它有13个特征，我使用的是多元线性回归模型。当我检查特征和目标值的相关性时，它显示了df.corr()方法和Summary()函数奇怪的结果。 对于较少的特征，p相关系数较低。但是，如果我在回归后使用summary()函数，这些特征具有不同的p值。相关系数最低的</e
浏览 57提问于2019-02-13得票数 0
回答已采纳
1回答
我使用python的statsmodel包来进行线性回归。在R^2、p等的输出中也存在“对数似然”.在文档中，这被描述为“拟合模型的似然函数的值”。我看了一下源代码，并不真正理解它在做什么。阅读更多关于似然函数，我仍然有非常模糊的想法，这个‘对数-似然’值可能意味着什么，或被用来。所以有几个问题：
在线性回归的</e
浏览 1提问于2014-10-23得票数 2
回答已采纳
目前，我正在研究统计学习概论的第三章及其在R中的应用，其中讨论了线性回归。在section 3.6.5:预测器的非线性变换中，使用poly()函数创建多项式回归模型。在那之后，作家们写道：
默认情况下，poly()函数将预测器正交化:这意味着该函数输出的特征不仅仅是参数的一个幂序列。然而，线性模型应用于poly
浏览 0提问于2021-11-29得票数 1
谁能用统计模型解释一下广义线性模型和逻辑回归模型表之间的区别？为什么在执行逻辑回归时，两个模型得到的结果不同？
浏览 2提问于2020-06-28得票数 3
2回答
有4个自变量和1个因变量。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<
浏览 0提问于2020-02-23得票数 2
在学习特征选择模块中找到了用于特征选择的F_regression技术。我无法理解它所使用的原则。给出的描述是-快速线性模型，用于测试单个回归器的效果，对许多回归者来说是顺序的。这分三个步骤完成：
1.兴趣回归和数据回归为正交wrt常量回归。2.计算了数据与回归元之间的相互
浏览 2提问于2016-06-10得票数 2
1回答
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？我在这里看到了一个类似的问题，“曲线”被认为是“线性”吗？，但是第二个回答说，线性</e
浏览 0提问于2019-10-28得票数 0
回答已采纳
1回答
我使用一般线性模型(GLM)进行特征提取，得到一个β-矩阵.我还得到了一个类标签矩阵。这是一个多类问题。现在我想用t检验来进行基于GLM特征提取的特征选择.有人能告诉我如何编写t-test来完成这个功能选择吗？非常感谢!
浏览 3提问于2015-04-20得票数 3
回答已采纳
我正在用著名的ISLR学习统计学习(在R中引入统计学习)并做练习，现在是线性章节回归。尽管是线性回归，但由于高偏置问题，也提到了非线性变换。也适用于具有交互作用条件的回归：在本例中，这表明X1和X2预测器之间存在协同效应，从而消除了加性假设。我还熟悉F-统计，t-值或p</e
浏览 0提问于2021-04-17得票数 0
回归的问题是最小化平方误差之和，即\sum\limits_{i=1}^n (y_i - \hat{y}_i)^2 = 0。但是，只有在线性回归中，才能使用表达式\hat{y}_i = \beta_0 + \beta_1.x_i，然后将平方误差之和降到最小。\beta_0和\beta_1可以获得以下约束：
\begin{align*} \sum\limits_{i=1}^n x_i(y_i - \hat{y}_i) &= 0 \\ \sum\limits_因此，如果假设回归不是<e
浏览 0提问于2021-05-21得票数 2
回答已采纳
我被要求编写一个线性回归程序，步骤如下。 加载R数据集mtcar作为pandas数据帧。 考虑自变量wt的对数和因变量mpg的对数，建立另一个线性回归模型。将模型与数据进行拟合，并显示R平方值 我是使用Python进行统计的初学者。我尝试在不转换为新DataFrame的情况下获取日志值，但出现了一个错误："TypeEr
浏览 80提问于2019-09-21得票数 2
回答已采纳
我为一篇PhD论文收集了数据，需要帮助我理解如何构建一个路线图来进行分析和统计分析。PhD本身并不是在统计或机器学习，但我想了解的步骤和类型的分析，我必须遵循的数据分析的高级学位？我考虑做几个回归分析来预测因变量，并研究其上的影响因素(如果它们是正的、负的，以及它们的大小)。我尝试过多元线性回归，包括对自变量的
浏览 0提问于2015-09-19得票数 1
回答已采纳
1回答
我对如何使用sklearn和状态模型进行线性回归有基本的理解。关于线性回归(OLS估计)，我想问几个问题：
对于最小二乘估计器来说，标准化总是必要的吗？我还在学习回归分析的一些理论方面。标准化是在我的数据科学课中提到的，但在我的回归分析中几乎没有提到。如果不是，什么时候应用标准化(也需要标准化预测变量)？我试着比较了这两种方法，在评价指标(Mse
浏览 0提问于2019-10-31得票数 0
我使用modelsummary来显示几个多项式模型的结果，每个模型使用mice::pool function汇集了5个以上的数据集。它工作得很好，但我想添加q-value /调整后的p-value来表示错误发现率。 我知道我需要创建一个tidy_custom.mipo函数来添加这个统计数据，但是我不能让它工作。下面是获取mipo对象的“pool_univariate”列表的代码，然后我将其传递给models
浏览 30提问于2021-08-04得票数 1
1回答
如何改进特征和结果之间的相关性，以便实现回归模型？我知道使用pandas .corr()函数可以看到相关性，回归模型的最佳特征是最接近1或-1的特征。但是如果所有的特征都接近于0，我应该怎么做？以下是示例代码：
df = pd.DataFrame({'par 1':[1,3,2,5,7,4,6,1,3,1,1,2,4],
浏览 2提问于2019-12-17得票数 0
这是一个数据集的一部分，其中包含1000条不同地点的房屋租金定价条目。预期输出(Y_pred)应该是220000，但它显示的是290000，怎么会违反已经训练过的输入呢？
浏览 1提问于2019-12-28得票数 1
回答已采纳
2回答
我想检验我的线性回归模型的所有假设是否成立。我手动做了这件事，看起来很好。但是，我想再次检查gvlma函数。我得到的输出是： Global Stat我的问题是：
既然这个假设被违反了，我现在能做什么呢？(与未被接受的其
浏览 0提问于2017-04-06得票数 9
2回答
我正在建立一个模型(实现逻辑回归和Xgboost)，以了解每个特性的重要性/重要性，以了解客户是否打算进行回购，以了解什么对客户来说是重要的(比预测更感兴趣)。我的功能集如下所示：收入、年龄、价格_产品，折扣，产品_类别、交付_收费、性别、生活方式、分娩_时间_主要(P_，P1，P2，P3，P4等)
P_main是客户看到并可能影响他们决定是否回购的东西
浏览 0提问于2019-05-28得票数 2
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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
