1回答
我正在尝试用时间序列数据做一个简单的乘法回归。为了简单起见，我试着用两个自变量来证明概念。我从4/30/15-5/31/2019有几个月的时间，但是对于这个问题我已经简化到只有3个月了，并且正在使用下面的代码来尝试复制statsmodels样本。= 3 (dim 0)
当我查看输出错误时，它似乎尝试在没有首先转置其中一个对象的情况下将两个对象进行矩阵相乘失败？当我尝试同样的代码时，只使用数据帧的一列作为独立变量，它就会通过。对于多元线性回归
浏览 10提问于2019-07-16得票数 0
我一直在寻找一种方法来提取LDA和QDA模型的p值，但没有成功。
我知道我可以使用来自summary的statsmodel函数进行线性和logistic回归，但我认为这不适用于上述回归。非常感谢您的帮助！
浏览 4提问于2020-02-09得票数 1
回答已采纳
在学习特征选择模块中找到了用于特征选择的F_regression技术。我无法理解它所使用的原则。给出的描述是-快速线性模型，用于测试单个回归器的效果，对许多回归者来说是顺序的。这分三个步骤完成：
1.兴趣回归和数据回归为正交wrt常量回归。2.计算了数据与回归元之间的相互关系。它被转换成F分数，然后转换成p
浏览 2提问于2016-06-10得票数 2
这是一个数据集的一部分，其中包含1000条不同地点的房屋租金定价条目。预期输出(Y_pred)应该是220000，但它显示的是290000，怎么会违反已经训练过的输入呢？
浏览 1提问于2019-12-28得票数 1
回答已采纳
2回答
我有两个模型:一个是简单的线性回归，另一个是多元线性回归。如何解释最适合使用的模型是简单线性回归还是多元线性回归？以下是回归过程中的一些值：
简单线性:
浏览 0提问于2015-12-06得票数 2
4回答
我一直在试图了解自变量内的多重共线性对线性回归模型的影响。维基百科网页建议，只有当有一个“完美”的多重共线性，其中一个自变量将不得不从培训中删除。现在我的问题是，如果相关性等于+/- 1，我们应该只删除其中的一列，还是考虑一个阈值(比如0.90)，然后它应该被认为是完美的多重共线性。
浏览 0提问于2021-10-25得票数 3
我是机器学习的新手，面临着在多元线性回归中如何去除多个自变量的问题。我所经历的步骤: 1)读取数据集2)分离成X和Y)将分类数据编码为数据集包含列:教授、职称、专业等。4)去除虚拟变量5)OLS回归结果。
我有7个自变量，OLS后有6个独立variables.Removed，P> 0.05，P值大于0.0 5的显着性水平。您能建议哪些步骤来绘制图形，并删除图像中附加的所有不必要的自变量？如何从
浏览 3提问于2018-11-13得票数 0
1回答
假设以下情况：这些特征之间存在不可忽略的多重共线性关系。比方说，我想了解一把椅子的不同部件对椅子零售价的影响。例如：x_1 =所用垫子的颜色x_3 =椅子的强度
x
浏览 0提问于2019-11-10得票数 1
我为一篇PhD论文收集了数据，需要帮助我理解如何构建一个路线图来进行分析和统计分析。PhD本身并不是在统计或机器学习，但我想了解的步骤和类型的分析，我必须遵循的数据分析的高级学位？我考虑做几个回归分析来预测因变量，并研究其上的影响因素(如果它们是正的、负的，以及它们的大小)。我尝试过多元线性回归，包括对自变量的不同变换。另一方面，我不确定是否应该
浏览 0提问于2015-09-19得票数 1
回答已采纳
2回答
如果您能让我知道在使用Lasso logistic回归(L1)进行特征选择之前是否应该省略高度相关的特性，我将非常感激。正则化是处理共线性(特征间高度相关)的一种非常有用的方法。然而，这个内核 (通过引用维基百科)指出，保持<em
浏览 0提问于2018-08-20得票数 1
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
1回答
我有一个响应变量，它统计一个月中成功的日子，并以一种特殊的形式分布(见上文)。大约50%是零，有一个很重的尾巴。由于过分散和过零，我建议用零膨胀负二项回归模型来预测它。然而，不管我获得的模型有多重要，它几乎没有反映出这些分布特性(见下文)。例如，峰值总是在4左右，没有预测值超过20。在拟合过度分散的重尾计数数据时，这种情况常见吗？我还尝试用logistic回归来预测零/非零。但
浏览 4提问于2020-01-19得票数 1
2回答
我正在建立一个模型(实现逻辑回归和Xgboost)，以了解每个特性的重要性/重要性，以了解客户是否打算进行回购，以了解什么对客户来说是重要的(比预测更感兴趣)。我的功能集如下所示：收入、年龄、价格_产品，折扣，产品_类别、交付_收费、性别、生活方式、分娩_时间_主要(P_，P1，P2，P3，P4等)
P_main是客户看到并可能影响他们决定是否回购的东西。我们希望了解P1、P2、P3、P4有多少重要，以及它们是过程中的几个阶段，这样我们就可以推断出，如果我们要
浏览 0提问于2019-05-28得票数 2
2回答
📷📷📷
现在，基于线性回归模型中预测变量的系数，我被要求找到显着的预测因子(s)。基于相关值，我认为X4将是一个重要的预测因素，但它的回归系数表明了一个完全不同的情况。(x4在lm摘要输出中的系数值最小)。你能帮我理解什么是正确的方法来识别重要<
浏览 0提问于2020-02-23得票数 2
这是我第一次用SPSS软件做样本内方差分析.我看到的每一个教程都告诉我，我应该去分析->通用线性模型->重复度量。
问题是，在“一般线性模型”下，我看到的唯一命令是“单变量”。
浏览 3提问于2014-04-08得票数 3
1回答
我有一个大约150个样本的数据集，其中每个样本有11个输入和3个输出。我试图建立一个完整的回归模型来接受11个要训练的输入来预测3个输出，问题是样本如此之少，训练一个完整的模型几乎是不可能的。出于这个原因，我正在尝试使用pythons sklearn中的回归，例如线性回归。根据我所能发现的，大多数回归模型要么支持一个输入来预测一个输出(在
浏览 12提问于2021-09-21得票数 0
我试图估计一个带有arima误差的线性回归，但我的回归变量是高度共线性的，因此回归模型受到多重共线性的影响。由于我的最终目标是能够将单个回归系数解释为弹性，并将它们用于事前预测，因此我需要以某种方式解决多重共线性，以便能够信任回归变量的系数。我知道转换回归变量，例如。通过差分可能有助于减少多重共线性。我还了解到
浏览 38提问于2019-06-17得票数 1
1回答
首先，我对虹膜数据集使用正态logistic回归，它得到了0.977的准确率，第二次对数据集进行预处理时，我得到了0.955的准确率。为甚麽呢？logreg.fit(xtrain, ytrain)print(metrics.accuracy_score(ytest, ypred1))
带预处理的模型
浏览 1提问于2020-04-20得票数 0
但是，这些参数不包括创建多层神经网络的能力有没有什么函数或者其他变通方法可以让你添加隐藏的图层我找到的关闭函数是，它允许使用多层，但输出是用于分类的类。
浏览 30提问于2018-02-21得票数 0
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
腾讯会议
云直播活动推荐
腾讯云开发者
