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
(6356)
视频
沙龙
1
回答
Python
线性
回归
预测
误差
-
数组
问题
、
、
当我尝试在我的
线性
回归
中使用.predict时,我得到了以下错误: ValueError:应为2D
数组
,但获得了标量
数组
: array=80。有人能向我解释一下这是做什么的吗,以及如何应用它来为我的模型获得
预测
?
浏览 14
提问于2020-04-24
得票数 0
回答已采纳
1
回答
回归
问题
的最优相对
误差
、
、
在谈到
回归
问题
时,常使用RMSE (均方
误差
)作为评价指标。并作为
线性
回归
中的损失函数(更重要的是?)它等价于考虑输出服从正态分布的最大似然法)。在现实生活中,我发现MAPE (平均绝对百分比
误差
)可能更有意义.例如,当
预测
房价时,我们更感兴趣的是相对
误差
。因为如果房子的价格在10万美元或100万美元左右,那么10万美元的差额就不一样了。在为房价
预测
问题
创建
线性
回归
时,我发现了以下
浏览 0
提问于2020-06-18
得票数 0
1
回答
scikit学习
线性
回归
K折交叉验证
、
、
我想使用sklearn库在我的训练数据上运行
线性
回归
和K折交叉验证,以获得最佳
回归
模型。然后,我计划使用在我的测试集上返回的平均
误差
最低的
预测
值。例如,下面这段代码给了我一个由20个结果组成的
数组
,这些结果具有不同的负均值绝对
误差
,我感兴趣的是找到给我这个(最小)
误差
的
预测
器,然后在我的测试集上使用那个
预测
器。
浏览 15
提问于2020-10-10
得票数 0
回答已采纳
1
回答
如何建立
预测
数据
预测
区间带
、
、
、
、
我有季节性的数据,我用它来做
预测
。我所执行的步骤是:对数据进行去季节化,为去季节点寻找
线性
回归
,从
线性
回归
中
预测
几个点,并在
预测
值中增加季节性以获得
预测
数据。我的输入是正弦波,所以一切都很好。
问题
是,你
预测
的未来越多,
预测
误差
就越大。我想把它显示在图表上,但我不知道如何计算这些
误差
。我在想一些类似
预测
区间带的
预测
数据(不管它们叫
浏览 0
提问于2013-11-04
得票数 0
1
回答
两个或多个变量一起
预测
目标变量吗?
、
、
、
我应该选择使用
线性
回归
还是一些简单的ML模型?对我来说,了解哪些变量在我的模型中有多强是很重要的,所以要把它重建成一个公式。
浏览 0
提问于2021-04-20
得票数 2
1
回答
用矩阵计算法计算标准
误差
、
在进行
线性
回归
时,np.sqrt(x.T @ sigma @ x)给出了
预测
值的标准
误差
。这里,x是一个协变量
数组
,sigma是一个正定矩阵(
回归
系数的协方差矩阵)。在
回归
中,我们通常将协变量按行串连在一个
数组
X中,以便X[:, i]是要
预测
的第一个观测值。用矩阵形式估计
预测
的标准
误差
的一种方法是np.sqrt((X.T * (sigma@X.T)).sum(0))。有办法用代数的方式做more..
浏览 11
提问于2022-07-26
得票数 0
3
回答
岭与
线性
回归
的差异
、
据我所知,岭
回归
只是有一个优化
问题
的损失函数加上正则化项(L2范数在岭的情况下)。但是,我不确定损失函数是否可以用非
线性
函数来描述,还是需要是
线性
的。在这种情况下,如果损失函数需要是
线性
的,那么据我所理解的岭
回归
,只是执行
线性
回归
加上L2-范数的正则化。如果我错了,请纠正我。
浏览 0
提问于2020-03-13
得票数 8
回答已采纳
1
回答
卷积神经网络在Tensorflow中的应用
、
我正在尝试使用自己的数据在tensorflow中实现卷积神经网络进行
预测
,但我遇到了一些
问题
。我将Deep MNIST for Experts教程转换为这个。专家的深度MNIST是分类,但我试图做
回归
。另一个
问题
是,这段代码为我提供了每个步骤的accuracy=1。错误的原因是什么?如何将此代码转换为
回归
?shape=shape) # https://www.tensorflow.org/versions
浏览 1
提问于2016-12-05
得票数 0
1
回答
了解
回归
结果
、
、
、
、
为了评估每个特性的个别性能,我进行了一个
线性
回归
,并排除了一个验证,并计算了相关性和
误差
,以评估结果。因此,对于一个功能,应该是这样的: 对于一些变量,这两种相关性都很好(> 0.9),但是当我看一下
预测
时,我意识到
浏览 1
提问于2015-12-08
得票数 0
回答已采纳
1
回答
NLS模型
回归
的标准
误差
、
、
我目前正在使用nls模型对各种数据集进行非
线性
分析。另一方面,我想计算nls模型
回归
的标准
误差
。
回归
标准
误差
的公式: n <- nrow(na.omit((data)) SE = (sqrt(sum(pv-av)^2)/(n-2)) 其中pv是
预测
值,av是实际值。我在计算标准
误差
时遇到了
问题
。我应该先计算
预测
值和实际值吗?这些值是否基于数据集?任何帮助都是非常感谢的。谢谢。
浏览 23
提问于2020-01-31
得票数 1
回答已采纳
1
回答
线性
回归
预测
误差
[
Python
]
、
、
、
、
我正在尝试使用我的linearRegression()模型来根据一个新的x值进行
预测
。TThe x值在我的
回归
模型的范围内。
问题
是:给我的值是不正确的,因为我输入的new_x值在
回归
线上(我在图上输出了这个值)。我的图也是x>=0,y>=0。
浏览 5
提问于2022-08-13
得票数 1
回答已采纳
1
回答
用什么来做多重相关?
、
、
我试图使用
python
来计算响应
数组
和一组
预测
器
数组
之间的多元
线性
回归
和多重相关性。我看到了一个非常简单的计算多元
线性
回归
的例子,这很容易。但是如何计算与状态模型的多重相关性呢?我想我可以使用rpy和R,但如果可能的话,我更愿意呆在
python
中。 编辑说明:考虑到如下情况:除了
回归
系数和其他
回归
参数外, i还想为
预测
器计算多个相关系数。
浏览 2
提问于2012-11-19
得票数 8
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
正则
线性
回归
模型和目标集为"reg: Linear“的xgboost之间有什么区别?
、
据我所知,正则
线性
回归
模型已经最小化了平方
误差
,这意味着它是这个度量的理论上最好的
预测
。xgboost的“reg:
线性
”目标除了最小化平方
误差
之外,还能做其他的事情吗?
浏览 0
提问于2019-12-13
得票数 3
回答已采纳
1
回答
用于
线性
回归
的"random_state“替代方案?
、
、
、
、
本文采用
线性
回归
、物流
回归
、决策树三种不同的算法来解决同一
预测
问题
,并对它们的
误差
度量进行了比较。最初的
问题
是MAE、MSE和RMSE值随着每次运行而不断变化,这对我来说确实是个
问题
。"random_state“参数适用于Logistic
回归
和决策树,但
线性
回归
不接受此参数。在这种情况下,如何防止错误度量值的更改?对于
线性
回归
,有什么替代"ra
浏览 4
提问于2022-04-12
得票数 0
2
回答
如何正确使用sklearn来
预测
拟合
误差
、
、
我正在使用sklearn对一些数据进行
线性
回归
模型拟合。具体地说,我的response变量存储在
数组
y中,我的特征存储在矩阵X中。我用下面的代码训练一个
线性
回归
模型 model = LinearRegression(然后假设我有一些新的数据X_new,我想要
预测
它们的响应变量。这可以通过执行以下操作来轻松完成 predictions = model.predict(
浏览 5
提问于2016-02-07
得票数 1
1
回答
线性
回归
的精度
预测
、
如何检验
线性
回归
模型中的
预测
值是否与实际值相匹配?
浏览 0
提问于2018-07-27
得票数 3
2
回答
logistic
回归
预测
的置信区间
、
、
、
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。在某些情况下,为此类
预测
提供置信区间是有意义的吗?如何解释它们呢?这些情况
浏览 3
提问于2013-01-20
得票数 70
回答已采纳
1
回答
平均绝对
误差
随相关因素的增加而增大
、
、
我正在使用Microsoft机器学习工作室来
预测
股票市场的价格。我们有变量-指数价格(目标-被
预测
),低价格,高价格,日期和日期。我们使用分裂的0.7和运行
线性
回归
。平均绝对
误差
为109。然后,我们尝试添加更多的变量(正向影响指数价格的宏观经济因素),这些变量与目标变量相关,并且应该改进
预测
--我们发现平均绝对
误差
增加到110,我已经附上了这些图供您参考。PS:我们也尝试过增强树
回归
--但是上面描述的
问题
是相同的。错误
浏览 0
提问于2019-03-06
得票数 0
2
回答
在SPSS中,
线性
回归
是否与普通最小二乘法相同?
、
、
、
我想使用
线性
回归
模型,但我想使用普通最小二乘法,我认为这是一种
线性
回归
。我使用的软件是SPSS。它只有
线性
回归
、偏最小二乘和两阶段最小二乘。我不知道哪一个是普通最小二乘(OLS)。
浏览 4
提问于2009-11-22
得票数 9
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——基于python建立房价预测模型
在 Python 中使用线性回归预测数据
python+jupyter+sklearn 利用线性回归预测房价
手把手教你用Python解决单一变量的线性回归问题
Python回归分析五部曲(一)—简单线性回归
热门
标签
更多标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
活动推荐
运营活动
广告
关闭
领券