利用R和线性回归函数lm()建立了零售商店销售预测模型。在我的数据集中的许多相依特性变量中，有一些分类(因子)特性，可以接受数千个不同的值()，例如邮政编码(和/或城市名称)。例如，仅加州就有6000多个不同的邮政编码；如果我使用城市，就有400多个城市。
我理解lm()为分类特性的每个值创建一个变量。问题是，当我运行lm()时，变量的爆炸需要大量的内存和很长的时间。如何使用我的分类变量来避免或处理这种情况？
浏览 0提问于2016-03-17得票数 1
我使用tf估计器框架创建了一个CNN分类器模型。但是，我无法访问模型中定义的变量。tf.trainable_variables()总是返回0。如何使用tf估计器访问变量？具体地说，我如何获得参数总数的计数(将所有变量的维数加起来。
谢谢，哈罗德
浏览 0提问于2018-11-05得票数 4
2回答
lm call对象的数据部分是否有更新的等价物？
例如，假设我有以下模型：
dd = data.frame(y=rnorm(100),x1=rnorm(100))
Model_all <- lm(formula = y ~ x1, data = dd)
有没有一种方法对lm对象进行操作，以获得与以下内容相同的效果：
Model_1t50 <- lm(formula = y ~ x1, data = dd[1:50,])
我正在尝试从样本预测测试中构建一些psudo，拥有单个lm对象并简单地滚动数据将是非常方便的。
浏览 0提问于2013-01-20得票数 3
回答已采纳
1回答
我有一个房价数据集，我想用目标变量(这是一个连续变量)找出分类变量的重要性。为此，我曾考虑进行方差分析，但我感到困惑的是，我是否应该将每个分类变量视为一个单独的组：
mod1 = ols("SalePrice ~ SaleCondition", data = data_cat).fit()
anov_table1 = sm.stats.anova_lm(mod1)
mod2 = ols("SalePrice ~ Neighborhood", data = data_cat).fit()
anov_table1 = sm.stats.anova_lm(mod2)
浏览 2提问于2019-09-28得票数 1
1回答
假设我有两个独立的lm对象
data(mtcars)
lm1 <- lm(mpg ~ wt, data = mtcars)
lm2 <- lm(mpg ~ wt + disp, data = mtcars)
在这种情况下，我想比较两个wt系数，并对两个模型中系数相等的空值执行假设检验(出于技术原因，我需要实际拥有两个模型，而不仅仅是包括交互)。
浏览 1提问于2018-03-09得票数 1
回答已采纳
是否投票系统选择了基本分类器的结果&那么元分类器在输入、整个分类器或只是误分类分类器时实际得到了什么？如果可以用一个简单的例子来解释整个机制，比如这个链接，那将是有帮助的。
提前谢谢。
浏览 1提问于2014-09-27得票数 3
回答已采纳
days <- c(21, 24, 27, 30, 33, 36, 39, 42)
area <- c(18.4, 19.5, 21.3, 21.5, 23.2, 23.8, 24.7, 26)
q1 <- data.frame(days, area)
regressq1 <- lm(area~days,data=q1)
predb <- data.frame(days=10)
predict(regressq1, newdata = predb, interval = "confidence")
因此，根据我的理解，上面的代码预测了天数值为1
浏览 2提问于2019-11-06得票数 1
我正在处理这个数据集。有一个名为'num.of.doors‘的分类变量，它可以是(2，4)，这给我带来了麻烦。
当我运行lm(formula = price ~ horsepower + num.of.doors, data = train.sample)来预测价格时，输出是：
调用:lm(公式=价格~马力+ num.of.doors，data = train.sample)
系数：(拦截)马力num.of.doorstwo
-4006.5 174.1 -1856.2
但是我想看看四扇门的num.of.doors系数。我该怎么做？
浏览 2提问于2020-07-17得票数 2
回答已采纳
1回答
我正在尝试创建一个多元线性回归模型来预测客人给酒店(Reviewer_Score)的评级，使用状态模型。
Review_Total_Negative_Word_Counts是指他们对酒店的负面评论有多长时间了？
Total_Number_of_Reviews是这家酒店有多少评论
Review_Total_Positive_Word_Counts是指他们对酒店的正面评价有多长时间了？
Total_Number_of_Reviews_Revewier_Has_Given是指客人在网站上评论了多少次
态度是一个绝对变量：好或坏
原因是参观(休闲或商务)的原因
欧洲大陆是客人来自的大陆(多层次)
s
浏览 0提问于2018-12-10得票数 0
1回答
有分类调查数据的奇点
、、、、
在我的学士学位论文中，我试图对来自一项调查()的常数和数据应用线性中值回归模型。这是对A. Blass等人(2008)提出的概率启发方法的尝试--利用启发式选择概率估计随机效用模型:电力可靠性偏好
我的因变量是常数和分配的对数-赔率变换。使用下列公式计算：
PE_raw <- PE_raw %>% group_by(sys_RespNum, Task) %>% mutate(LogProb = c(log(Response[1]/Response[1]),
log
浏览 6提问于2020-05-19得票数 2
回答已采纳
1回答
偏移量和分类变量
、、、
使用此数据集：
在这个问题的基础上：
为了在另一个测试数据集上测试模型的有效性，我想从以下位置获取拟合的模型：
ModelA<-lm(Response1~Categorical)
并将其与关系B相匹配：
Response2~Categorical
响应变量在每种情况下都是相同的。
上面的链接提供了如何拟合分类变量级别的偏移量的解决方案，对于我的数据，这将涉及到：
# compute the offsets for each level of Categorical from the following model:
m<-lm(Response1~Categorical,da
浏览 1提问于2013-07-02得票数 0
回答已采纳
1回答
朴素贝叶斯分类中概率的计算
、、、、
我有一个由分类属性和连续属性组成的数据集。我想应用朴素贝叶斯分类方法对数据进行分类。
如何计算这两种类型的概率？
我是否应该使用计数方法对分类数据进行计算，并假设对连续数据进行一些分布和计算？
浏览 0提问于2015-07-20得票数 1
我对如何用两个分类变量解释多元回归中的系数感到有点困惑。以mtcars数据集为例。根据一些在线资源和书籍，假设另一个变量处于参考水平，则其中一个分类变量的系数是水平与参考水平之间的均值差。在本例中，根据聚合结果，因子(Vs)1的系数应该是81-91=-10，但事实并非如此。是-13.92。这些说法似乎是错误的。
有人能澄清一下这一点吗？如何用“平均差”来解释系数？
fit <- lm(data=df, hp~factor(vs)+factor(cyl))
Call:
lm(formula = hp ~ factor(vs) + factor(cyl), data = df)
Coeff
浏览 2提问于2017-11-30得票数 0
我知道R会自动从分类值中创建虚拟变量，但它也会自动选择引用值(我认为是字母顺序)。如何在不更改值名称的情况下指定不同的值作为引用？我知道我可能会重新定义a，b，c.按我喜欢的顺序排列，但对我来说，这似乎是一种迷信。
为了清楚起见，我会做一个例子。假设因素是颜色，值是红色、蓝色、绿色和黄色。
mod.lm <- lm(preference ~ color, data = flowers)
在这种情况下，拦截是颜色=蓝色的情况，但我想把它变成黄色。我该怎么做？
浏览 3提问于2012-07-30得票数 1
回答已采纳
2回答
为了预测，你如何看待一个月变量分类与不同年份的年度目标值浮动的关系。
在农业中，这种关系在分类值上并不像干旱程度那么简单，比如收获前的几个月对年度结果的权重更大，因为有些月份更相关。
对于这两个变量，你会做什么样的零假设检验来得出结论，我想的是阿诺瓦，任何其他的建议。
浏览 0提问于2019-09-26得票数 1
2回答
我想知道怎样才能衡量一种归责技术的表现。我读过很多关于这个的书。网络上的大多数文献都是在数据完成后应用分类器。因此，这个分类器将被用来进行预测。然而，我对使用这类分类器进行预测并不感兴趣。
我想知道计算方法在dataset上执行得有多好。我们可以测量，例如，我的方差，平均值，均方误差等等。我想知道是否有类似的技术来衡量数据的质量。我将使用数据集进行描述性分析(而不是预测分析，例如培训分类器)。
如果我在错误的环境/角落里思考，请纠正我。提前谢谢。
诚挚的问候
浏览 0提问于2016-03-10得票数 4
1回答
我的分类协变量(种族，有6个类别)是重要的。我知道，Lm测试第一类(1)与其他类别(2、3、4、5、6)。我交换了第六和第一类别，以观察第一类的影响，但它变得无关紧要的了解。
我做错什么了？我想知道种族对我回归的影响，但希望不可能，意义取决于项目代码顺序。
x=ForkinYak
##Fixed Effects
##Covariates
CoAge = x$Age
CoVPSex = factor(x$Gender, levels = c(1,2,3))
CoEdu = factor(x$Education, levels = c(1,2,3,4,5,6))
CoCDoc = x$Fre
浏览 2提问于2020-03-12得票数 0
logLik函数的lm方法返回的对数似然似乎与手动计算的对数似然不匹配。 为了演示，下面我将一个只有一个截距的标准线性模型拟合到一个具有三个点的简单数据集。然后，我使用logLik提取对数似然，并通过对在最大似然估计时评估的pdf的对数求和来手动计算它。 test_df <- data.frame(y = c(0, 2, 4))
mod_lm <- lm(y ~ 1, data = test_df)
ll_logLik <- logLik(mod_lm)
ll_manual <- sum(log(purrr::map_dbl(test_df$y, function(x
浏览 53提问于2021-04-28得票数 0
回答已采纳
lm函数在两种不同语言编写的数据集(数值变量+分类变量)上的应用结果不同。除了分类变量外，数值变量都是完全相同的。如何解释结果中的差异？
#data
df3 <- repmis::source_DropboxData("df3_v0.1.csv","gg30a74n4ew3zzg",header = TRUE)
#the one written in korean
out1<-lm(YD~SANJI+TAmin8+TMINup18do6+typ_rain6+DTD9,data=df3)
summary(out1)
#the one writt
浏览 1提问于2015-01-30得票数 4
我对高方差的理解是，目标是广泛地分布在周围。输出值是“到处都是”。
在二元分类模型中，只能有两个结果。当在二元分类模型中可视化高方差意味着什么时，我不知所措。
浏览 0提问于2019-08-28得票数 3
回答已采纳
3回答
R中的迭代模型
、、、
假设我想创建n个随机变量，然后创建n-1模型，对响应中的每个变量进行回归。我可以这样做：
x1 <- rnorm(1000, 0, 1)
x2 <- rnorm(1000, 0, 1)
x3 <- rnorm(1000, 0, 1)
x4 <- rnorm(1000, 0, 1)
x5 <- rnorm(1000, 0, 1)
x6 <- rnorm(1000, 0, 1)
x7 <- rnorm(1000, 0, 1)
x8 <- rnorm(1000, 0, 1)
y <- rnorm(1000, 0, 1)
model1 <-
浏览 1提问于2017-11-22得票数 1
请允许我澄清我目前的理解：
解释确定性神经网络
的二值分类预测
一方面，点估计落在乙状结肠曲线上(在0-1之间，其中0.5是分类阈值)。因此，考虑到估计值离0.5有多远，它们已经有了与其相关的伪概率/强度(例如，0.85的预测比0.54的预测更确定)
解释贝叶斯(概率)神经网络
的二值分类预测
另一方面，BNN不仅给出了点估计(均值，也在乙状结肠曲线上)，而且提供了置信区间。所以我可以说，“这里我们看到了一个0.6的乙状结肠值，我们确定它在0.5以上？”
📷
我的理解正确/缺少什么重要的东西吗？
十字柱：https://stackoverflow.com/questions/75848574/
浏览 0提问于2023-03-26得票数 1
我对数据集中的因变量和自变量的分类有点困惑，我需要建立一个预测模型。任何见解或方法在这里都会很有帮助。假设我的数据集有40个变量。在这种情况下，很难将变量分类为独立的或依赖的。在python中是否有任何测试可以帮助我们识别这些？
浏览 2提问于2017-02-06得票数 0
回答已采纳
1回答
是否有一种雄辩的方法可以使用ddply()不仅获得定义的最细粒度组的输出，而且还获得这些子组的组的输出？
换句话说，当其中一个分类器是"any“或”any“或”无关紧要“时。在两个分组变量的简单情况下，这可以通过单独调用ddply来完成；但是，当有三个或更多的分类器都可以设置为"any“时，这会变得很混乱，因为必须为”any“+其他的每个新组合反复运行ddply。
可重现的例子：
require(plyr)
## create a data frame with three classification variables
## and two numeric variabl
浏览 0提问于2013-03-25得票数 2
回答已采纳
2回答
因此，我尝试重新创建，但是作者没有给出与R一起使用的非常详细的步骤。
因此，我有一个，它包括付费搜索支出、品牌支出、非品牌支出、付费点击(简单地标记为点击)、有机访问、总访问、访问者和电子商务网站的交易。
我试图自己完成第一部分，并得到了以下输出：
> fit <- lm(organic.visits ~ visits + clicks +visitors + transactions, data=mydata)
> summary(fit)
Call:
lm(formula = organic.visits ~ visits + clicks + visitors + t
浏览 1提问于2013-04-15得票数 1
1回答
我正在调用游侠来建模一个大的混合数据框架的多分类问题(其中一些分类变量有超过53个级别)。训练和测试没有任何问题。然而，解释混淆矩阵/一致性表会导致打嗝。
我用虹膜数据来解释我所面临的困难，把物种作为分类变量，
library(ranger)
library(caret)
# Data
idx = sample(nrow(iris),100)
data = iris
# Split data sets
Train_Set = data[idx,]
Test_Set = data[-idx,]
# Train
Species.ranger <- ranger(Species ~ .,
浏览 3提问于2021-08-05得票数 0
回答已采纳
真的很简单的问题！我正在运行y~x的许多线性回归，并希望获得每个回归的方差，而不是从summary.lm命令中给出的标准误差输出手动计算方差。为了节省一点时间:-)。对执行此操作的命令有什么想法？或者我必须自己写一个函数来做这件事？
m<-lm(Alopecurus.geniculatus~Year)
> summary(m)
Call:
lm(formula = Alopecurus.geniculatus ~ Year)
Residuals:
Min 1Q Median 3Q Max
-19.374 -8.667 -2.094
浏览 3提问于2013-02-19得票数 17
回答已采纳
这开始是一个问题，但是在阅读了下面的答案中提供的参考和源代码之后，解决方案变得清晰起来。如果其他人发现自己处于这样的境地：
版本2.2的orcutt软件包使用一个特殊的过程来计算其CO模型的DW统计量。MWE使用orcutt包的例子来说明它的Durbin统计量不是基于OC估计的残差。
library(orcutt)
data(icecream, package="orcutt")
dw_calc = function(x){sum((x[2:length(x)] - x[1:(length(x)-1)]) ^ 2) / sum(x ^ 2)}
lm = lm(c
浏览 1提问于2017-11-28得票数 1
回答已采纳
3回答
我用OLS拟合了一个线性模型，因为变量之间的度量单位不同，所以我用R中的函数标度来缩放我的回归器。然后，使用lm命令对模型进行拟合，得到拟合模型的系数。据我所知，拟合模型的系数并不在原始回归变量的相同单位内，因此必须缩小，才能解释它们。我一直在寻找一种直接的方法来做这件事，因为找不到任何东西。有人知道怎么做吗？
请看一下代码，你能帮我实现你的建议吗？
library(zoo)
filename="DataReg4.csv"
filepath=paste("C:/Reg/",filename, sep="")
separator=";
浏览 1提问于2013-01-24得票数 4
回答已采纳
1回答
我正在研究一个模型来预测哪个员工将从公司辞职。该数据集列有出生日期、加入日期、部门、性别、婚姻状况、公司年数等。
使用Tensorflow，我创建了一个神经网络分类器，它能够给出预测(将要离开/不离开)以及员工将要离开的概率。
假设模型给出87%的概率，一个特定的人将要离开。我想知道是哪个因素促成了这个人的辞职(即找出该人离职的原因)。
我怎么能这么做？
我用木星笔记本做代码，用Keras做神经网络。
浏览 0提问于2019-06-19得票数 0
我有一个这样的数据集：
y1 | y2 | y3 | x1 | x2 | x3 | x4 | ..... xn|
1 | 0 | 0 | 1 | 1 | 0 | 1 | ..... 1 |
1 | 0 | 1 | 1 | 0 | 0 | 0 | ..... 0 |
1 | 1 | 0 | 0 | 1 | 1 | 1 | ..... 0 |
使用上面的数据，我得到了自变量x1，x2…xn和因变量y1、y2、y3。我想运行一些(机器学习)算法，它不仅可以对一个因变量进行分类，还可以对一组因变量进行分类。一种方法是为每个因变量逐个学习模型，但这可能太耗时了，
浏览 0提问于2016-12-16得票数 0
我试图用两个自变量(lot和method)和一个因变量(conc)运行线性回归。当我运行回归时，我得到了其中一个系数的安娜的值。当我改变模型中自变量的顺序时，不同变量的NA值显示出来。下面是一个可重现的数据集： library(tidyverse)
conc <- c(0.541666667, 0.571759259, 0.50462963,0.50462963,0.377314815,0.578703704,0.518518519,0.550925926,0.548611111,0.611111111,0.567550895,0.743368291,0.669339914,0.5
浏览 66提问于2019-12-04得票数 3
回答已采纳
1回答
我正在使用HMM进行分类。我在维基百科的示例中遇到了一个示例。希望有人能帮我。
这个例子如下：“假设我们有一只鸡，我们每天中午从鸡身上收集鸡蛋。现在，鸡是否下蛋取决于一些隐藏的未知因素。然而，为了简单起见，我们可以假设只有两种状态来决定鸡是否下蛋。”
请注意，在本例中，我们有两个不同的观察值(N和E)和两个状态(S1和S2)。
我的问题是：
我们需要多少个观察/观察序列(或训练数据)才能最好地训练模型。有没有办法估计或测试所需的训练数据量。
浏览 3提问于2015-01-24得票数 0
1回答
考虑到我有三个分类变量(x1、x2、x3)，每个变量有两个级别。
x1 <- as.factor(c(rep(1,5), rep(2,5)))
x2 <- sample(x1)
x3 <- sample(x1)
y <- rnorm (10, 3,3)
res1 <- lm ( y~ x1+x2+x3)
summary(res1)
然后，它返回以下lm函数
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.658 1.869 1.9
浏览 0提问于2017-08-31得票数 0
回答已采纳
我的数据是这样的：
ind1 <- rnorm(99)
ind2 <- rnorm(99)
ind3 <- rnorm(99)
ind4 <- rnorm(99)
ind5 <- rnorm(99)
dep <- rnorm(99, mean=ind1)
group <- rep(c("A", "B", "C"), each=33)
df <- data.frame(dep,group, ind1, ind2, ind3, ind4, ind5)
head(df)
dep gro
浏览 0提问于2019-05-31得票数 0
1回答
我经常要用不改变的控制变量来写长方程。
例如，hp是我感兴趣的变量(x)，在模型之间的变化和vs + am + gear + carb是我的控件。
lm(disp ~ hp + vs + am + gear + carb, mtcars)
然后我的x是drat，然后是wt，但是我的控件是相同的。
lm(disp ~ drat + vs + am + gear + carb, mtcars)
lm(disp ~ wt + vs + am + gear + carb, mtcars)
我会发现，有时能够将方程简化为这样的东西非常有用
y = 'disp'
x = 'hp&
浏览 1提问于2017-04-18得票数 2
回答已采纳
我有一个线性回归问题的预测。在这个问题上，一周中的几天很重要。现在我用：
lm.mod <- lm(y ~ x + monday + tuesday + thursday + friday + saturday + sunday, data=train)
其中y和x是连续变量，周中的天数是虚拟变量(可以是0，也可以是1)。通过这种方式，不同的拦截器(虚拟人前面的系数)给出了周相关性。但是，我想计算一周中每一天的x的不同系数。
当我在样条函数中使用GAM (库: mgcv)时，我可以执行此操作，其中" day“是包含一周中的一天名称的一个分类变量。
gam.mod <- mg
浏览 0提问于2019-02-02得票数 0
回答已采纳
1回答
R中的因子变量
、、、
我有一个数据集，其中包括r中的三个因素变量，我的glm模型的输出一致地给出了每个个体分类值的估计值。我试图使用下面所示的as.numeric命令来纠正这个问题，并且在glm模型中使用了factor命令，但是我仍然得到了相同的输出。
as.numeric(levels(Make))[as.integer(Make)]
as.numeric(levels(Zone))[as.integer(Zone)]
as.numeric(levels(Kilometres))[as.integer(Kilometres)]
对于glm模型，我选择了使用默认链接函数的伽马分布。
Gamma = glm(per
浏览 4提问于2015-03-03得票数 0
回答已采纳
1回答
具有输出分类和回归的多输出决策树
、、、、
我正在进行一个项目，并希望使用决策树(因为我的输入中有猫值和数值，并且不想转换分类变量)来预测输出变量，但问题是我没有一个输出变量，而是4个！
📷
该图片是我的输出数据集的外观：
第一个问题可以用回归决策树进行预测。
其余的如果可以用分类决策树来预测，但是有两个以上的类，所以是多类的。所以我想知道什么是解决这个问题的最好办法：
使用4个不同的决策树，每个变量一棵树？
还是使用一个多输出决策树？
每种方法的优点和不便是什么？
浏览 0提问于2017-07-18得票数 0
laglaw只接受0或1。我的以TRUE为后缀的分类变量是使用语法YX$jan <- seatbelt$montht==1创建的，如果我用YX$jan调用它们，它们会返回TRUE或FALSE的数据。这些是否与包含0和1的laglaw分类变量不同？
如果laglaw没有被视为一个范畴变量1)它以这种形式提供了哪些信息与如果它是绝对的信息是不同的?2)我如何使它是绝对的？
浏览 0提问于2014-03-21得票数 0
回答已采纳
我正在研究一个由具有二进制特性的数据组成的分类问题。我试图找出哪种特征，当等于1时，给出一个特定类的假否定。
为了更好地说明我的观点，请考虑下面的数据，包括包含5个特性的样本，以及它们的GT和预测类。
Features |GT Pred
0 0 0 1 0|A A
0 0 0 0 1|A A
0 0 0 1 1|A A
1 0 0 1 1|A A
1 0 0 0 0|B B
0 1 0 0 0|B B
1 1 0 0 0|B B
0 0 1 0 0|B B
0 1 1 0 0|C C
1 0 1 0 0|C C
1 1 1 0 1|C A
1 0 1 0 1|C A
我
浏览 0提问于2021-06-26得票数 0
回答已采纳
我试图运行一个线性回归模型，其中包含连续变量A*连续变量B*分类变量(4级处理)。数据可以下载。
Model<-lm(H2O2~Treatment*(A*B), data=mydata)
现在我想比较不同的治疗效果。
我知道lstrends可以处理线性模型中的连续变量*范畴变量，但在我的情况下不能工作。我还尝试根据不同的治疗组对数据进行划分，并建立了4种不同的线性模型进行比较，这也是行不通的。
浏览 5提问于2022-01-14得票数 0
3回答
应该为线性模型中的其他解释变量添加一个虚拟变量变化系数吗？我以为它只会改变截距，但是非截距项的系数也发生了变化。
下面是mtcars数据的示例代码(来源于： )
data(mtcars)
mtcars$am_text <- as.factor(mtcars$am)
levels(mtcars$am_text) <- c("Automatic", "Manual")
fit1 <- lm(mpg ~ am_text + wt, data = mtcars)
summary(fit1)
Call:
lm(formula = mpg ~ am_
浏览 1提问于2018-04-20得票数 1
回答已采纳
我有一个不平衡的数据集，有一个分类因变量和特征变量，这些变量是连续的和绝对的。我知道DMwR包中的SMOTE函数只能处理连续的特性。是否有可以处理诸如Chawla描述这样的分类和连续特性的包？
浏览 1提问于2019-03-25得票数 3
目的是预测基于多元回归模型的新观测值。
该模型包括两个因素("ec“与效果编码，"dc”与虚拟编码)和一个数字变量( "num“)加上"ec”和“num”的交互项。
但是，基于新数据的predict.lm函数失败。
# Dependent variable
y <- rnorm(12, 50, 10)
# Independent variables
# Dummy coding
dc <- factor(x=c("Schlecht", "Gut", "Mittel", "Schlech
浏览 0提问于2019-05-29得票数 2
回答已采纳
我是机器学习的新手，当我学习线性鉴别分析时，我看不出它是如何被用作分类器的。
我可以理解LDA和PCA之间的区别，也可以看到LDA作为降维方法是如何使用的。我读过一些关于LDA分类的文章，但我仍然不确定LDA是如何用作分类器的。
据我所知，我们将特征向量x视为多元高斯分布，并利用贝叶斯规则计算出x的最大概率，然后将其归为该范畴。
这种理解一般正确吗？
浏览 0提问于2018-10-03得票数 2
回答已采纳
2回答
R中的概率估计
、、
我试图用R来分析一些概率数据，我给出了给定概率p的某些结果的频率(A和B)，我想要的是一个模型，允许我只从频率数据中估计p。
现在，我只是在运行一个线性回归(类似于lm(p ~ A + B))，它或多或少地起作用了，但我知道这不是“正确的方法”。特别是，对于A或B的某些值，我的当前模型将返回不位于区间[0, 1]内的值，即对概率无效的值。
我很确定有办法做到这一点，但我一辈子都找不出这个模型的名称或在R中如何运行它，有人能给我一个提示吗？
浏览 3提问于2010-12-25得票数 1
回答已采纳
1回答
我使用Weka对LibSVM分类器进行分类，并希望从评估模型中得到一些与输出相关的帮助。
在下面的示例中，我的test.arff文件包含1000个实例，我想知道每个实例被归类为yes/ no的概率(这是一个简单的两个类问题)。
例如1，如果它被归类为“是”，那么它被分类的概率有多大，这是我正在寻找的东西。
下面是我目前拥有的代码片段：
// Read and load the Training ARFF file
ArffLoader trainArffLoader = new ArffLoader();
trainArffLoader
浏览 6提问于2015-04-18得票数 0
回答已采纳
1回答
我正在使用多标签问题解决方案，我开始使用sklearn，它提供了非常好的开箱即用的方法来处理多个标签。我使用MultiOutputClassifier和RandomForestClassifier作为估计量。有4个类的示例：
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.multioutput import MultiOutputClassifier
# The data from your screenshot
# A B C D E F
浏览 2提问于2020-06-30得票数 0
回答已采纳
2回答
线性回归不返回所有系数
、、、
我正在对所有的预测因子进行线性回归(我有384个预测因子)，但是从总结中只能得到373个系数。我想知道为什么R不返回所有系数，以及如何得到所有384个系数？
full_lm <- lm(Y ~ ., data=dat[,2:385]) #384 predictors
coef_lm <- as.matrix(summary(full_lm)$coefficients[,4]) #only gives me 373
浏览 0提问于2018-04-22得票数 0
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
