1回答
回归模型中的变量选择
、、、、
我建立了价格预测数据模型，使用多元线性回归，岭，拉索和弹性网络回归，最初我有215个变量。在创建模型之后，我运行了python代码来检查最终模型中使用了多少变量，这是python代码，用于检测岭回归中变量的数量，
print("Ridge Regression Selected " + str= 0)) + " Variables and Neglected " + str(sum(coef_ridge ==
浏览 0提问于2020-01-25得票数 0
1回答
他们的软件包允许我在使用正则化时将惩罚函数改为Huber或绝对值，而不是二次L2范数，如套索、脊线或R中的弹性网？
浏览 22提问于2020-01-21得票数 0
回答已采纳
经过一些经验，我发现对我最有效的是使用以下损失函数：
其中，L2平方惩罚是通过添加白噪声并将\sqrt{\lambda_1}标准地发展到A来实现的(在期望中可以显示为等价于岭回归)，而我实现L1平方惩罚的方法是向A中添加一行，其恒定值为\sqrt{\lambda_2}，并在b的
浏览 0提问于2022-03-19得票数 1
回答已采纳
我正在为我的回归模型试验不同的损失函数。我注意到在滑雪板上有：对我来说，两者都使用L1和L2损失的组合。
浏览 0提问于2019-09-18得票数 0
L2正则化导致向量参数中的值最小化。L1正则化导致在向量参数中将某些系数设置为0。
更广泛地说，我已经看到不可微正则化函数导致在参数向量中将系数设置为0。为什么是这种情况？
浏览 0提问于2019-07-01得票数 2
如前所述，我正试图创建一个基于单词事件的垃圾邮件检测模型。我从数据集中获得的信息如下：我一直在使用在线资源，但只能为小得多的数据集找到logistic回归和NN教程，相比之下，这似乎要简单得多。到目前为止，我已经对垃圾邮件和非垃圾邮件进行了总计分析，但我在创建模型本身时遇到了困难。
是否有人对如何使用大得多的数据集进行
浏览 3提问于2022-05-23得票数 -1
3回答
我试图理解一句话：“在存在相关变量的情况下，岭回归可能是首选。”假设我们有变量a1，a2，b1，c2，并且2个a‘s是相关的。如果我们使用套索，它可以消除a’s中的一个。套索和岭都会收缩。这是一个错误的引用，还是我漏掉了什么？(也许想得太简单了)
浏览 1提问于2017-03-20得票数 2
1回答
我目前正在用scikit在高维的情况下试验Lasso。标签是Y_i (实数)，特征是X_i (X_i是一个大小为d=112的向量)。我只有三对(Y_i，X_i)。，d>>n=3，所以我们在高维的情况下。问题Y= X.theta的解决方案存在，其中θ是d维的向量，全为0，1位于索引54：array([ 0.24186978, 0.20693342, 0.00441244])0.24186978045754323
>&
浏览 1提问于2014-09-23得票数 8
回答已采纳
我有一个回归模型，它最适合使用弹性网络来求解。它有非常多的预测因子，我只需要选择其中的子集。此外，预测因素之间可能存在相关性，因此弹性网络是最佳选择)我需要关于论文的</e
浏览 0提问于2015-07-23得票数 0
1回答
我将预测变量放在下面的网格搜索中。据我所知，这个网格搜索选择了模型中应该使用的最佳变量，并丢弃了其他变量。但是，我不知道它是基于哪种算法/选择度量来选择最佳变量的。有人能告诉我它如何选择要保留的变量和要丢弃的变量吗？
浏览 0提问于2018-07-16得票数 0
当我在没有使用R中的glmnet包进行归一化的情况下计算数据的惩罚回归时，在套索、脊线和弹性网中生成的lambda值和RMSE不合理地大。生成的RMSE以数千为单位。但是，当我标准化response变量时，我看到lambda、RMSE和R^2的值都在合理的范围内，< 1
浏览 70提问于2020-12-10得票数 0
3回答
弹性网是如何使用的？
、、、、
这是一个关于回归正则化的初学者问题。大多数关于弹性网和拉索回归的在线信息都是从维基百科或Zou和Hastie (通过弹性网络进行正则化和变量选择)的原始论文中复制出来的。
资源为简单理论？是否有一个简单易懂的解释，它做什么，什么时候，为什么需要回归，以及如何使用它--对于那些没有统计学倾向的人？我知道，如果你能理解的话，原来的论
浏览 2提问于2012-09-05得票数 28
回答已采纳
问题: Logistic回归使用L1正则化和L2正则化训练logistic回归模型，使用α= 0.1和λ= 0.1。报告准确率、精确度、召回率、F1分数并打印混淆矩阵_lambda = 0.1classifier = LogisticRegression(penalty='l1',C=c)我
浏览 26提问于2018-08-30得票数 0
回答已采纳
1回答
因此，正如标题所暗示的，我的问题是特征选择算法是否独立于所选的回归/分类模型。也许有些特征选择算法是独立的，而有些则不是？如果是这样的话，你能说出每种类型的几种吗？谢谢。
浏览 20提问于2020-02-27得票数 0
回答已采纳
1回答
然而，权重的平均值不断攀升，在几次迭代之后，训练和测试精度变得更低。现在，在训练数据上的最高性能约为55%，在测试数据上的最高性能约为50%。我认为rnn可能有一些训练问题，因为它的权重很高。
浏览 1提问于2014-10-13得票数 0
2回答
在一篇文章中，我发现了以下几点： 套索回归方法提供了一种稀疏的解决方案，因此可以提高模型的可解释性。 有人能帮我理解一下这是什么意思吗？据我所知，方程组解的稀疏分解是具有最小伪l范数的维数l的向量，使得该系统仍然是满足的。将一些回归系数设置为零的稀疏解决方案如何在解释中有所帮助？
浏览 28提问于2020-06-22得票数 0
回答已采纳
1回答
如何改进我的回归模型？
、、、、
这是我的第一次实际工作，现在我已经做了几件事，我现在有点被困住了:我不知道该往哪个方向看，才能改进我的模型。我有一个关于人口的数据集。每一项都是属于某一类别(我的特征)的人占居民总数的百分比。我有52观察和35特性，所以有一个52x35 input matrix。模型选择
正如我所说的，我决定保持简单，从一些简单的线性回归开始，然后检查其他回归模型与linreg相比是如何运行<e
浏览 0提问于2018-03-03得票数 0
1回答
我已经在微阵列基因表达集中确定了疾病病例和对照中感兴趣的基因，并应用了PCA。我想使用弹性网络回归来建立一个模型，该模型可以确定哪些主成分是源的预测(病例与对照)，但我不确定如何做到这一点，即输入什么作为x和y变量。任何帮助都将不胜感激！
浏览 0提问于2016-11-30得票数 0
在处理glmnet与glm时，我遇到了lambda=0和family=“泊松”的收敛问题。我的理解是，对于lambda=0 (和默认的alpha=1 )，答案应该基本上是相同的。下面的代码与glmnet帮助页面(Glmnet)上的毒药示例稍有不同。唯一的变化是nzc =p，因此所有变量都在真实模型中nzc=pbeta=rnorm(nzc)
浏览 3提问于2013-10-12得票数 2
有没有一种方法可以通过参数或其他方式在statsmodel中对logistic回归模型进行L2惩罚？我只是在文档中找到了L1惩罚，但没有L2惩罚。
浏览 16提问于2016-05-21得票数 9
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
