腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
对udf函数调用.agg时抛出错误
、
、
py4j.GatewayConnection.run(GatewayConnection.java:238) at java.lang.Thread.run(Thread.java:748) 如何对具有特定预测的数据应用
线性
回归
模型请注意,我正在尝试对所有数据应用
线性
回归
模型,并根据预测进行分组。
浏览 63
提问于2019-10-07
得票数 0
回答已采纳
2
回答
@
pandas_udf
-
线性
回归
、
、
、
我需要两组来执行
线性
回归
示例: pdf = pd.DataFrame({'group_id':[1,1,1,2,2,2,3,3,3,3], StructField('sex',StringType()), ]) @
pandas_udf
浏览 24
提问于2021-01-30
得票数 1
回答已采纳
2
回答
如何在DataFrame中跨组使用LinearRegression?
、
、
、
我想对DF进行分组,在每个聚合的DF上应用一个函数(比如
线性
回归
,它依赖于聚合DF的多列-在本例中是两列),并得到如下输出----------------
浏览 1
提问于2017-05-04
得票数 1
2
回答
如何检验整体意义?
、
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
: F(1,77) = 21.07,Pr
浏览 0
提问于2015-12-06
得票数 2
1
回答
Apache Spark MLlib : Java中的OLS
回归
、
、
我一直在看Apache Spark MLlib的文档,似乎找不到使用普通最小二乘(OLS)的
线性
回归
。我只看到进行
线性
回归
的随机梯度下降(SGD)方法的基于数值的算法的示例。我需要闭合形式的OLS
线性
回归
方法,而不是SGD。 我很惊讶在这里找到OLS
回归
是多么困难,因为OLS
回归
是最基本的
线性
回归
方法之一。
浏览 72
提问于2016-03-02
得票数 1
回答已采纳
1
回答
WEKA中的贝叶斯
线性
回归
、
、
WEKA有贝叶斯
线性
回归
实现吗? Microsoft有贝叶斯
线性
回归
,在我的例子中,它比WEKA的
线性
回归
更好。
浏览 2
提问于2017-05-04
得票数 1
1
回答
如何选择有噪声(散乱)数据的
回归
算法?
、
、
我要用多个变量进行
回归
分析。在我的数据中,我有n=23个特性和m= 13000个训练示例。以下是我的培训数据(房屋面积与价格对比):关于这个情节有13000个训练例子。我的问题是,在我的情况下,哪种
回归
算法更合适、更合理。我的意思是,使用简单的
线性
回归
算法还是一些非
线性
回归
算法更符合逻辑?📷📷 现在,我为我
浏览 0
提问于2015-12-26
得票数 1
回答已采纳
2
回答
线性
回归
假设
、
、
我读到,我们对
线性
回归
作了以下假设: 因此,这些假设是特定于
线性
回归
或适用于所有类型的
回归
技术,如支持向量
回归
,拉索和岭
回归
,逐步
回归
等。
浏览 0
提问于2020-03-11
得票数 3
1
回答
如何选择有噪声(散乱)数据的
回归
算法?
、
、
、
我要用多个变量进行
回归
分析。在我的数据中,我有n =23个特性和m = 13000训练示例。以下是我的培训数据(房屋面积与价格对比):关于这个情节有13000个训练例子。我的问题是,在我的情况下,哪种
回归
算法更合适、更合理。我的意思是,使用简单的
线性
回归
算法还是一些非
线性
回归
算法更符合逻辑? 一些不相关的非
线性
回归
拟合例子:
浏览 3
提问于2015-12-26
得票数 1
回答已采纳
1
回答
线性
回归
中梯度下降与正态方程的差异
、
、
嗨,我是
线性
回归
的新手。我想知道和 机器学习在
线性
回归
中何时使用梯度下降和均方误差?或者什么时候在
线性
回归
中使用哪一种算法?
浏览 0
提问于2018-10-04
得票数 1
3
回答
线性
回归
模型
、
、
我是机器学习的新手,我想学的第一个概念是
线性
回归
。我读过,要应用
线性
回归
,我需要使用
线性
模型。从这个假设出发,我知道这是一个简单的
线性
回归
模型:
线性
回归
的定义是,因变量y应该是参数w的
线性
组合(但对于自变量x则不一定相同)。所以我们可以说,这也是一个
线性
回归
模型:在这种情况下,我应该说这是一个
浏览 0
提问于2018-06-26
得票数 2
2
回答
如何将模型方程添加到rapidminer应用模型图中?
让我们假设您运行
线性
回归
。是否可以使用
线性
回归
模型方程注释应用模型图(显示数据和
线性
回归
拟合/预测)?
浏览 3
提问于2013-06-21
得票数 0
回答已采纳
1
回答
何时使用
线性
或logistic
回归
?
、
、
但是,当我选择
线性
或Logistic
回归
时,我还没有明确的概念。 另外,我什么时候可以说
线性
或logistic
回归
表现更好?特别是,我想知道什么时候应该选择
线性
回归
,什么时候选择Logistic
回归
?
浏览 0
提问于2015-12-13
得票数 4
1
回答
回归
:什么定义
线性
和非
线性
模型或函数?
、
、
当输入和输出变量之间存在
线性
关系时,使用
线性
回归
。这种
线性
关系是否意味着对变量或参数没有幂?在m的理解中,
线性
是指相对于参数(无幂)的
线性
。如果错了,请纠正我。,但如果函数是三次或更高次多项式(对变量的幂),我们还可以使用
线性
回归
吗?在拟合高阶多项式时,我们用正则
线性
回归
来惩罚高阶称变量。基于这些困惑,有谁能帮助澄清以下几点呢?1)
线性
是与变量或参数有关的。我在这
浏览 0
提问于2019-10-28
得票数 0
回答已采纳
1
回答
如何处理两个显着自变量之间的多重共
线性
?
、
、
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。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
关于MLP和感知器的概念问题
、
、
、
对于与分类和
回归
问题相关的术语,我面临一些困惑。使用MLP和Perceptron模型。这些建议如下:2)如果它是
线性
不可分的,那么它是否意味着从输入到输出的映射函数总是非
线性
的?因此,我们更喜欢MLP或最新的新模式,如深度学习?3)
线性
回归
在
线性
不可分离数据中失效,或者
线性
回归
对不可分离数据有效,但如果函数映射
浏览 0
提问于2019-10-08
得票数 2
回答已采纳
1
回答
Scikit学习中的
线性
回归
和梯度下降?
、
、
、
我使用的是scikit learn中的
线性
回归
。它不提供梯度下降信息。我在stackoverflow上看到了很多关于使用梯度下降实现
线性
回归
的问题。我们如何在现实世界中使用scikit-learn中的
线性
回归
?或者为什么scikit-learn不在
线性
回归
输出中提供梯度下降信息?
浏览 0
提问于2015-12-26
得票数 26
回答已采纳
1
回答
Libreoffice用缺失的数据值进行
线性
回归
、
、
、
、
在Libreoffice中,如果尝试在某些数据丢失的情况下进行
线性
回归
,则只返回一个错误Err:502。在进行
线性
回归
时,这似乎不是一种选择。用布尔值来表示是否在
线性
回归
中使用该数据点很容易,但是我不知道如何告诉
线性
回归
只使用基于布尔值的数据。例如,是否有一种方法可以根据布尔值来隐藏某些列不受
线性
回归
的影响?在上面的图像中,我想从
线性
回归
中省略D列,因为我不想丢失它包含
浏览 7
提问于2022-10-29
得票数 1
3
回答
使用python的多项式
回归
、
、
据我所知,多项式
回归
是
回归
分析的一种特殊类型,它比
线性
回归
更复杂。有没有可以做到这一点的python模块?我在matplotlib、scikit和numpy中查找过,但只能找到
线性
回归
分析。并且可以计算出非
线性
直线的相关系数?
浏览 4
提问于2015-07-14
得票数 11
2
回答
改进
线性
回归
模型的技巧
、
、
、
我刚刚在包含7个自变量和1个目标变量的数据集上运行了一个
线性
回归
模型。下面是R平方和MSE值。编辑:我刚刚实现了同样的问题,使用
线性
回归
和归一化的特性。
浏览 0
提问于2018-04-18
得票数 3
回答已采纳
点击加载更多
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
线性回归
一元线性回归与多元线性回归
1.1线性回归分析建模-多元线性回归分析
线性模型之线性回归
回归模型之线性回归
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券