当评估多项Logistic回归模型时，"car“包中的VIF函数返回NAs
在评估多项Logistic回归模型时，"car"包中的VIF函数返回NAs表示存在多重共线性（multicollinearity）问题。VIF（方差膨胀因子）是一种用于检测自变量之间共线性的统计指标。
共线性是指在回归模型中，自变量之间存在高度相关性，这会导致模型的不稳定性和不可靠性。VIF函数计算每个自变量的方差膨胀因子，该因子表示自变量与其他自变量之间的相关性程度。一般来说，如果VIF的值大于10或20，就表示存在严重的共线性问题。
当VIF函数返回NAs时，可能有以下几种原因：
- 数据集中存在缺失值：VIF函数在计算时要求数据集中没有缺失值，如果存在缺失值，VIF函数无法进行计算，因此返回NAs。
- 自变量之间存在完全共线性：如果自变量之间存在完全共线性，即存在线性相关性的自变量，VIF函数无法计算方差膨胀因子，因此返回NAs。
- 数据集中的变量数量过多：当数据集中的变量数量过多时，VIF函数可能无法计算所有变量的方差膨胀因子，导致返回NAs。
解决多重共线性问题的方法包括：
- 删除相关性高的自变量：通过观察自变量之间的相关性矩阵，删除相关性高的自变量，以减少共线性问题。
- 合并相关性高的自变量：如果存在相关性高的自变量，可以将它们合并成一个新的自变量，以减少共线性问题。
- 使用正则化方法：正则化方法如Lasso回归和Ridge回归可以通过对系数进行惩罚，减少共线性对回归模型的影响。
- 增加更多的数据：增加更多的数据可以减少共线性问题，提高模型的稳定性。
腾讯云相关产品和产品介绍链接地址：
腾讯云提供了多种云计算相关产品，包括云服务器、云数据库、云存储等。具体可以参考腾讯云官方网站的产品介绍页面：https://cloud.tencent.com/product
注意：根据要求，本回答不包含亚马逊AWS、Azure、阿里云、华为云、天翼云、GoDaddy、Namecheap、Google等品牌商的相关信息。
相关·内容
1回答
我试图检验我的多项Logistic回归模型的假设成立或失败。
多项式Logistic回归模型是一个可以建立和比较的模型，尽管它有这样的假设：
多项logistic回归有假设，如因变量选择的独立性假设。这一假设表明，一个类别的选择或成员资格与另一个类别(即因变量)的选择或成员资格无关。()
因此，在搜索了一段时间之后，我发现了方差膨胀因素，它衡量了自变量的行为(方差)受其与其他自变量的相互作用/相关性的影响或膨胀程度。
#Multinomial Logisitic Regression
mlrModel = train(
label~.,
data = overallDatase
浏览 0提问于2021-04-13得票数 0
回答已采纳
1回答
我试图为我的Logistic回归模型寻找VIF值。我使用vif()函数，但我不知道计算的解释，因为我不知道如何为Logistic回归找到R^2。有人知道这是从哪里来的吗？
这是我的数据
d=read.delim("http://dnett.github.io/S510/Disease.txt")
d$disease=factor(d$disease)
d$ses=factor(d$ses)
d$sector=factor(d$sector)
d$savings=factor(d$savings)
#Base Level
d$sector=relevel(d$sect
浏览 2提问于2022-02-02得票数 1
我正在尝试在我建立的多项逻辑回归模型中测试多重共线性。这些数据包含超过33000个观察值的13个变量。其中9个变量是分类因子变量，其余3个是数值/连续变量。我运行了nnet包中的多项式逻辑回归模型，如下所示 my.model = multinom(dependent.var ~., data = training data) 这是有效的(尽管不是很好)。然后我从car运行VIF函数，每个变量的GVIF结果都返回为"NaN“，并带有一条警告消息： Warning message: In vif.default(multi.model) : No intercept: vifs may
浏览 185提问于2020-04-07得票数 0
我已经完成了一个回归模型的运行，现在我想使用car包来检查VIF，并且也尝试了olsrr包，但是当我调用(libary(car)和library(olsrr)它们时，我总是得到一个错误，现在无法进行VIF测试:库(Car)错误: loadNamespace(i，c(lib.loc，.libPaths())，versionCheck =vI[i])中的‘car’的包或名称空间加载失败:名称空间‘rlang’0.4.0已经加载，但需要>= 0.4.5 库(Olsrr)错误: loadNamespace(i，c(lib.loc，.libPaths())，versionCheck =vI[i]
浏览 24提问于2020-04-12得票数 0
我有适合多项式logistic回归的数据，但我不知道如何建立预测我的Y的模型。
如何用SPSS进行多项Logistic回归分析？
逐步的方法是如何工作的？
浏览 2提问于2012-06-22得票数 0
2回答
我要参加安德鲁·吴的课程--机器学习。他提到，与训练神经网络相比，训练具有多项式特征的logistic回归模型对于某些任务来说是非常昂贵的。那是为什么呢？我的意思是，当我们谈论神经网络时，我们通常看到的是一个参数非常多的模型，那么，为什么逻辑回归在计算上会更昂贵呢？
PS:下面是一些上下文(在关于神经网络的练习开始时)：
在本练习的前一部分中，您实现了多类逻辑回归来识别手写数字。然而，logistic回归不能形成更复杂的假设，因为它只是一个线性分类器(可以在logistic回归中添加更多的特征，例如多项式特征，但这可能会非常昂贵)。
浏览 0提问于2019-08-22得票数 0
回答已采纳
1回答
我在r中建立了一个logistic回归模型，试图预测板球比赛的结果。然而，我的模型产生的概率值大于1。输出是1.031704，对于如何改进我的模型以获得概率的精确估计有什么建议吗？
set.seed(1)
#Use 70% of dataset as training set and remaining 30% as testing set
sample <- sample(c(TRUE, FALSE), nrow(ODIMT), replace=TRUE, prob=c(0.7,0.3))
train <- ODIMT[sample, ]
test <- ODIMT[!s
浏览 7提问于2022-09-14得票数 1
我想将我自己的包含VIF值的列添加到使用sjplot包中的tab_model()函数创建的回归表中。
下面是我想要做的一个例子：
log_fit <- glm(Sepal.Length ~ ., data = iris)
require(sjplot)
tab <- tab_model(log_fit)
require(car)
VIF_vals <- vif(log_fit)
我想将VIF_vals$GVIF数据作为列添加到tab对象中，其中行中的每个VIF值对应于相同的IV (例如，花瓣宽度、花瓣长度等)。
浏览 0提问于2020-12-16得票数 1
1回答
我正在使用R中的plm包运行面板数据回归，并希望控制解释变量之间的多重共线性。
我知道car-package中有vif()函数，但据我所知，它不能处理拼板数据输出。
plm可以做其他诊断，比如单位根测试，但是我没有找到计算多重共线性的方法。
有没有一种方法可以计算类似于vif的测试，或者我可以只将每个变量视为时间序列，省略面板信息并使用car包运行测试？
我不能透露数据，但这个问题应该与所有面板数据模型相关。
维度大约是1000个观察值，超过50个时间段。
我使用的代码如下所示：
pdata <- plm.data(RegData, index=c("id","t
浏览 1提问于2013-11-29得票数 8
回答已采纳
1回答
你好，谢谢你抽出时间。我是一个新兴的数据分析师，并致力于我的第一个广泛的项目，是关于NLP和情绪分析。
我使用了随机森林，多元朴素贝叶斯，伯特等模型。然而，我也在尝试实施逻辑回归，并偶然发现了它的代码，但他们没有提到“多项式”。当我在网上阅读时，我发现存在多个Logistic回归。
我的问题是:我是用LOGISTIC回归还是多项式LOGISTIC回归？他们之间有什么区别？他们说概率是二进制的？我如何选择和选择什么，因为情绪包含“中性”情绪和“积极”和“消极”情绪，而不是二元关系。
浏览 8提问于2022-09-04得票数 0
1回答
有人知道在Pyspark多项式logistic回归中默认的参考组是什么吗？例如，我们有A, B, C, and D的多类结果/目标。
星火如何选择参考类别？在其他软件(例如R、SAS)中的标准logistic回归中，您可以自己设置参考组。因此，如果您的引用是A，则可以将n-1模型装配在一起，并将目标类建模为A vs B, A vs C, and A vs D。
您想要控制这个过程，因为如果一个值较少的结果(观察的小样本)被设置为参考，那么估计将是不稳定的。
对拟火花果多项式logistic回归模型的分析。在这里，结果类是0，1，2，但是对于引用是什么并不清楚。我假设它可能是零，但不确定。
浏览 0提问于2018-09-26得票数 2
回答已采纳
2回答
K折叠交叉验证是一种用于将数据分割成K个Folds数的技术，用于测试和培训。目的是估计机器学习模型的可拓性。该模型被训练K次，每列折叠一次，然后在相应的测试褶皱上测试。
假设我想对任意数据集上的决策树和Logistic回归模型与10个Folds进行比较。假设对每个模型进行10倍的训练，并得到相应的检验精度，Logistic回归具有较高的平均精度，说明该模型是较好的数据集模型。
现在，用于应用程序和部署。是对所有数据进行Logistic回归模型再培训，还是从对K-Folds进行训练的10个Logistic回归模型中创建一个集合？
浏览 6提问于2022-05-20得票数 3
回答已采纳
1回答
我正在使用使用python.Now的多项Logistic回归来执行特征选择(在一个有1,00000行和32个特性的数据集上)，为了为多类目标变量(1，2，3，4，5，6，7)建立模型，选择特征的最有效方法是什么？
浏览 1提问于2017-07-04得票数 0
1回答
我试图创建一个非线性的logistic回归，即使用scikit-learn的多项式logistic回归。但我找不到如何定义多项式度的方法。有人试过吗？非常感谢!
浏览 2提问于2019-05-01得票数 9
回答已采纳
我使用训练集和测试集对我的数据集进行了Logistic回归和支持向量机。现在，为了检查我的结果是否健壮，我想执行交叉验证(我使用的是caret包)。
我正在使用以下代码：
train_control <- trainControl(method="repeatedcv", number=10, repeats=10)
model <- train(response ~., data=df, trControl=train_control, method="glm")
然而，在我看来，我似乎只是在检查我的logistic回归模型的准确性(因为我使用的是
浏览 1提问于2019-05-18得票数 0
回答已采纳
7回答
问题：，我需要估计一组多项logistic多级模型，但找不到合适的R包。估计这类模型的最佳R包是什么？STATA 13最近在他们的多级混合效应模型中添加了这个特性，所以估计这种模型的技术似乎是可用的。
细节：许多研究问题需要对结果变量为范畴的多项logistic回归模型进行估计。例如，生物学家可能有兴趣调查哪种树(例如松树、枫树、橡树)受酸雨的影响最大。市场研究人员可能感兴趣的是，顾客的年龄与塔吉特( Target )、Safeway或沃尔玛( Walmart )购物的频率是否存在关系。这些案例的共同之处在于，结果变量是分类(无序)，多项logistic回归是首选的估计方法。在我的例子中，我正
浏览 4提问于2014-01-13得票数 45
来自R中nnet包的多项式()函数的文档说，它“通过神经网络拟合多项对数线性模型”，并且“响应应该是一个包含K列的因子或矩阵，它将被解释为每个K类的计数”。甚至当我在这个问题上为nnet添加一个标签时，描述说它是用于拟合“多项对数线性模型”的软件。
假设统计数据的行话非常不一致，而使用它的人很少在操作上定义这些术语，那么函数的文档甚至提到有计数响应，因此似乎表明这个函数是为了对计数数据建模的。然而，实际上，我看到的每一种资源都把它当作是一种多项式logistic回归。简而言之，每个人都以相对于参考值(如logistic回归)的日志赔率来解释结果，而不是用日志预期计数(通常称为对数线性模型)来解
浏览 6提问于2021-11-28得票数 2
1回答
我是一个新的R用户，我使用的是一个多项式回归(也就是用多个类的响应变量进行logistic回归)。在我的数据集中，R中的函数'vglm‘有11个连续的预测器和一个响应变量，这三个类都是绝对的。
我想得到我的回归最好的子集，但我不知道如何做。是否有此功能，或者我必须手动执行。因为线性函数似乎不合适。
我试过最好的函数，但它的结果似乎不适用于多项式回归。
我也尝试过一种收缩法，与套索相关的glmnet。它选择模型中的所有变量。但另一方面，使用vglm的多项式回归将一些变量作为无关紧要的变量。
我在互联网上搜索了很多，包括这个网站，但没有找到任何好的答案。所以我在这里问是因为我真的需要帮助。
浏览 2提问于2016-12-09得票数 0
1回答
当我们在多项式回归，logistic回归，svm的情况下使用多项式特征时，损失函数是否变成非凸的？
浏览 3提问于2020-07-16得票数 0
2回答
我用R中的multinom()函数建立了一个多项式logistic回归模型，我有一个7类目标变量，我想绘制模型中包含的变量对我的每一类因变量的系数。
对于二进制逻辑回归，我使用了来自coefplot()包的arm函数，但我不知道如何处理多类问题。
我希望我的情节看起来像这样：
浏览 1提问于2019-08-13得票数 1
回答已采纳
在logistic回归算法中，我们有两个显著的函数(或方程)：1. Logistic回归函数。2. Logit功能。
我想知道：( a )在逻辑回归模型的建立过程中，使用了哪些方程(S)？( b )在建模过程的哪个阶段(S)被使用？
我知道logit函数用于将概率值( b/w 0和1)转换为实数值( b/w -Inf到+Inf)。我想知道logit函数在logistic回归建模过程中的真正目的。
在Logistic回归建模中，有几个与logit函数的目的直接相关的查询：
Logit函数(即Logit方程LN(P/1-P))是由Logistic回归方程导出的，还是反过来导出的？
Logit方程在
浏览 0提问于2019-06-05得票数 2
2回答
如何在r中使用VIF？
、、、、
我是新的R和学习ml使用caret。我工作的UCI银行营销反应数据，但在这里使用iris数据的重现性。
running 是指我正在从car package的classification模型中获得运行vif的error。
library(tidyverse)
library(caret)
library(car)
iris
# to make it binary classification
iris_train <- iris %>% filter(Species %in% c("setosa","versicolor"))
iris_trai
浏览 10提问于2020-10-29得票数 1
回答已采纳
我试图用所有的预测因子作为多项式模型来拟合一个logistic回归模型。我试过这样做，但没有成功：
poly_model = glm(type~ poly(., 2), data=train_data, family=binomial)
我正在使用内置数据集：
train_data = MASS::Pima.tr
正确的方法是什么？
浏览 1提问于2021-07-25得票数 4
回答已采纳
或者，我可以尝试按回归变量的数量对模型进行排序，这样VIF函数仅从第i个位置开始调用。
我的代码是：
ctl <- c(4.17,5.58,5.18,6.11,4.50,4.61,5.17,4.53,5.33,5.14)
trt <- c(4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69)
ot=rnorm(length(trt))
ot2=rnorm(length(trt))
DF=as.data.frame(cbind(ot,ot2,ctl,trt))
y=colnames(DF[1])
x = colnames(DF)
x =
浏览 1提问于2013-02-02得票数 1
回答已采纳
因此，假设我有一个二进制分类问题，我从一个logistic回归模型开始。我快速地评估了模型的准确性(假设我们没有倾斜的数据集)。在此之后，我开始实现其他模型的比较，我开始检查准确性评分，并绘制一条ROC曲线来评估AOC评分。
我们可以说，我继续我的logistic回归模型。我不打算微调它和使用网格搜索算法，然后继续选择最佳的超级参数w.r.t的准确性评分。
我什么时候才能真正画出学习和验证曲线？我假设我应该把它画在旁边，看看一个更大的参数是如何影响分数的，然后看看我的模型是不合适的还是过拟合的。
但是，我不应该更早地绘制学习曲线吗?例如，在我选择从后勤部门开始的第一步。模特？
总结一下:画出一
浏览 0提问于2020-09-14得票数 0
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
1回答
我建立了一个Logistic回归模型，并对模型的性能进行了评估。我想了解它的评估指标。
度量的敏感性、特异性、假阳性率、精确性、召回性和准确性能告诉我们关于这个模型的哪些信息？
浏览 0提问于2019-03-06得票数 1
回答已采纳
我有不同周日观察的面板数据，在R中进行多项Logistic回归。
我知道mlogit包在其用法定义中包含了这个主题：
mlogit(formula, data,subset, weights,....)
但我没有任何例子包括星期-天之间的相关性。
有可能吗？你有什么例子吗？
非常感谢!
浏览 2提问于2012-08-30得票数 0
回答已采纳
我是一个初学者做我的第一个ML项目。我正在对不平衡数据集进行二进制监督分类，并希望使用ROC曲线作为我的模型的性能度量。我使用Logistic回归、支持向量机和K近邻作为分类器。对于Logistic回归，我了解什么是ROC曲线，以及如何调整阈值。然而，当我预测K近邻的概率时，我不明白ROC曲线在哪里派上用场，因为阈值无论如何都不能变。那么，为什么还要为K最近的内格勃( Neigbors )实施ROC曲线呢？
浏览 0提问于2022-12-15得票数 2
回答已采纳
1回答
我正在进行一个基准分析，比较不同的学习者(logistic回归，梯度提升，随机森林，极端梯度提升)与mlr软件包。
我知道有两种不同类型的预处理(数据和学习者依赖和独立)。现在，我想使用mlr的包装器功能makePreprocWrapperCaret()来进行数据依赖的预处理。
然而，我不确定设置。据我正确理解，对于logistic回归，我应该用中位数(或平均值)来推断失语，但是对于基于树的模型，例如有很大价值的模型。
问题1)我将如何在下面的代码(基于树的模型)中将NAs归为非常大的值？
其次，就我正确理解而言，我应该剔除逻辑回归的离群值(例如99%和1%)。但是，对于基于树的模型来说，这是
浏览 0提问于2018-10-21得票数 0
1回答
我在R中使用caret软件包，进行岭Logistic回归。现在我能找到每个变量的系数。
的问题是：如何用岭logistic回归来了解各变量的系数的标准误差？
下面是我的示例代码：-
Ridge1 <- train(Group ~., data = train, method = 'glmnet',
trControl = trainControl("cv", number = 10),
tuneGrid = expand.grid(alpha = 0,
浏览 3提问于2020-02-12得票数 1
我有一个来自lm函数的输出，我对其应用了car包中的vif函数。我希望将vif包含在由stargazer包生成的回归表中，但我无法添加额外的列。
这到底有没有可能？我也愿意接受关于使用其他包的建议。
谢谢，如果你需要进一步的信息，请让我知道。
浏览 20提问于2018-02-27得票数 1
回答已采纳
我想通过计算方差通货膨胀因子(VIF)来评估cox比例风险模型中的多重共线性。像{car}这样的包中的vif-函数不接受coxph对象。
有没有办法计算R中cox模型的VIF？
浏览 12提问于2014-05-07得票数 3
回答已采纳
这个假设是可检验的吗？
研究问题：“能否建立一个利用logistic回归的预测模型，预测90天内至少会有一个客户流失，并且使用一组选择的自变量，该预测的置信度至少为70%？”
零假设：“使用logistic回归的预测模型不能预测至少一个客户在90天内会发生波动，这个个体预测的置信度至少为70%，使用的是一组自变量。”
如果是这样的话，你如何测试特定的搅动事件的"70%的可信度“，它允许你在p< 0.05的水平上拒绝零假设？我不确定单个预测的可信度，但这可能取决于建模技术。这可能是你下降了p< 0.05，只使用全模型的有效性(R-平方和Pearson卡方与logistic回归
浏览 0提问于2019-08-06得票数 1
回答已采纳
我正在对我的二元分类问题进行logistic回归，并使用k折叠交叉验证(k=10)对模型进行了验证。但是，我不明白为什么我需要一个最终的测试集:模型的性能不能基于k折叠验证(即，来自10个结果折叠的度量标准)进行评估吗？因为，模型没有真正“看到”测试数据，这不是K折叠的全部要点吗？因此，最终的测试集似乎是多余的，但它似乎也是常见的做法，我想知道为什么？我见过一些关于超参数调优/过拟合等的文章，但是logistic回归并没有太多的超参数可调。
那么，最终测试集的意义是什么?我需要它吗?还是从10倍中的每一次提供的性能度量都足以评估模型的性能？
浏览 0提问于2023-04-23得票数 0
在logistic回归算法中，我们有两个显著的函数(或者说方程)：
Logistic回归函数
Logit函数
我想知道：
在logistic回归模型的建立过程中，这些方程中的哪一个被使用？
在建模过程的哪个阶段使用这些方程中的哪一个？
我知道logit函数用于将概率值( b/w 0和1)转换为实数值( b/w -Inf到+Inf)。我想知道logit函数在logistic回归建模过程中的真正目的。
在Logistic回归建模中，有几个与logit函数的目的直接相关的查询：
Logit函数(即Logit方程LN(P/1-P))是由Logistic回归方程导出的
浏览 3提问于2019-06-03得票数 0
1回答
我试图在我的数据集上运行多个多项逻辑回归。一旦运行了一个，我就会尝试将我刚刚运行的模型附加到一个列表中，以便以后可以访问特定的模型。代码如下所示
models = []
for i in range(0, 10):
model = sklearn.linear_model.LogisticRegression()
model.fit(x,y)
models.append(model)
其中x和y在每个for迭代中是不同的。问题是，我在最终数组“模型”的每个元素中得到的系数/模型与循环的最后一次迭代相同。我假设这是因为我只是每次更新引用，而不是每次创建一个新的Logistic回归模型
浏览 0提问于2021-03-11得票数 0
回答已采纳
3回答
我在一个数据集上拟合了一个logistic回归模型，得到了.70的AUC评分。我在模型中添加了一些额外的外热编码分类特性，并且AUC稍微改进了.74。
我如何评估模型是如何改进的？使用哪些情节/其他分析来评估绩效收益？
我知道模型有所改进，但我想解释为什么添加这些特性会改进模型。
这只是一个一般的数据科学问题。
谢谢!
浏览 0提问于2020-07-09得票数 4
1回答
R包与REST
、、
我在R中有一个logistic回归算法来预测不负责任的用户。我需要这是尽可能灵活的任何市场。我需要使用logistic回归算法来计算权重，这样模型才能(经过训练和测试)预测不负责任的用户。我很困惑是应该创建一个R包还是使用REST来调用代码并执行算法。
有人知道哪个更好吗？
浏览 0提问于2019-08-12得票数 -1
我正在处理蜥蜴生物学，我正在寻找气候和地貌变量，最好(充分)解释它们在该地区的存在/不存在。我有1855个像素有蜥蜴存在，104760个像素没有它们的存在，我的气候和地貌变量覆盖了所有这一区域(所有这些像素)。我正在基于glm()在R中应用多元Logistic回归分析。我的模型的多重共线性似乎是可以接受的(变量VIF<3)，但是我的模型的AIC值很高(18272.47,17576.52,17391.83,17087.87,17026.07)，不幸的是，ΔAIC也很高(61.79,365.76,550.44,1246.40)。与其说我是统计学家，不如说我是“火蜥蜴生物学家”。我可以寻求任何
浏览 0提问于2020-04-11得票数 1
2回答
我几天前开始使用R studio，我正在努力计算一个VIF。情况是这样的：
我有一个面板数据，并运行固定效果和随机效果回归。我有一个因变量(New_biz_density)和两个自变量(Cost_to_start，Capital_requirements)。我想通过计算它们的方差膨胀因子来检查我的两个独立变量是否呈现多重共线性，对于固定和随机效应模型都是如此。
我已经安装了一些包来执行VIF (Faraway，Car)，但没有成功。有人知道怎么做吗？
下面是我的脚本：
# install.packages("plm")
library(plm)
mydata<- rea
浏览 0提问于2016-11-23得票数 0
1回答
我很久以前就建立了一个logistic回归模型，我有这个系数。我没有保存模型对象本身，而是收集并保存了它的beta。
variables = ['inquiries', 'income', 'credit']
coeffs = [0.25, -0.34, -0.50]
如你所知，logistic回归概率计算如下：
xbeta = 0.25*inquiries - 0.34*income - 0.50*credit
prob = 1/(1+e^(-xbeta))
我的问题是：如何将这两个方程转换为PMML/JPMML，以便当(J)PMML被其他人调
浏览 0提问于2019-07-31得票数 1
1回答
目前，我正在caret中尝试制作几种不同的模型，从逻辑模型到XGBoost。创建模型是非常容易的，但是，当我想使用模型对我在开始之前搁置的测试集进行预测时，我会收到一条错误消息，上面写着：
UseMethod中的错误(“预测”)：
没有适用于"data.frame“类对象的”预测“方法
以及：
错误预测(logistic_model$finalModel，new_data = pd_test)$.pred_class：
$运算符对原子向量无效
以下是物流模式：
set.seed(100)
train_test_split <- initial_split(pd_data,
浏览 1提问于2019-10-28得票数 1
回答已采纳
我有一组多元线性变量，我试图用岭回归来解决这个问题。我在R中使用带有alpha =0的glmnet包(用于岭回归)。
library(glmnet)
我有一系列的lambda值，我正在通过cv.glmnet选择最佳的lambda值。
lambda <- 10^seq(10, -2, length = 100)
-创建模型矩阵并分配y变量
x <- model.matrix(dv ~ ., datamatrix) [,-1]
y <- datamatrix$dv
-使用交叉验证来确定最佳的λ，并使用该λ值预测y
ridge.mod <- glmnet(x, y, alph
浏览 9提问于2017-07-01得票数 6
回答已采纳
维基百科关于Logistic回归的文章说：
Logistic回归是Fisher 1936年线性判别分析方法的一种替代方法。如果线性判别分析的假设成立，则应用Bayes规则反演logistic模型中的条件，因此，如果线性判别假设为真，则logistic回归假设必须成立。相反，逻辑模型比判别分析有更少的假设，对自变量的分布不作任何假设。
有人能帮助我理解线性判别的假设是什么，他们持有的一个例子，以及如何应用Bayes规则的结果在Logistic模型中。
是否可以正确地说，Logistic回归总是首选的选择？是否有线性判别分析是首选的条件？
浏览 0提问于2016-05-06得票数 2
回答已采纳
我正在建立一个广义logistic回归模型如下：
library(mlbench)
data(PimaIndiansDiabetes)
library(caret)
trControl <- trainControl(method = "repeatedcv",
repeats = 3,
classProbs = TRUE,
number = 10,
savePr
浏览 4提问于2019-12-19得票数 2
回答已采纳
1回答
我的基本模型是一个具有65个特征的logistic回归分类器。
现在，我从这65个特性中推断出所有可能的多项式特性，然后对前100个特性进行SelectKBest剪枝(使用chi2标准)。当我将此与我的基本模型进行比较时，我发现精确度和召回率都有相当大的下降。
我的问题是，为什么selectKBest在任何情况下都会降低性能？如果外推多项式特征没有用，那么它应该已经选择了原始的65个特征，从而给了我与基本模型相同或更好的性能。
我无法理解selectKBest特性的剪裁如何会损害我的性能？
浏览 2提问于2017-06-23得票数 0
3回答
我是机器学习的新手，开始解决卡格尔号上的泰坦尼克号幸存者问题。
在用Logistic回归方法解决这一问题时，我使用了各种具有多项式特征的具有2,3,4,5,6度的模型。从理论上讲，训练集的精度应随训练程度的增加而增加，但开始降低后级2。该图如下所示
📷
浏览 0提问于2019-02-22得票数 2
回答已采纳
3回答
我需要用有序多项logit回归的拟合残差值绘制一个二进制残差图。
如何在使用polr时提取残差？有没有其他函数可以运行other logit，在其中可以提取残差？
这是我使用的代码
options(contrasts = c("contr.treatment", "contr.poly"))
mod1 <- polr(as.ordered(y) ~ x1 + x2 + x3, data, method='logistic')
fit <- mod1$fitted.values
res <- residuals(mod1)
bi
浏览 0提问于2012-02-11得票数 4
1回答
我试图在多元回归模型上执行VIF，但是当我在r中运行vif函数时，会出现一个错误。
代码和错误如下：
vif(analys3.lm)
Error in if (names(coefficients(mod)[1]) == "(Intercept)") { :
argument is of length zero
不过，在我的模型中，拦截仍然存在。
analys3.lm<- lm(formula = cbind(df$col1,
df$col2) ~
df$co
浏览 1提问于2017-11-01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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
