1回答
有没有办法在预测时获得有把握的分数/误差百分比？我使用了轻量级的GBM Regressor( python 3.6)来训练我的数据。除了预测之外，我还想对误差进行估计。
浏览 227提问于2020-06-19得票数 1
1回答
我想为我训练过的lightgbm模型的每个样本计算一个置信区间。用所有树木或类似的预测来计算一个升压模型的标准差有意义吗？
这能在科学学习中完成吗？从训练分位数模型的替代方案中，是否有其他方法来获得预测光照的置信区间？
浏览 0提问于2020-06-18得票数 3
·如果我在没有k次交叉验证的情况下对整个训练集进行拟合，就不会发现错误。，所有的y pred都是正的。train)Out[50]: 26.871339344757036Out[59]: False
·只有使用线性回归器·在使用基于树的回归子(如XGB和lightGBM )时，没有发现错误。在这些试验之后，我仍然找不出错误的原因，以前有没有人有过类似的情况，知道原因
浏览 0提问于2018-08-16得票数 0
回答已采纳
我想要一个函数或包来绘制具有95%置信区间的正常Q-Q图，但我没有找到GLM，只有car包中的GAM模型和响应变量。在我的示例中： #Data set example
p <- read.csv("https://raw.githubusercontent.com/Leprechault/PEN-533/master我喜欢上面的GLM模型的图，这是可能的吗？有没有什么函数或包？
浏览 15提问于2020-09-04得票数 1
回答已采纳
2回答
在R中，predict.lm基于线性回归的结果计算预测，并提供计算这些预测的置信区间。根据手册，这些间隔是基于拟合的误差方差，而不是基于系数的误差间隔。另一方面，基于逻辑回归和泊松回归(以及其他一些)计算预测的predict.glm没有置信区间的选项。我甚至很难想象如何计算这样的置信区间，以便为泊松和逻辑回归提供有意义的见解。在
浏览 3提问于2013-01-20得票数 70
回答已采纳
1回答
我想对LightGBM模型和lgb.Dataset进行交叉验证，并使用early_stopping_rounds。下面的方法在XGBoost的xgboost.cv中没有问题。我不喜欢在GridSearchCV中使用Scikit的方法，因为它不支持早期停止或lgb.Dataset。import lightgbm as lgbdftrainLGB = lgb.Dataset(datanum_boost_round=100,
浏览 1提问于2018-04-11得票数 24
回答已采纳
1回答
我试图在LightGBM中为回归问题实现一个自定义丢失函数。内在指标对我没有多大帮助，因为它们会惩罚离群点.有没有办法将r2_score从sklearn中用作LightGBM的损失函数？
浏览 0提问于2020-04-01得票数 2
回答已采纳
1回答
我应该计算不同的置信区间，我发现，在R中，我可以用“预测-”命令来完成这个任务。但我很难理解我到底要做什么。我应该计算3种不同的置信区间: 1)回归线上的一个点，2)预测的(未来)y值，3)整个回归线。好的..。我到目前为止所做的事：因此，要获得整个回归线的置信区间，我会尝试：predict(fm,data.
浏览 4提问于2012-09-20得票数 4
我在Python中使用statsmodels.formulas.api.quantreg()进行分位数回归。我发现，在拟合分位数回归模型时，可以选择指定回归系数的置信区间的显着性水平，而置信区间结果出现在拟合的摘要中。
用什么统计方法来生成回归系数的置信区间？它似乎没有文档化，而且我已经仔细研究了quantile_regression.py和summary.py的源代码，以便在没有
浏览 6提问于2015-01-28得票数 2
回答已采纳
1回答
关于Logistic回归成本函数：和假设：有没有办法告诉+/-错误是多么“自信”的假设？例如，如果误差的+/-为0.1，我就知道，如果我的假设预测为0.4，它可能大0.1 (0.5)或0.1减(0.3)
这是用于二进制分类的
浏览 0提问于2015-04-03得票数 1
f = pd.DataFrame({"a": [1,2,3], "b": [1,2,3]})我得到了这张图，这是令人困惑的，因为点是完美排列的。
浏览 1提问于2020-04-30得票数 2
回答已采纳
1回答
我想重现LightGBM的自定义损失函数。这是我尝试过的：grad = -2.0*residualreturn grad, hess
然而，与定义的自定义损失函数相比，默认“回归”目标的评估指标是不同的</e
浏览 40提问于2020-02-19得票数 5
我从LightGBM构建了https://github.com/microsoft/LightGBM二进制文件。构建是成功的，但是python对我不起作用。我正在使用灯光gbm二进制直接运行的时间。我在LightGBM/示例/回归上测试了二进制文件。培训与预测工作精细化利用lightgbm config=predict.conf
输出为_
浏览 0提问于2019-07-11得票数 0
2回答
我想得到分位数回归系数的95%置信区间。您可以在R中使用rq包的quantreg函数计算分位数回归(与OLS模型相比)：LM<-lm(mpg~disp, data = mtcars)我可以用限制函数得到线性模型的95%置信区间：当我使用分位数回归时，我理解以下代码会产生引导标准错误：
summa
浏览 9提问于2016-06-29得票数 8
回答已采纳
1回答
我正在尝试用R中的回归线将置信区间添加到散点图中。我已经完成了回归线的散点图。对于置信区间，我已经找到了代码： ggplot(Plastic.Hardness.Data, aes(Y, X)) + stat_smooth(method = lm)这似乎是有效的，然而，我需要使用98%的置信区间。
浏览 18提问于2020-09-21得票数 1
我最初的想法是神经网络，但我看不出一个神经网络如何能够正确地预测变量之间的交互作用(即。x1 * x2)，因为每个节点都只是先前输入的总和？
决策树是否更适合捕捉变量之间的交互？我的数据集很大，有400个特性和5,000,000个实例。所有数据都是百分位数，标签也是百分位数。数据集也相当嘈杂(客户数据，预测成为返回客户的可能性)。
浏览 0提问于2020-12-23得票数 3
我正试图使用lightGBM与R一起构建一个回归模型，我对一些函数以及何时/如何使用它们感到有点困惑。
首先是我在标题中所写的内容，lgb.train()和lightgbm()之间有什么区别？文档()中的描述说，lgb.train是“用lightgbm训练的逻辑”，LightGBM是“训练LightGBM模型的简单接口”，而两者的结果值都是经过训练的模型lgb.Boost
浏览 7提问于2020-12-10得票数 0
回答已采纳
我想使用泊松回归器来处理保险申请(泊松目标)。由于需要修复曝光，如何设置log_exposure的偏移量？当使用xgboost时，我使用"base_margin"，而对于lightgbm，我使用"init_score“参数。在CatBoost中有没有类似的东西？
浏览 89提问于2021-01-09得票数 1
回答已采纳
我有数据，需要对数据进行线性回归才能获得Alpha和Beta是回归给出的估计器，polyfit可以给出那些没有问题的估计器，但这是一份物理科学报告，我需要给出这些值的误差估计器我从统计中得知，简单的线性回归系数存在标准差。
浏览 4提问于2011-11-25得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
