0
4回答
解决列表中项目乘积中的零点
、、、、
如果列表中没有0，那么如果列表中没有0，则可以很容易地在列表中的项的乘积与列表中的项的对数之和之间进行转换，例如：
>>> from operator import mul
>>> pn = [0.4, 0.3, 0.2, 0.1]
>>> math.pow(reduce(mul, pn, 1), 1./len(pn))
0.22133638394006433
>>> math.exp(sum(0.25 * math.log(p) for p in pn))
0.22133638394006436
我们应该如何处理列表和P
浏览 10提问于2016-04-05得票数 5
回答已采纳
2回答
我在python中有以下信息(Dataframe)
product baskets scaling_factor
12345 475 95.5
12345 108 57.7
12345 2 1.4
12345 38 21.9
12345 320 88.8
我想运行以下、非线性回归、和估计参数。
a，b和c
我想要符合的方程式：
scaling_factor = a - (b*np.exp(c*baskets))
在sas中，我们通常运行以下模型：(使用高斯牛顿法)
proc nlin data=scaling_factors;
浏览 1提问于2016-10-06得票数 7
回答已采纳
Shapley附加解释(SHAP值)的用途是了解每个特性如何对模型的预测做出贡献。对于某些目标，例如以RMSE作为目标函数的回归，SHAP值以标签值的本机单位表示。例如，如果估计住房成本，SHAP值可以表示为美元。如下所示，并非所有的目标函数都是如此。特别是，Tweedie回归目标不会产生本地单位的SHAP值。这是一个需要解释的问题，因为我们想知道房价是如何被+/-美元的特性所影响的。
考虑到这些信息，我的问题是:在使用Tweedie回归目标解释模型时，我们如何将每个特性的SHAP值转换为目标标签的数据空间？
我不知道有哪个包目前正在实现这样的转换。
我用lightgbm的R实现说明了这个问题
浏览 2提问于2020-11-11得票数 4
1回答
如何估计R中的非线性回归时间间隔？ 我们正在寻求运行广义Norton Bass扩散模型，其中我们有三个未知参数: m，p和q(潜在市场大小，创新参数和模仿参数)。我们想运行扩展的Bass扩散模型回归(见图1和图2)。 该函数由sales = m1*F1(t)-m1*F1(t)*F2(t-t2)给出。 F(t) =((1-e^-(p+g)*t)/((q/p)*e^-((p+g)*t)+1) 我们目前已经运行了以下代码，但是不确定如何在回归中定义F2(t-t2)？你怎么推荐这样做呢？我们需要估计参数m，q和p GNB.model.s1 <- nls(s1 ~
浏览 14提问于2019-03-03得票数 2
1回答
我试图训练一个神经网络模型来解决回归问题。我的数据集的特殊性在于它具有类似于目标值的指数分布(不平衡)。因此，模型似乎只输出小于2的值(如果范围是的话)，它绝对忽略较大的目标值，后者在数据集中的性能较小。在这种情况下，如何改进模型的结果？
例如，当涉及多类分类时，我们可以对较小类上的错误进行权衡，以提高不平衡数据的性能。在回归方面有什么诀窍吗？哪些损失函数是有用的？看来，MSE损耗函数比RMSE更好。对于这个问题，是否有更强大的损失函数？
有一篇关于不平衡回归(http://proceedings.mlr.press/v74/branco17a/branco17a.pdf)问题的论文可能会对某
浏览 0提问于2019-07-26得票数 4
回答已采纳
1回答
我有一个回归数据集，其中大约95%的目标变量为0(其他5%介于1和30之间)，我正在尝试设计一个Tensorflow模型来模拟该数据。我正在考虑实现一个结合了分类器和回归器的模型(检查分类器子模型的输出，如果它小于阈值，则将其传递给回归子模型)。我有一种直觉，那就是应该使用functional API来构建它，但是我找不到有帮助的资源。有什么想法吗？
下面是生成我用来复制问题的数据的代码：
n = 10000
zero_percentage = 0.95
zeros = np.zeros(round(n * zero_percentage))
non_zeros = np.random.ran
浏览 10提问于2021-06-01得票数 0
2回答
我在R中做线性模型，我的因素包括出生率、死亡率、婴儿死亡率、预期寿命和地区。区域有7个级别，使用数字表示每个区域：
东亚及太平洋AmericaMiddle 南亚欧洲和中亚北美拉丁文东非和北非<code>H 214</code><code>G 215</code>
我在R中进行了Lasso回归，试图改进广义线性模型。拉索回归系数如下：
我会把拉索回归选择的因素放在R中的lm函数中：
Lasso.lm <- lm(log(GNIpercapita) ~ deathrate + infantdeaths + life.exp.avg +
浏览 6提问于2020-11-12得票数 2
1回答
非线性回归
、、
我试图做一个非线性回归，以求常量Is和n与最小二乘曲线，fitting.This是公式Is(exp(1).^(V/26.*n))，这是我的代码。
fun = @(n,Is)Is(exp(1).^(V/26.*n));
x0 = [0,14];
x = lsqcurvefit(fun,x0,V,I)
它将重述以下内容
矩阵尺寸必须一致。
@(n，Is)Is(exp(1).^(V/26.*n)中的错误
lsqcurvefit (第202行) initVals.F = feval(funfcn_x_xdata{3}，xCurrent，XDATA，varargin{：})中的错误；
导致:初始目标函
浏览 1提问于2017-02-01得票数 0
回答已采纳
1回答
目标函数与评价指标的匹配
、、、
模型拟合的目标函数和模型验证的评价指标是否需要在整个超参数搜索过程中保持一致？
例如，一个XGBoost模型是否可以以均方误差作为目标函数(将“目标”参数设置为reg: squared :回归和平方损失)，而交叉验证过程是基于显著不同的度量来评估的，例如伽马偏差(伽马回归的剩余偏差)？或者评价指标应该尽可能地与目标函数相匹配，因此需要选择均方误差作为评价指标。
浏览 0提问于2020-09-25得票数 3
回答已采纳
我最近开始学习回归的基础知识，作为初学者，我开始学习线性回归。
我读到这篇文章说，对于这种特殊类型的回归，自变量和因变量之间的关系必须是线性的，这意味着我只能用线性回归来预测“线”：https://www.analyticsvidhya.com/blog/2015/08/comprehensive-guide-regression/。
但是，我开始想知道如何建模像"y= log(x)“或”y= sqrt(x)“或"y=exp(x)”或"y=tan(x)“之类的函数，或者其他定义为”线“而是”曲线“的非线性函数。
然后我继续研究，直到我发现这篇文章说，应该是线性的不是自变
浏览 0提问于2019-03-15得票数 2
回答已采纳
1回答
我在这里发布了一个python笔记本：
我正在尝试使用PyMC 3创建probit回归模型，使用生成的数据来恢复已知参数(请参阅notebook)。截距的估计值还可以，但斜率的估计值与目标相差甚远。
我的模型是这样的：
with pm.Model() as model:
# priors
alpha = pm.Normal('alpha', mu=0, tau=0.001)
beta = pm.Normal('beta', mu=0, tau=0.001)
# linear predictor
theta_p = (a
浏览 0提问于2014-02-18得票数 7
1回答
我一直在尝试使用dbinom拟合一个四参数对数回归。四参数对数回归表示为: F(x) =d+(a/(1+exp((b-(X)/c)，其中d=lower渐近线(ymin)，a+d=upper渐近线，b=inflection点，，c=slope。我的响应变量是来自哺乳动物调查数据集的比率(Patch_Patch/Patch_proportion)，"y“采用0到1之间的值(0.8，0.4，0.25……)。我的目标是比较glm.null模型、广义线性模型和AIC的四参数对数回归，找出三种模型中哪一种最适合。在使用dpois为y=count (Patch_Richness)运行函数时没有问题
浏览 15提问于2021-03-26得票数 0
我的数据集的格式如下：
训练数据
一个大小为numpy的数组(7855,448,448，3)，其中(448,448，3)是RGB图像的numpy版本。因为网络的目的是回归，我还没有找到使用ImageDataGenerator的解决方案。因此，我已经将整个图像数据集转换为一个numpy数组。
训练目标
训练目标是一个尺寸为7855的一维numpy阵列.这些条目对应于培训数据的条目。
要获得numpy数组，我必须将整个数据集加载到一个变量中，然后传递给它以进行拟合和预测。仅这一项就占用了5-6个内存。
当拟合模型时，RAM迅速溢出，运行时崩溃。如何将numpy数组元素分批输入，或者是否有另一种方式
浏览 0提问于2019-03-19得票数 0
回答已采纳
我尝试使用scipy.optimize包进行回归。函数的模型在func中定义，参数命名为coeffs。我想使用数据xdata和ydata来学习使用LS准则的参数。
我有以下TypeError:只有长度为1的数组可以转换为Python标量
from __future__ import division
import numpy
import scipy
from math import exp
import scipy.optimize as optimization
global m0,t0
t0 = 0.25
m0=1
def func(t, coeffs):
a = coeff
浏览 0提问于2019-04-16得票数 0
1回答
我刚开始学习机器，现在这真的让我很困扰。
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，作为一个外行人，我们无法想象像物理学家那样的更高的维度，我们怎么能在4个或更多的维度中想象这个模型呢？
浏览 0提问于2020-08-27得票数 2
我想要估计变量LWAGE (对数工资)与EXP (工作年限)的回归关系。我的数据让参与者跟踪了7年，所以每年他们的工作经验都会增加1年。 当我对以下内容进行回归时 ??????=?0+?1???+?? 我用过 reg1 <- lm(LWAGE~EXP, data=df) 现在我试着做下面的回归： ???????=?0+?1?????+?i. 但我不确定如何将基于时间的部分包含到我的回归中。我到处找，但找不到任何相关的东西。
浏览 24提问于2021-01-25得票数 0
1回答
我有一个熊猫的数据如下(快照)，我试图重新校准一个回归方程。Loss = (EXP(-1.01 + (-0.08 x mob)) x Price)我想对可用的新数据进行拟合，但不确定如何将新的系数输入到现有的方程中。损失是我的目标变量，暴徒和价格是我的自变量。
例如：New Loss equation = (EXP(b1 + (b2 x mob)) x Price) .请让我知道如何做到这一点？，谢谢
Months RefID Price Loss mob
1/11/2019 100 4.00 3.43 2.00
1/1
浏览 10提问于2022-03-28得票数 0
回答已采纳
关于R中的逻辑回归的一个快速问题。让我们假设我使用Cell.size和Cell.shape作为预测因子来拟合BreastCancer数据集的逻辑回归，以预测患者是良性还是恶性。
library(mlbench)
data(BreastCancer)
data1<- BreastCancer
levels(data1$Class)<- c(0,1) # binary outcome
data1<- data.frame(sapply(data1, as.numeric)) #converting from factors to num
data1$Class<- data
浏览 3提问于2017-12-31得票数 2
1回答
我试图确定从逻辑回归(来自sklearn库)中估计的beta是否与使用logistic函数(1/(1 +exp(-(b*x)创建结果的beta匹配或接近。这是我使用的代码
import numpy as np
from sklearn.linear_model import LogisticRegression
a = np.random.random_sample(100) * 12 - 6
a = np.sort(a)
t = 1/(1 + np.exp(-1 * (6 * (a)))) # I create a beta of 6
for i in range(len(t)):
浏览 0提问于2018-07-01得票数 0
回答已采纳
1回答
我的数据不包含任何零。我的结果y的最小值是1，这是膨胀的值。我的目标是使用R运行截断和膨胀的泊松回归模型。 我已经知道如何分离每个回归的零截断和零膨胀。我想知道如何将这两个条件组合成一个模型。 谢谢你的帮助。
浏览 42提问于2020-04-07得票数 0
我试图在状态模型中打印一系列逻辑回归，但不确定如何将结果打印到控制台屏幕以外的其他地方。我已经创建了一个函数来运行回归，其中数据是数据集，而其他变量是数据集中的一系列虚拟变量标签(我确信这不是运行这些变量的最有效方法，但如果我有5个因变量，并且我想在var3中使用2和15中的9个虚拟变量来运行回归，这是有意义的)：
def regression(data, var1, var2, var3):
for var in var 2:
for var in var1:
for var in var3:
f = '
浏览 2提问于2016-03-20得票数 1
回答已采纳
我是新来的ML，如果能提供任何帮助，我将不胜感激。我使用测试集A和训练集A运行了线性回归预测。我保存了线性回归模型，现在希望使用相同的模型来使用测试集B中的特性来预测测试集A目标。每次运行该模型时，它都会抛出下面的错误。
如何从不同形状的特性和目标成功地预测测试数据集？
Input
print(testB.shape)
print(testA.shape)
Output
(2480, 5)
(1315, 6)
Input
saved_model = joblib.load(filename)
testB_result = saved_model.score(testB_features,
浏览 0提问于2018-10-10得票数 0
1回答
我正在使用rms库执行正则化的logistic回归，并希望强制拦截到零。我使用以下方法进行模拟和回归：
library(rms)
N = 100
pred <- vapply(1:12, function(i) rnorm(N, mean = 0, sd =1), numeric(N))
resp <- 20*pred[, 1] - 3*pred[, 7] - 2*pred[, 8] + matrix(rnorm(N, sd = 0.1)) + 20
pr <- 1 / (1 + exp(-resp))
y <- rbinom(N, 1, pr)
lrm(y ~ pre
浏览 1提问于2015-04-23得票数 0
回答已采纳
1回答
我正在做一个使用逻辑回归进行二分类的学校项目，我得到了非常糟糕的结果(准确率约为50%)。我不得不从头开始做这个分类，所以我担心我的实现有问题。 我用单个预测器拟合了一个模型，并绘制了结果逻辑曲线，注意到它的中心位置在0左右，超出了我的数据范围(预测器的范围为50 - 90)。因此，只有逻辑曲线的渐近线在我的数据范围内，因此将所有示例归入同一类。 我认为使用截取权重可以解决这个问题，但在我的情况下，它没有。我也考虑过将我的数据标准化，并将其以0为中心，但我希望有一种更直接的方法。 有什么建议吗？ 编辑-这是我的实现 class LogisticRegression:
浏览 20提问于2019-09-10得票数 3
1回答
对于如何构造我的具体数据进行多级分析，我一点也不困惑。
我有10个类别，每个类别都有一些项目。
数据集可供使用117周。它们都有数量、股票和价格指数。
我通常的回归是通过使用类别内商品的价格指数来预测数量组合。这给了我回归系数的项目，但通过分别处理每个类别。
我的目标是使用多层次的建模方法来观察项目和类别之间的回归系数效应。
这使得模型非常复杂，我不知道如何构造数据。
浏览 0提问于2019-06-04得票数 1
1回答
人们应该如何决定使用线性回归模型还是非线性回归模型？
我的目标是预测Y。
对于简单的x和y数据集，我可以很容易地通过绘制散点图来决定应该使用哪种回归模型。
在x1，x2，.，xn和y等多变量的情况下.我如何决定必须使用哪一种回归模型？也就是说，如何决定采用简单的线性模型或非线性模型，如二次型、三次型等。
是否有任何技术、统计方法或图解来推断和决定必须使用哪一种回归模型？请给我建议。
浏览 4提问于2015-02-06得票数 3
1回答
在我正在开发的模型中，我使用了一个公式，当它运行时，它会生成RuntTimeWarning: exp中遇到的溢出。据我所读到的理解，这是由于在计算数据类型时使用了过大的数字。
我的公式存储到numpy数组，那么是否有一种方法可以更改数据类型，以便计算这些值？
谢谢
浏览 5提问于2016-04-19得票数 0
1回答
我想学习如何在R中进行非线性回归。我设法学习了nls函数的基础知识，但我们如何知道在非线性回归中使用好的初始参数是至关重要的。我试图弄清楚selfStart和getInitial函数是如何工作的，但失败了。文档非常稀缺，用处不是很大。我想通过一个简单的模拟数据来学习这些功能。我模拟了逻辑模型中的数据： n<-100 #Number of observations
d<-10000 #our parameters
b<--2
e<-50
set.seed(n)
X<-rnorm(n, -e/b, 2) #Thanks to it we'll hav
浏览 47提问于2020-04-02得票数 0
我正在尝试使用stargazer创建一个多变量logistic回归模型的表。我想包括优势比和他们的置信区间，而不是模型系数。
我想出了如何用优势比来代替系数，这要感谢这个，但是对CI做同样的事情会产生问题。如果我给stargazer一个像se = *a list of the standard errors or exp(standard errors)*这样的参数，它使用OR +/- 1.96乘以这个列表来计算CI，这是不正确的。
下面是一些示例代码，来自的第一部分
library(stargazer)
mydata <- read.csv("http://www.ats.uc
浏览 6提问于2013-10-24得票数 6
回答已采纳
1回答
我正在尝试使用表单的逻辑模型
Y = exp(ao + a1fi1....)/(1 + exp(a0 + a1fi1 ....)
对于R中的多重非线性回归，因变量Y是由大约500个值组成的行，并且有33个自变量X1, X2, X3.....X33
我正在从EXCEL文件中读取我的数据：
data1<-read.csv(file.choose(), header=TRUE)
它用我的数据填充R。我使用input使用lm()函数执行线性回归：
results<- lm(Y~ X1 + X2....X33, data = data1)
它工作得很好，现在我尝试使用表单的自启动逻辑函数：
浏览 5提问于2016-08-12得票数 0
1回答
我想模拟威布尔分布的左截断故障时间数据。我的目标是模拟数据，并通过拟合威布尔回归模型来检索系数(我用于模拟的x1、x2、x3、x4和x5 )。这里，xt=runif(N, 30, 80)表示研究的开始，Tm <- qweibull(runif(N,pweibull(xt,shape = 7.5, scale = 82*exp(lp)),1), shape=7.5, scale=82*exp(lp))变量表示故障时间。但是，每当我执行回归操作时，都会收到以下警告消息
Warning message:
In Surv(xt, time_M, event_M) : Stop time must
浏览 6提问于2020-06-08得票数 0
我不太了解log和exp之间的关系。但是，我很困惑的是，在softmax回归中不使用log？
浏览 0提问于2015-11-30得票数 2
当我加载目标文件时，法线计算不正确，所以模型的阴影是错误的。我加载*.obj模型的代码是从loader / obj示例的原始项目中修改的，从下面的示例可以看出，在将模型添加到场景之前，我会缩放模型，通常在这些类型的转换之后，必须调用dirtyDisplayList、UpdateModel或RecalculateNormals-like函数来强制模型反映当前对模型所做的更改。在三个In中，最可能的函数是geometry.computeFaceNormals();和geometry.computeVertexNormals( true );。
但是在我的例子中，如果我调用geometry.comp
浏览 3提问于2014-10-15得票数 0
1回答
我得到了一个pyomo模型，目标如下：
model.objective.pprint()
objective : Si
浏览 5提问于2019-11-11得票数 1
1回答
平滑目标变量
、、
我正在训练一个回归模型(使用分位数回归林)，利用不同滞后时间的天气变量预测作物产量与趋势(残差)的偏差。为了提高结果的准确性和置信度，我最近测试用目标变量的平滑版本(用局部加权散射图平滑( LOWESS)计算)替换目标变量，使用一个无滞后时间(即滞后时间= 0)的特征作为自变量，试图从测量数据中去除噪声。在下图中，十字代表观察到的值，红色点是离群点，灰色线是因变量的平滑版本。
📷
我在结果上有了很大的改进，但是这种方法似乎有些不对劲。
我一直在研究平滑技术在机器学习中的应用，发现平滑确实是一种用于数据预处理、特征工程和用于噪声滤波的数据挖掘(例如这里或这里；或这里，用于时间序列预测)的技术。一
浏览 0提问于2021-12-09得票数 2
回答已采纳
1回答
R:加速多个lm()
、、、
我想估计一个非线性模型的参数。
模型方程为Z = A * exp(- a * X) + B * exp(- b * Y) + C
X和Y是预测因子
A，B，a，b是估计的参数。
我所做的是在进行线性回归之前，通过指数变换将模型转化为线性问题：
对于0到1之间的a和b，我计算exp_x = exp(- a * X)和exp_y = exp(- b * Y)
我做了一个线性回归Z ~ exp_x + exp_y
正如我们在这个模拟中所看到的，它工作得很好。
x = 1:10
y = 1:10
combination = expand.grid(x = x, y
浏览 3提问于2016-01-21得票数 3
我正在研究一个类似于时间序列预测的模型。
我必须将线性回归模型拟合到目标变量(TV)，该目标变量(TV)有另外两个因变量(X和Y)，并且还根据其自身的过去值。
基本上，模型看起来像这样：
TV(t) ~ X(t) + Y(t) + TV(t-1) + TV(t-2) + TV(t-3)
我在尝试转换这个R代码时卡住了
model <- lm(modeldata$TV ~ modeldata$X +modeldata$Y+ ??)
我如何编写R代码来适应这种模型？
浏览 0提问于2015-11-04得票数 0
1回答
我正在做一个回归问题陈述，它涉及到它的多个类别。我不知道如何进行这项工作，因此请你对此提出指导/建议。
假设数据中有'M‘记录和'N’列，而Target是一个回归(数字)输出，将由模型预测。
但这里的挑战是，在“N”列中有一个名为“类别”的列，它对目标产生了很大的影响。这意味着，如果两个记录的“M-1”列完全相同，但是“类别”变量是不同的，那么“目标”可能是非常不同的。
话虽如此，一个天真的方法是，我训练一个单独的线性回归模型的每一个类别可用。但是列中有大约5000种不同的分类，因此不可能创建单独的模型。
所有这些都迫使我创建一个单一的模型，但是我应该如何处理/使用这个“类别”
浏览 0提问于2022-06-13得票数 1
如果我没弄错的话--尝试拟合一个模型；使用某种迭代算法，目标是最小化成本函数(例如OLS，MSE，RMSE，MMSE)。
我知道robustfit()方法使用普通最小二乘( OLS )代价函数对回归模型进行拟合，然后执行额外的加权回归以提供最终模型。另外，我认为fitlm()使用均方根作为成本函数。
我的第一个问题是:在Matlab中，代价函数和权重函数是否相同。另外，如何提供我的自定义成本函数(例如MSE)，同时让MATLAB进行拟合？
我知道了，robustfit()可以使用额外的/。但我又一次感到困惑，这会被视为成本函数吗？或者我需要使用其他类型的参数来提供我的自定义成本函数？
浏览 0提问于2018-05-14得票数 0
1回答
有人知道在Pyspark多项式logistic回归中默认的参考组是什么吗？例如，我们有A, B, C, and D的多类结果/目标。
星火如何选择参考类别？在其他软件(例如R、SAS)中的标准logistic回归中，您可以自己设置参考组。因此，如果您的引用是A，则可以将n-1模型装配在一起，并将目标类建模为A vs B, A vs C, and A vs D。
您想要控制这个过程，因为如果一个值较少的结果(观察的小样本)被设置为参考，那么估计将是不稳定的。
对拟火花果多项式logistic回归模型的分析。在这里，结果类是0，1，2，但是对于引用是什么并不清楚。我假设它可能是零，但不确定。
浏览 0提问于2018-09-26得票数 2
回答已采纳
1回答
我现在正在构建一个线性回归模型。有32个自变量。G3是目标变量。
首先，利用所有自变量建立线性回归模型。这是我得到的结果的一部分：
如您所见，G1和G2都是重要的自变量。但它们之间的相关性是0.8521181。因此，我认为线性回归模型中存在多重共线性。我现在要找出最好的线性回归模型。如何解决多重共线性问题？
浏览 4提问于2018-03-25得票数 0
Xgboost的文档意味着使用Cox PH损失训练的模型的输出将是个人预测乘数的指数(相对于基线风险)。没有办法从这个模型中提取基线风险来预测每个人的整个生存曲线吗？
生存: Cox :对右截尾生存时间数据的Cox回归(负值被认为是右截尾)。请注意，在风险比标度上返回预测值(即比例风险函数h(t) = h0(t) * HR中的HR=exp(H0))。
浏览 4提问于2018-11-28得票数 3
我创建了一个正常的二元数据集，它具有强大的线性关联，如下所示：
#### Load Library ####
library(tidyverse)
#### Create Data ####
x <- rnorm(n=1000, mean=120, sd=15)
y <- 4*x + 5 + rnorm(n=1000, mean = 0, sd = 5)
df <- data.frame(x,y)
#### Plot ####
ggplot(df,
aes(x,y))+
geom_point()+
geom_smooth(method = "
浏览 2提问于2022-07-25得票数 0
回答已采纳
1回答
我有把乙状结肠曲线拟合成R中数据的现有代码。我如何使用自启动(或另一种方法)自动找到回归的起始值？
sigmoid = function(params, x) {
params[1] / (1 + exp(-params[2] * (x - params[3])))
}
dataset = data.frame("x" = 1:53, "y" =c(0,0,0,0,0,0,0,0,0,0,0,0,0,0.1,0.18,0.18,0.18,0.33,0.33,0.33,0.33,0.41,0.41,0.41,0.41,0.41,0.41,0.5,0.5,0.
浏览 1提问于2020-01-16得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
