当尝试拟合多元线性回归模型时预测()函数的问题
当尝试拟合多元线性回归模型时预测因变量的函数的问题。
多元线性回归模型是一种统计模型，用于建立自变量与因变量之间的关系。在多元线性回归模型中，我们试图找到一个函数，将多个自变量的线性组合映射到因变量。预测函数的目的是根据已知的自变量值，预测因变量的值。
预测函数的形式可以表示为：
Y = β0 + β1X1 + β2X2 + ... + βnXn
其中，Y是因变量，X1、X2、...、Xn是自变量，β0、β1、β2、...、βn是回归系数。
预测函数的问题主要包括以下几个方面：
- 模型选择：在拟合多元线性回归模型之前，需要选择适当的自变量。这可以通过统计方法（如逐步回归、岭回归等）或领域知识来进行。
- 模型拟合：拟合多元线性回归模型时，需要估计回归系数。常用的方法是最小二乘法，通过最小化残差平方和来求解回归系数。
- 模型评估：拟合好的模型需要进行评估，以确定其对数据的拟合程度和预测能力。常用的评估指标包括均方误差（MSE）、决定系数（R^2）等。
- 预测问题：一旦模型拟合完成，可以使用预测函数来进行预测。根据已知的自变量值，代入预测函数即可得到对应的因变量预测值。
在云计算领域，多元线性回归模型可以应用于各种场景，例如：
- 用户行为分析：根据用户的多个行为特征（如点击量、浏览量、购买金额等），预测用户的购买意愿或行为转化率。
- 服务器负载预测：根据服务器的多个指标（如CPU利用率、内存使用量、网络流量等），预测未来一段时间内的服务器负载情况，以便进行资源调度和容量规划。
- 电商销量预测：根据产品的多个特征（如价格、促销活动、用户评价等），预测产品的销量，以便进行库存管理和销售策略制定。
腾讯云提供了一系列与云计算相关的产品，可以支持多元线性回归模型的建立和应用。具体推荐的产品包括：
- 云服务器（CVM）：提供弹性的虚拟服务器实例，可用于搭建数据分析和建模环境。链接：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（CDB）：提供高性能、可扩展的关系型数据库服务，适用于存储和管理回归模型所需的数据。链接：https://cloud.tencent.com/product/cdb_mysql
- 人工智能平台（AI Lab）：提供丰富的人工智能开发工具和服务，可用于模型训练和预测。链接：https://cloud.tencent.com/product/ailab
以上是腾讯云提供的一些相关产品，可以满足多元线性回归模型的建模和应用需求。
相关·内容
2回答
考虑到多元回归(如Y ~ X1 + X2 + X3 )，当cor(X1, Y)、cor(X2, Y)和cor(X3, Y)都是0.2等小值时，您认为是否值得将多元回归模型与数据进行拟合，而且(X1, Y)、(X2, Y)和(X3, Y)的曲线没有(线性、非线性)不相关？
总而言之，
当每个自变量与因变量(视觉上是线性的和非线性的)不相关时，多元回归模型是否有可能给出显著的系数？
对于相同的数据，神经网络等非线性模型是否有可能得到良好的预测结果？
浏览 6提问于2017-09-28得票数 0
1回答
我希望这个标题有意义。基本上，我研究数据已经有一段时间了，我想预测未来的值并绘制它们。我的回归模式是:lm(总~ Rank+市场)，当我进行回归分析时，我可以看到系数和所有的东西。我的数据有以下几列:总计，市场，等级，日期。但对于预测函数，我认为回归模型不起作用。我尝试将Total转换为时间序列并绘制它，但在这种情况下，其他因变量对总值没有影响。
我已经尝试了一段时间，我研究了很多预测方法，但它们只包括一个变量，而不是回归模型本身。请您提供如何预测我的多变量回归模型的资源或语法吗？
我想这就是我要找的，但是函数中没有包含其他变量，我用tslm尝试了我的模型，但是它没有工作。我认为tslm只能
浏览 0提问于2021-11-30得票数 0
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。
训练集的均方误差: 36530921.0123
训练集的$R^2$值: 0.7477
有人能给我一些建议来提高这个型号的效率吗？
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。我得到了以下输出:训练集的均方误差: 5.468490570335696e-10训练集的R2值: 0.9275088299658416训练集的均方误差: 4.111793316375822e-10训练集的R2值: 0.9342888671422529。
那么，我们能考虑标准化数据集以获得更好的准确性吗？
浏览 0提问于2018-04-18得票数 3
回答已采纳
1回答
当将列传递给seaborn.residplot时，是否可以传递多个IV变量(在多元回归分析的情况下)？
我尝试了一些常规的方法'IV1'，'IV2‘等等。但它们似乎不起作用。
浏览 1提问于2018-03-24得票数 1
回答已采纳
3回答
我很难相信线性模型可以用多项式来拟合线性回归曲线。如图所示。
假设我没有错过-理解上面的陈述，你能获得良好的性能与线性模型，试图拟合，比方说，抛物线在三维空间？
浏览 0提问于2022-05-07得票数 0
回答已采纳
我试图将logistic回归模型拟合到高维(约15k)的不平衡数据集(0.5/99.5)。我用随机森林来选择最重要的200个特征。观测值在120 K左右。
当我对基于数据集的logistic回归模型进行拟合时(使用Smote进行过采样)，在训练f1时，查全率和准确率都很好。但在测试中，精度分数和f1都很差。我认为这是有意义的，因为在培训中，少数人的案例要多得多，而在现实/测试中，只有很小的比例。因此，该算法仍在寻找更多的少数病例，造成了较高的假阳性率。
我在想我能用什么样的方法来提高性能呢？
我目前正在尝试不同的不平衡数据集的抽样方法，也计划尝试PCA。
浏览 0提问于2017-03-27得票数 7
回答已采纳
2回答
我尝试在R中使用MFP函数，就像我在Stata中使用等效命令一样。通常，当在Stata中运行线性回归时，我在命令regress之前使用命令mfp，并且Stata给出回归模型中协变量的“最佳”转换。例如，在Stata中，我使用以下命令
mfp: regress variable1 variable2
在R中的库(mfp)中似乎有一个函数mfp，我想使用它。
例如在R中：
summary(mfp(variable1 ~ fp(variable2)))
这给了我回归的结果，但R以某种方式将其强制到GLM模型中。这样做的缺点是，与线性模型(LM)相比，我得不到总体的R平方。
有没有人知道如何在R中使用
浏览 0提问于2015-02-20得票数 1
2回答
我很难理解回归在Matlab中是如何工作的。
假设我有两个数组(X和Y)，每个数组都有相同的大小(假设它们都是1x10)。据我所知，回归函数应该帮助我找到X和Y之间的关系(我想通过绘制的数据绘制一条最佳拟合线)，然后给我斜率。当我在Matlab中尝试这个方法时，我得到了一个错误，说这两个变量有不同数量的rows....but，不是吗？
如果有人能帮助我理解这个函数和它的参数是如何工作的，我将非常感激，只是为了让我进入一个基本的层次。
下面是一些示例代码：
x = [1,2,3,4,5,6,7,8,9,10];
y = [1,2,3,4,5,6,7,8,9,10]; %defining the
浏览 0提问于2013-11-28得票数 5
我一直在寻找一个C++库，它可以近似于一个多项式函数f(x，y) =z，给定一组已知的三维点(x，y，z)。
使用matlab中的fit函数或曲线拟合工具(请参见链接中的图像中的具体示例)，这很简单，但我需要将此功能集成到一些用C/C++编写的现有软件中，因此我需要专门寻找一个C++库。有人能给我指点可能有用的东西吗？
我遇到过许多曲线拟合库，但它们似乎都局限于一维曲线的拟合。我一直在寻找回归和插值函数，也许我是在寻找错误的东西？
📷
浏览 0提问于2023-01-02得票数 1
1回答
我对机器学习中的回归模型有一个问题，我想知道我的方法是否正确。
我已经建立了回归模型，并用我的数据对其进行了训练，但我的模型预测的值总是比实际值高1.5倍。
我理解这是我的模型的习惯，考虑一下，因为它总是被预测1.5次。
在考虑了实际情况后，我将预测值除以1.5倍。比方说，我的模型预测在某些情况下是100，我计算了100/1.5，结果大约是66.6。
实际上，66.6不是预测值，我操纵了它。
这种操作对于回归是可接受的吗？我能把这个66.6提供给我的客户吗？
浏览 14提问于2017-07-18得票数 0
让我们假设您运行线性回归。
线性回归过程中的模型方程和应用模型过程中的预测图最终出现在不同的结果窗口中。
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)？(就像Excel那样嗡嗡作响！)
如果是这样的话，是怎么做的？
浏览 3提问于2013-06-21得票数 0
回答已采纳
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：
y = w0 + w1x
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：
y = w0 + w1x1 + w2(x2)^2
在这种情况下，我应该说这是一个线性回归模型，因为对于定义来说，w0、w1和w2在表达式中仍然是线性的。即使存在自变量x2的二次项。
现在，我有个问题。如下所示的模型：
y = w1 x1 + w2 x2 + w3 x3 + w4 x1x2 + w5 (
浏览 0提问于2018-06-26得票数 2
1回答
我在R中使用随机森林的回归模型，我发现参数corr.bias根据手册是“实验性的”，我的数据是非线性的，我只是想知道将这个参数设置为true是否可以增强结果，另外我不知道它对非线性数据是如何工作的，所以如果有人能解释一下这个校正偏差在随机森林包中是如何工作的，以及它是否可以增强我的回归模型，我真的很感激。
浏览 3提问于2013-07-24得票数 3
我正在学习如何使用Azure ML Studio执行机器学习。目前，我只尝试过使用Python进行机器学习。 我使用Azure ML和Python运行了相同的机器学习项目，以查看每个产品的结果与均方根误差(RMSE)有多接近。到目前为止，Azure ML和Python的RMSE有很大不同。 我不明白为什么RMSE离得这么远。我能想到的唯一原因是因为Python在训练数据上‘拟合’模型的方式。Python使用以下代码来拟合训练数据 lr = LinearRegression(labelCol='xxxx')
lrModel = lr.fit(train_data) 然而，我不知
浏览 17提问于2019-12-28得票数 0
1回答
当输入用傅里叶变换表示时，我试图预测输入的响应。这些特征通常表示为向量，x_1,x_2,...,x_d，其中d是傅里叶变换的长度。根据我的理解，每个这样的d维向量都可以作为回归模型的输入。输出是y_1，它是一个标量实数，另一个输出y_2表示另一个标量实数。这些都是因变量。我有N数的d维数，傅里叶变换的例子，每一个被y_1和y_2标记。
问题1)当任务是用输入傅里叶变换预测一个输出响应时，那么这个问题被称为单变量回归吗？是由输入的维度(即d>1)或输出的维度(即1)关联的单变量
问题2)当任务是共同预测两个响应变量-- y_1和y_2时，这个问题被称为多元回归吗？
浏览 0提问于2019-12-30得票数 3
回答已采纳
3回答
我目前正在从事一个线性回归项目，在这个项目中，我需要收集数据，将其拟合到一个模型中，然后根据测试数据进行预测。
如果我是正确的，简单线性回归对两个变量，X(独立)和Y(相依)起作用。我有以下数据集，其中我认为time列为X，value列为Y：
+-----+------+
|value|minute|
+-----+------+
| 5000| 672|
| 6000| 673|
| 7000| 676|
| 8000| 678|
| 9000| 680|
+-----+------+
我不知道的是如何正确地将这个数据集拟合成线性回归模型。我以前使用过k-means，我用
浏览 8提问于2017-06-27得票数 3
回答已采纳
2回答
理解Weka的代码
、、、
我正在学习。
下面是代码的简单定义。
该规范旨在根据建筑表面、墙体和屋顶面积、高度、遮阳面积等建筑特点，研究建筑的热负荷和冷却负荷要求。compactness.The研究人员使用模拟器设计了12种不同的房屋结构，同时还设计了18种不同的建筑特性。我们的第一个目标是系统地分析每个建筑物特征对目标变量，即加热或冷却负荷的影响。我们将使用线性回归模型进行估计。线性回归模型构造了一个将输入变量线性组合来估计供热负荷的函数。
下表显示了我们分析的数据：
以下是代码：
public static void main(String[] args) throws Exception {
Bu
浏览 3提问于2016-12-28得票数 0
回答已采纳
1回答
残差估计
、
我有这样的一条线：
attribute_est = Pipeline([
('jsdf', DictVectorizer()),
('clf', Ridge())
])
在这里，我传递的数据如下：
{
'Master_card' : 1,
'Credit_Cards': 1,
'casual_ambiance': 0,
'Classy_People': 0
}
我的模型不能很好地预测。现在我被求婚了：
你可能会发现很难找到一个做得足够好的回归者。一个常见
浏览 1提问于2018-03-08得票数 0
回答已采纳
我想用metafor来绘制ggplot (或类似的包)的元回归图。
我发现了这个网站()，它解释了如何在ggplot2和metafor的散点图上绘制报告的值和拟合模型的回归线。
然而，作者在网站上设置的代码本身并没有正常运行。似乎我必须以某种方式计算预测，但由于我是一个新手R用户，我不知道我如何能做到这一点。我不能像对待rma()的结果一样对待lm()的结果。
Model2<-rma.uni(yi,vi,mods=~Intensity+Method,method="ML",data=ROM)
summary(Model2)
in.plot<-ggplot(data
浏览 2提问于2018-01-19得票数 0
回答已采纳
我想使用stat_smooth()绘制具有多个回归变量的回归的拟合值。看起来stat_smooth()只允许使用ggplot的aes部分中指定的(x，y)数据的回归。 下面是使用x=hp和y=mpg进行简单回归拟合的典型曲线图 head(mtcars)
require(ggplot2)
ggplot(mtcars, aes=(x=hp, y=mpg))+geom_point()+
stat_smooth(method="lm", formula=y~x) 但是，我想绘制与上面相同的图，但是拟合的值应该来自具有两个回归变量的回归，例如x1=hp和x2=wt。 这个想法是，在控制
浏览 41提问于2019-05-15得票数 0
1回答
我的任务是为一个预测问题(输入参数有数字和分类变量的组合)建立一个多元线性回归模型。 如果我使用人工神经网络(ANN)来构建一个进行预测的模型，这是多元线性回归模型还是深度学习模型？如果我可以使用ann来构建多元线性回归模型，我会感到困惑。
浏览 47提问于2019-01-24得票数 0
回答已采纳
1回答
我试着用glm拟合一个logistic回归模型，其中我只对截距感兴趣--但我仍然希望用已知的系数来拟合这个模型。示例：
或
beta <- c(24.5,3.6,2.87,7.32)
所以我想用
model <- glm(y~x_1+x_2+x_3+x_4, family=binomial(link="logit"), data=dt)
在某种程度上结合了已知的β，所以glm函数只适合α。我怎么能这么做？
浏览 1提问于2015-07-22得票数 2
回答已采纳
假设我们处理的是连续的特性和响应。我们拟合一个线性回归模型(假设一阶)，在CV之后，我们得到了一个好的r^2 (假设是r^2=0.8)。
为什么我们要选择其他的ML算法？我读过一些研究论文，他们尝试了不同的ML算法，并以简单的线性模型作为基本模型进行比较。在这些论文中，线性模型优于其他算法，我很难理解的是为什么我们会选择其他的ML算法呢？为什么我们不能满足于线性模型，特别是在其他算法表现不佳的具体情况下？
另一个问题是，如果这些算法表现不佳，他们在研究论文中介绍其他算法会得到什么好处？
浏览 8提问于2022-08-17得票数 -1
1回答
对于一个简单的回归模型，我们可以使用残差图来检查线性模型是否适合建立我们的预测器和我们的响应之间的关系(通过检查残差是否随机分布)。
然而，当我们有多个预测器和一个响应时(即对于多元线性回归模型)，是否有类似的方法来检查线性回归是否适用？
浏览 1提问于2020-02-03得票数 0
2回答
我正在使用scikit-学习做回归，我的问题是以下。我需要对几个参数(向量)进行回归。这在一些回归方法(如ensemble.ExtraTreesRegressor和ensemble.RandomForestRegressor )中很好。实际上，我们可以给出一个向量作为目标来拟合上述两种回归方法的模型(fit(X,y)方法)。
然而，当我尝试使用ensemble.GradientBoostingRegressor、ensemble.AdaBoostRegressor和linear_model.SGDRegressor时，分类器无法拟合模型，因为它期望一维值作为目标( fit(X,y)方法的y参数
浏览 7提问于2014-02-04得票数 21
我搜索了这个问题，得到的答案是一个一般的回归模型，而不是一个单变量的线性回归模型。如果你增加变量的数量，你可以拟合一条曲线，而不是线到数据点，这些数据点应该在一条线上，但是如果我的模型只是一条直线，拟合100个样本呢？
一个简单的y= mX +c模型。
这种型号有可能过火吗？
浏览 0提问于2023-04-26得票数 0
我正在使用lmer来拟合一个具有几个固定效应(包括特定于对象的变量，如年龄、短期记忆广度等)的多级多项式回归模型。和两组随机效果(主题和主题:条件)。现在，我想预测具有特定属性(年龄、短期记忆广度等)的假设对象的数据。我拟合了模型(m)，并创建了一个包含假设主题的新数据框(pred)，但当我尝试predict(m, pred)时，我得到了一个错误：
Error in UseMethod("predict") :
no applicable method for 'predict' applied to an object of class "mer
浏览 2提问于2012-02-28得票数 2
我正在学习线性回归，我运行了一个线性回归的阶跃函数，并检验了最终方程的残差和拟合图。残差看起来是同步性的，但它不是随机分布在线的上面和下面。我不知道该怎么解释。残差与杠杆图并不表示我有一个高厨师的距离点。我的R平方值非常糟糕.以下是总结输出：
剩余标准误差: 58588自由度上的2.337
倍数R-平方: 0.3692，调整R-平方: 0.3671
F-统计量: 174.1对197和58588 DF，p-值：< 2.2e-16
但我不太明白残差和贴图意味着什么。我在开发一个更好的模型的下一步将会是什么。
📷
浏览 0提问于2019-02-17得票数 3
1回答
将回归模型拟合到序列数据上
、、、、
我目前正在尝试找出两站之间的通勤时间。我想使用回归模型或神经网络来预测时间，但我不确定如何将模型与数据拟合。我的数据如下所示： Route Station Trip_ID Time Day_Week
1 Station 1 XXX_1 02:30 0
1 Station 2 XXX_1 02:40 0
1 Station 3 XXX_1 02:55 0
1 Station 4 XXX_1 02:58 0
1 Station 5 XXX_1 03:10 0 我希望能够
浏览 12提问于2019-12-03得票数 1
1回答
因此，我的怀疑基本上是线性回归，我们试图拟合一条直线或一条曲线，对给定的训练集。现在，我相信当特性(自变量)增加时，参数也会增加。因此，计算这些参数在计算上是昂贵的。所以，我想这就是我们走向非线性的原因！？我的理解对吗？
我的下一个疑问是，对于线性回归的过度拟合，我们说模型是记忆的。我所理解的是，参数调整的方式只能预测给定的输入，并且会给输出带来不好的结果，原因是我们没有拟合一条广义的线或曲线。但我们正在绘制一条贯穿所有输出值的线或曲线。我的理解正确吗？
浏览 0提问于2020-05-08得票数 1
回答已采纳
2回答
我已经为我的数据拟合了一个回归模型，它提供了一个很好的r2。
fit <- lm(time ~ poly(ladder,3), data=red.corr)
在我的数据框中，我有一个包含“阶梯”度量的列。我想用这个回归模型来预测“时间”的值。
任何帮助都非常感谢！
浏览 2提问于2020-06-21得票数 1
2回答
我正在训练一个基于树的模型(例如xgb)。我有一些功能，超过90%的值常数。由于数据的变化最小，它是否为模型增加了价值？如果我使用线性回归模型，同样的影响会是什么？
浏览 0提问于2022-07-28得票数 0
回答已采纳
2回答
线性回归中的过拟合
、、、
我刚开始机器学习，我很难理解线性回归模型中过度拟合是如何发生的。
考虑到我们只使用两个特征变量来训练一个模型，一个平面怎么可能被一组数据点过度拟合呢？
我假设线性回归只用一条线来描述两个变量之间的线性关系和一个平面来描述三个变量之间的关系，我很难理解(或者更确切地说是想象)如何在一条线或一个平面上发生过度拟合？
浏览 0提问于2020-08-27得票数 16
1回答
我从ISLR进行线性和Logistic回归，在这两种情况下，我发现增加模型灵活性的方法之一是使用多项式特征-X和X^2作为特征，然后像往常一样应用回归模型，同时将X和X^2作为独立特征(在sklearn中，而不是状态模型的多项式拟合)。但是，这不是增加了特征之间的共线性吗？它如何影响模型的性能？
总结一下我对此的想法-
第一，X和X^2无疑有很大的相关性。
第二次，我写了一个，证明了，至少在线性回归中，特征之间的共线性不会影响模型的拟合分数，尽管它通过增加系数不确定性使模型更难解释。
那么第二点与此有任何关系，考虑到模型的性能是由拟合分数来衡量的。
浏览 1提问于2021-06-10得票数 2
回答已采纳
我正在建立一个简单的线性回归模型，用平方尺、床位数(S)和浴室数(S)来预测房价。
在建立模型后，我注意到平方尺和床位数(S)的系数是正的，这是有道理的，因为随着平方尺/床位数的增加，房价也增加了。然而，浴室的数量系数(S)是负的，这是没有意义的，因为住房价格并没有随着浴室数量的增加而下降(S)！
我的问题是:负系数是我可以通过将更多的数据纳入我的模型来“修正”的东西，还是这只是线性回归中的一个怪癖？
浏览 0提问于2019-01-29得票数 1
回答已采纳
2回答
我有10000个样品。有4个自变量和1个因变量。
自变量均以0均值为中心。
📷
我发现这些变量之间的相关系数如下：
📷
我使用了线性回归模型，下面是该模型的总结：
📷
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的预测因子(s)？
另外，即使我从lm模型中删除了x4变量，残差标准误差仍然是相同的，哪种情况可以重新迭代它不是一个重要的预测器？是
我的理解对吗？
此外，我运行了R中可用的VarImp函数，它
浏览 0提问于2020-02-23得票数 2
2回答
数据集的预测能力
、、
我正在为本科生读一本关于机器学习的书。实际上，我对线性回归的灵活性感到困惑：
有时，线性回归将无法恢复一个好的解决方案的数据集。虽然这可能是因为我们的数据实际上没有预测能力，但它也可能只是表明我们的数据是以不适合线性回归的格式提供的。
我在这里读到了一些关于预测能力的问题，我注意到这都是关于模型产生的。当我们谈到数据集的预测能力时，意味着什么？
我认为这是因为特性之间没有关系(因为线性回归的目的是学习输入X和输出Y之间的关系)。但我还不相信这个答案。
浏览 0提问于2020-09-03得票数 2
回答已采纳
我对python比较陌生。我正在尝试进行多元线性回归，并绘制散点图和最佳拟合线，一次使用一个特征。
这是我的代码：
Train=df.loc[:650]
valid=df.loc[651:]
x_train=Train[['lag_7','rolling_mean', 'expanding_mean']].dropna()
y_train=Train['sales'].dropna()
y_train=y_train.loc[7:]
x_test=valid[['lag_7','rolling_mea
浏览 6提问于2020-08-07得票数 2
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
我正在自学多元回归，我试图模拟一个多元随机变量，并构造一个广义线性模型来拟合它。这是我的代码：
#Clear Previous
rm(list=ls())
cmp = 2 #Number of components in sample
n = 10 #Number of simulated data points
B = matrix(c(1,2,3,4), nrow=2,byrow=TRUE) #Coefficient matrix
#Simulate model
X = matrix(rep(0,2*n), nrow=2,byrow=TRUE)
浏览 1提问于2017-03-29得票数 1
3回答
我希望根据公式> r²= (x-h)²+(y-k)²的圆计算半径的预测区间。圆的R半径，x，y，是高斯坐标，h，k，标记拟合圆的中心。
# data
x <- c(1,2.2,1,2.5,1.5,0.5,1.7)
y <- c(1,1,3,2.5,4,1.7,0.8)
# using nls.lm from minpack.lm (minimising the sum of squared residuals)
library(minpack.lm)
residFun <- function(par,x,y) {
res <- sqrt((x-par$h)^
浏览 2提问于2013-08-07得票数 2
5回答
我在R中运行逻辑回归模型，我使用了Zelig和Car软件包。然而，我想知道是否有一种简单的方法来获得模型的模型拟合统计数据。(伪R平方、卡方、对数似然等)
浏览 7提问于2010-07-27得票数 7
1回答
在多元线性回归模型中，为什么我们要比虚拟变量的总数少一个虚拟变量？
例如，如果模型包含4个虚拟变量，我们将更新特征向量以训练回归模型。x = x[:, 1:4]。
浏览 2提问于2018-08-19得票数 1
1回答
我想知道在Python中是否有一个函数可以找到最小绝对偏差和考虑点的不确定性的一组数据的最佳拟合线( 2D)或最佳拟合平面( 3D)。
事实上，我有三维点，我想要它们中最适合的平面。在sklearn和statsmodel python库中都存在加权最小二乘(WLS)拟合函数，通过在状态模型的分位数回归中加入q=0.5，得到最小绝对偏差。然而，怎样才能有加权最小绝对回归拟合函数呢？
浏览 2提问于2020-05-29得票数 0
我有一组自变量为x和y的数据，现在我正在尝试建立一个二维回归模型，它有一个回归曲面来切割我的数据点。然而，我找不到实现这一点的方法。有人能给我一些帮助吗？
浏览 0提问于2013-06-27得票数 0
我在做数据拟合。我需要一个表面。我用了两种方法。
1)双变量多项式回归。(线性/ OSL)和2)二次模型a_x^2+b_x+c。
我的问题是，我可以使用二次模型ax^2+bx+c进行非线性回归使用levenberg。因为我已经实现了
浏览 1提问于2017-04-13得票数 0
我尝试使用LinearRegression来分析多变量(例如随机森林、sklearn等)。使用Python的数据帧。
然而，它显示了一个巨大的RMSE，所以我尝试对我的数据应用非线性回归。
我想运行一个非线性回归来预测商品的价值，使用大量的数据(例如，质量，生产年份，工厂数量，整体状况和许多类别……)。
我试着在谷歌和Stackoverflow上寻找，但我只能找到使用curve_fit，polyfit的方法，它已经预测了X和Y之间的函数形式。另外，我的输入数据键值大于10，所以我想使用ML或其他一些软件包来应用非线性回归。
请帮助我并给我建议！
浏览 1提问于2020-02-01得票数 0
有什么方法可以直观地判断特定特征的套索惩罚是小的还是大的？考虑以下情况：
假设我们在100个功能[X_1, X_2, X_3, ..., X_{100}] 的数据集上使用Lasso回归。现在，如果我们取一个特征，并将其值放大10倍，例如X_1 = X_1 * 10，然后在新的数据集上拟合lasso回归，以下哪一个可能是正确的？
X1可能会被排除在拟合模型之外。
X1可能会包括在拟合模型中。
有人告诉我2是真的。不知怎么的，对X_1的操作会减少对X_1的套索惩罚，因此很有可能保留这一特性。
我不明白为什么。有谁能说出这句话的开头是否不正确，或者其中是否有一些事实？
浏览 0提问于2018-12-12得票数 0
回答已采纳
1回答
如果有2个输入(X1和X2)和1个目标输出(t)需要神经网络估计(每个节点有6个样本)：
X1 = [2.765405915 2.403146899 1.843932529 1.321474515 0.916837222 1.251301467];
X2 = [84870 363024 983062 1352580 804723 845200];
t = [-0.12685144347197 -0.19172223428950 -0.29330584684934 -0.35078062276141 0.03826908777226 0.06633047875487];
我试图通过手动使用
浏览 1提问于2015-06-05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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
