R中的auto.arima函数是在估计线性回归模型之前还是之后对y和x变量进行微分？
在R中，auto.arima函数是用于拟合自回归移动平均模型（ARIMA模型）的函数，不涉及线性回归模型。该函数可以自动选择合适的ARIMA模型并进行拟合，以便进行时间序列的预测和分析。
auto.arima函数是根据时间序列数据中的自相关性（ACF）和偏自相关性（PACF）来选择ARIMA模型的阶数，并使用最小二乘法来估计模型的系数。它的目标是找到能够最好地描述数据的ARIMA模型。
该函数不涉及对y和x变量进行微分，而是直接对时间序列数据进行建模和预测。它通过评估不同阶数的ARIMA模型的拟合质量来选择最佳模型。
关于auto.arima函数的更多详细信息和使用示例，可以参考腾讯云提供的RStudio产品介绍页面：https://cloud.tencent.com/document/product/851/39081
相关·内容
我试图估计一个带有arima误差的线性回归，但我的回归变量是高度共线性的，因此回归模型受到多重共线性的影响。由于我的最终目标是能够将单个回归系数解释为弹性，并将它们用于事前预测，因此我需要以某种方式解决多重共线性，以便能够信任回归变量的系数。我知道转换回归变量，例如。通过差分可能有助于减少多重共线性。我还了解到，auto.arima对xreg中定义的response变量和回归变量执行相同的差分(参见：Do we need to do differencing of exogenous variables before passing to xreg argument of Arima() i
浏览 38提问于2019-06-17得票数 1
我试图了解线性回归的auto.arima()和lm()是如何工作的。
我的假设(似乎不正确)是，当您使用auto.arima()并指定xreg时，线性模型适合于整个系列，然后使用ARMA模型进一步拟合残差。我从arima()文档中的这句话中得到了这一点(我认为这就是auto.arima()中所称的)
If am xreg term is included, a linear regression (with a constant
term if include.mean is true and there is no differencing) is fitted
with an ARMA m
浏览 3提问于2015-12-09得票数 4
回答已采纳
2回答
我有两个模型:一个是简单的线性回归，另一个是多元线性回归。
在简单线性回归中，这两个变量之间的相关性最强。多元线性回归包含两个额外的变量，它们可以与相依者联系在一起，但在统计学上它们是不显著的(P > 0)。
如何解释最适合使用的模型是简单线性回归还是多元线性回归？
以下是回归过程中的一些值：
简单线性: F(1，77) = 21.07，Prob >F= 0.0000，R平方= 0.2148，Adj R平方= 0.2046
多重线性: F(3，75) = 7.29，Prob >F= 0.0002，R平方= 0.2258，Adj R平方= 0.1948
浏览 0提问于2015-12-06得票数 2
我们知道如何用梯度下降来确定回归参数。如果
📷
成本函数为C=|Y-Y(X)|^2，我们将b更新为
📷
哪里
📷
是学习率和
📷
是成本函数C相对于b的偏微分。
如果在多元回归中存在一种相互作用，并且我们希望坚持线性模型公式(不使用树或其他非线性回归器)，那么
📷
成本函数仍然是一样的，我们是否只是用相同的方式更新b呢？即相互作用项的存在对梯度下降没有影响。我没有看到有或没有相互作用的梯度下降的任何差异。
浏览 0提问于2018-02-16得票数 3
回答已采纳
我的理解是：
在回归树中:每片叶子的目标值计算为训练期间到达该叶的实例的目标值的平均值。
在模型树中:每个叶的值是一个线性函数，它使用特征的子集，通过对在训练期间到达该叶的实例执行线性回归来确定。
是科学工具中的tree.DecisionTreeRegressor -学习回归树还是模型树
浏览 11提问于2014-06-02得票数 2
回答已采纳
1回答
我正在尝试使用R中的plm软件包构建固定效果回归。我使用具有年份和国家固定效果的国家级别面板数据。我的问题涉及两个解释变量。一个是两个变量的相互作用项，一个是其中一个变量的平方项。
模型基本为:Y= x1 + x1^2+ x3 + x1*x3+ ...+xn，变量均为对数形式
模型的核心是包含平方项，但当我运行回归时，它总是因为“奇点”而被排除在外，因为x1和x1^2显然是相关的。这意味着回归起作用了，我得到了变量的估计值，但不是x1^2和x1*x2。我该如何规避这个问题呢？
library(plm)
fe_reg<- plm(log(y) ~ log(x1)+log(x2)+log(x
浏览 8提问于2021-11-24得票数 1
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。基本上，我在看本教程时有点困惑：https://www.gaussianwaves.com/2013/03/how-to-estimate-unknown-parameters-using-ordinary-least-squares-ols/
这里用线性回归来拟合直线，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？在拟合高阶多项式时，我们用正则线性回归来惩罚高阶称变量。基于这些困惑，有谁能帮助澄清以下几点呢？
浏览 0提问于2019-10-28得票数 0
回答已采纳
我正在使用绝地求生的数据，并为同样的开发一个线性回归模型！现在我的原始数据集中有三个特征:骑行距离、游泳距离、步行距离。我结合了这三个新的功能:距离覆盖，这是上述三个特征之和。当我把它放在线性回归模型中时，当我使用这三个特征和第四个特征时，我得到的分数比只用这三个特征或者仅仅使用第四个特征要好。我已经读过，在开发模型时，特性之间的相关性不应该存在。但是，当所有具有相关性的特征(其中4个)被用来建立模型时，模型有一个较好的平方(R-平方)。为什么会发生这种事？
浏览 0提问于2019-01-27得票数 1
我在Matlab中用fitlm函数做多元线性回归，基本上看起来像这样： model = fitlm(data,'Y ~ x1*x2 + x1*x3 + x4','RobustOpts','off','Weights',w) 预测因素是绝对的和双重的。现在我知道如果x3 == 0，那么Y == 0。x3和Y都是双精度的。是否可以将此信息添加到回归模型中？如果是，是如何实现的？ 谢谢。
浏览 55提问于2021-01-20得票数 0
1回答
我正在使用auto.arima函数在包forecast中拟合一个模型。例如，我得到了一个AR(1)模型。然后，我从这个模型中提取残差。这如何生成与原始向量相同的残差数？如果这是一个AR(1)模型，那么残差的数量应该比原始时间序列的维数少1。我遗漏了什么？
示例：
require(forecast)
arprocess = as.numeric(arima.sim(model = list(ar=.5), n=100))
#auto.arima(arprocess, d=0, D=0, ic="bic", stationary=T)
# Series: arprocess
#
浏览 4提问于2013-09-06得票数 3
回答已采纳
我获得了以下数据集，大致以以下形式显示：
不是的。充放电周期:1 2 3 4.(对100)
采购产品容量(每个相应周期结束时)：1.0 0.998 0.992 0.991 .(第100周期约在0.7至0.85之间)
如果我有大约250个细胞的这类数据，那么有什么好的方法来回归呢？
让回归方程是
Y= f(x)
其中x是不。循环和y是容量。
我想用模型来预测任何新的细胞在第100周期的容量，以及早期周期(大约到20或30周期)的容量。
那么，对于y= f(x)，尝试单变量回归合适吗？事实上，循环的数量似乎只是索引每个有序循环的一个标签(在某种意义上)。那么，在这种情况下，作为自变
浏览 3提问于2022-01-16得票数 0
我需要训练一个回归模型，能够估计完全的预测分布，而不是点预测估计。
有什么能让R做这个的包吗？我通常使用tidymodel框架。
浏览 2提问于2021-12-23得票数 0
回答已采纳
2回答
我的问题的完整R数据和代码在这里：。
我是R的新手，在时间序列分析方面还是个初学者，所以请原谅我的无知。
我试图用两个虚拟编码的回归器来建模和预测一些注册数据.我已经使用auto.arima来拟合模型：
model <- auto.arima(enroll, xreg=x)
在我预测这个模型之前，我试图通过只选择一部分时间序列(1:102而不是1:112)来测试它的准确性，同样地，选择一个部分的回归者列表。
基于auto.arima，我对部分模型进行了如下拟合：
model_par <-arima((enroll_partial), c(1, 1, 1),seasonal = li
浏览 1提问于2019-05-13得票数 1
回答已采纳
1回答
R预测软件包中的动态回归
、、、
我有两个变量的时间序列，代表两种货币: SYP (叙利亚镑)和LBP (黎巴嫩镑)。这些数据代表了前六个月两种货币的每日价值。以前，我使用SYP作为因变量，LBP作为自变量运行一个标准回归模型。这是结果：
SYPts <- ts(SYP_LBP)
modelSYPLBP <- tslm(SYP ~ LBP, data = SYPts)
summary(modelSYPLBP)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -835.77100 228.9
浏览 2提问于2021-03-09得票数 0
我想用回归模型来拟合概率。我知道线性回归经常用于这个目的，但我有几个概率在0.0和1.0左右，并且想要拟合一个回归模型，其中输出被限制在0.0到1.0之间。我希望能够为模型指定正则化规范和强度，最好在python中这样做(但R实现也会有帮助)。我发现的所有逻辑回归包似乎只适合于分类，而这是一个回归问题(尽管我想使用logit链接函数)。我使用scikits为我的分类和回归需求学习，所以如果这个回归模型可以在scikits中实现，那就太棒了(在我看来，这是不可能的)，但是我很乐意在python和/或R中找到任何解决方案。
浏览 4提问于2015-11-21得票数 3
1回答
人们应该如何决定使用线性回归模型还是非线性回归模型？
我的目标是预测Y。
对于简单的x和y数据集，我可以很容易地通过绘制散点图来决定应该使用哪种回归模型。
在x1，x2，.，xn和y等多变量的情况下.我如何决定必须使用哪一种回归模型？也就是说，如何决定采用简单的线性模型或非线性模型，如二次型、三次型等。
是否有任何技术、统计方法或图解来推断和决定必须使用哪一种回归模型？请给我建议。
浏览 4提问于2015-02-06得票数 3
3回答
我有大约90个变量存储在数据2-90中。我怀疑其中大约有4个与data1有抛物线样的相关性。我想找出哪些是相关的。有什么简单快捷的方法吗？
我尝试过构建这样的模型(对于每个变量I=2:90，我可以在循环中这样做)：
y <- data$AvgRating
x <- data$Hamming.distance
x2 <- x^2
quadratic.model = lm(y ~ x + x2)
然后看看R^2/系数，得到相关的概念。有更好的方法吗？
也许R可以用这90个变量建立一个回归模型，并选择那些本身具有显着性的变量？那有可能吗？对于线性回归，我可以在JMP中这样做，但我
浏览 14提问于2016-08-01得票数 7
回答已采纳
1回答
用多元回归分析识别铅/滞后
、、、、
我有三个时间序列变量(x，y，z)测量在3个重复.X和z是自变量。Y是因变量。T是时间变量。这三个变量均随昼夜变化而变化，白天增加，夜间下降。下面是一个使用模拟数据集的示例。
library(nlme)
library(tidyverse)
n <- 100
t <- seq(0,4*pi,,100)
a <- 3
b <- 2
c.unif <- runif(n)
amp <- 2
datalist = list()
for(i in 1:3){
y <- 3*sin(b*t)+rno
浏览 1提问于2021-02-13得票数 1
1回答
我有一个关于机器学习的分类和回归问题。第一个问题，以下数据集
我们可以说，数据集是线性可分的吗？为了将线性模型应用于类化，此数据集不需要对输入空间进行转换，还是无法对此数据集进行转换？我的回答是否定的，但我不确定第二个，我不确定对数据集是否可能进行转换。
关于回归问题的第二个问题:给出以下数据集f:r -> R
我们可以说:回归的线性模型可以用来学习与这个数据集相关的函数吗？给定这个数据集，不可能确定线性模型的最优拥塞？
我正在读汤姆米切尔机器学习，模式识别和机器学习主教的书，但我仍然很难给出正确的答案。提前谢谢。
浏览 0提问于2014-12-11得票数 0
回答已采纳
我试图用R中的auto.arima函数拟合arima模型，尽管数据是非平稳的，结果仍然是(0，0，0，0)。
auto.arima(x，approximation=TRUE)
具有非零均值的ARIMA(0,0,0)
有人能建议为什么会出现这样的结果吗？顺便说一下，我只在10个数据点上运行这个函数。
浏览 2提问于2015-07-10得票数 1
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：
在线性回归的情况下，似然函数的值不等于参数的值(本例中为beta)吗？这似乎是这样的，根据下面的推导，导致方程12：
知道似然函数的值有什么用？它是否与其他具有相同反应和不同预测指标的回归模型进行比较？实际的统计学家和科学家如何使用统计模型提出的对数似然值？
浏览 1提问于2014-10-23得票数 2
回答已采纳
我创建了一个正常的二元数据集，它具有强大的线性关联，如下所示：
#### Load Library ####
library(tidyverse)
#### Create Data ####
x <- rnorm(n=1000, mean=120, sd=15)
y <- 4*x + 5 + rnorm(n=1000, mean = 0, sd = 5)
df <- data.frame(x,y)
#### Plot ####
ggplot(df,
aes(x,y))+
geom_point()+
geom_smooth(method = "
浏览 2提问于2022-07-25得票数 0
回答已采纳
1回答
我正在尝试运行一个回归，其中只有一些系数可以识别：
data = np.array([[2, 1, 1, 1], [1, 1, 1, 0]])
df = pd.DataFrame(data, columns=['y', 'x1', 'x2', 'x3'])
z = df.pop('y')
mod = sm.OLS(z, sm.add_constant(df))
现在，我有两个结果，唯一在两个观察值之间变化的变量是x3。因此，我预计(因为我添加了一个常量)，模型将无法识别x1或x2，并将忽略它们。然而，它应该会给我一
浏览 0提问于2020-08-30得票数 0
我的问题与估计中的人口增长率有关。作为一个玩具示例，考虑一个玩具数据集df
structure(list(x= c(0L, 24L, 48L, 72L, 96L, 120L, 144L, 168L
), y = c(10000, 18744.0760659189, 35134.0387564953, 65855.509495469,
123440.067934292, 231377.002294256, 433694.813090781, 812920.856596808
)), .Names = c("x", "y"), row.names = c(NA,
浏览 7提问于2016-06-23得票数 3
回答已采纳
2回答
岭回归规范化
、、、、
我建立了一个简单的线性模型，其中X(维数D)变量来自具有0协方差的多重正态变量。只有前10个变量的真系数为1，其余变量的系数为0。因此，理论上，岭回归结果应该是真系数除以(1+C)，其中C是惩罚常数。
import numpy as np
from sklearn import linear_model
def generate_data(n):
d = 100
w = np.zeros(d)
for i in range(0,10):
w[i] = 1.0
trainx = np.random.normal(size=(n,d))
e
浏览 1提问于2018-06-07得票数 0
回答已采纳
当我将y轴数据从y更改为100-y (y是百分比)时，我需要修改对数回归，但我不知道如何修改。我使用下面的玩具示例： m=c(3,1,3,2,4,7,10,2,1,44,11,24,1,3,5,11,7,17,8,10,17,34,31,10,7,3,1,6,4,3,4,7,11,14,6,8,34,80,23,54,2,3,2,1,13,8,10,15,2,15,8,11,8,12,9,18,85)
q=c(91,78,72,84,74,76,81,80,70,130,131,136,53,56,57,111,60,80,78,76,84,107,85,76,57,57,45,50,68,
浏览 30提问于2021-10-21得票数 0
1回答
我正在研究状态模型中的稳健线性回归，但我找不到一种方法来指定这种回归的“权重”。例如，在最小二乘回归中，为每个观测分配权重。类似于WLS在状态模型中所做的工作。
还是有办法绕过它？
浏览 7提问于2017-08-06得票数 0
回答已采纳
2回答
我有一个包含x变量和目标y的数据集(在0到100%之间，所以0和1)
我的目标是预测一个样本是在y [0,0.25)，[25，50]或50,100组中。
我想知道我是否应该使用一个分类模型，用3个标签0,1,2对这些组进行编号，还是执行一个回归来获得一个特定的值(例如，0、18或18%)，然后再进行分组。应该使用哪种方法/产生更好的结果？(以及原因)
浏览 0提问于2022-05-03得票数 0
1回答
我在处理小型实验数据集的建模。由于大多数实验工作不会产生数千个样本，而只是少数几个样本，所以我需要对如何处理这少量数据集(比如10-20)具有创造性。我一直在构建一个很好的框架来实现这一点，在这一点上，我感兴趣的是生成带有预测值的错误条。
粗略地说，这就是框架中所发生的事情(例如，在应用多线性模型时)：
创建N数据集的集合。
在每个数据集上，回归都会产生(线性)模型，如下面的Eq.1所示。这就产生了每个系数的N值\beta。
平均值是为\betas的三组中的每一组计算的。(平均值也可能是另一个函数，但现在假设它是平均值)。
这三个平均\betas是模型使用的系数(同样是Eq.1)。
目的:在考
浏览 0提问于2020-04-03得票数 3
我对拉瓦安和一般的结构方程建模还是比较陌生的，如果能对以下问题给予帮助，我将不胜感激：
我一直试图建立一个潜在的变化模型在R使用lavaan，使用基本设置概述在Kievit等人(2018年) ()。我正试图在COVID发布前对抑郁症的变化进行建模，并确定这种变化的预测因素(如社会经济地位、社会支持等)。
当我运行该模型时，我得到警告：“估计参数(vcov)的方差协方差矩阵(Vcov)不显示为正定！最小特征值(= -7.520784e-18)小于零，这可能是模型未被识别的征兆。”
我试图解决一些问题，似乎只有当我在模型中包括了潜在变化分数的二进制预测因子(编码为0-1)和连续预测因子时，才会出现
浏览 13提问于2022-01-20得票数 0
回答已采纳
1回答
我正在对状态模型进行多元回归。但是，在预测之前，我想手动修改一个独立变量的系数。我该怎么做？
例如，假设我在4年前的2年时间内对我的数据进行培训。我返回风、雨和太阳的系数。
现在假设我用最近两年的数据训练我的数据，然后再一次得到回归输出中的系数。
如果我想使用第一次回归输出的wind系数和第二次回归的rain和sun系数，如何在使用predict之前手动更改wind
编辑：
回归代码/参数：
model = sm.OLS(y[:train],X[:train]).fit()
predictions = model.predict(X[-test:])
其中X是[['rain',
浏览 2提问于2020-04-10得票数 1
回答已采纳
1回答
我正在做固定效果回归，并且在自相关方面有问题，为了解决这个问题，我正在使用预测、lmtest和plm软件包进行ARIMA建模。我的数据是一般的面板数据，，我正在尝试做一些ARIMA建模，但我很难使用plm软件包将自回归项和移动平均值合并到固定效果回归中。这是我的尝试。
world_hour_fix =
plm(WBGDPhour ~ broadband + resourcerents + education,
data = hourframe, model = "within")
auto.arima(world_hour_fix$residual
浏览 3提问于2012-04-28得票数 6
1回答
求多元非线性回归模型的方程？
、、、、
关于非线性和多变量回归，我使用的是R或Matlab。在有一个只有两个变量的回归的情况下，我简单地画出了关于X的图Y，并寻找模型的方程，它最符合点云的分布。
但是，在Y与多个独立变量(在我的例子中是12个变量X_1, X_2,...,X_{12})相连的情况下。我怎样才能定义回归模型的方程？
浏览 0提问于2018-08-01得票数 1
2回答
我使用随机森林回归问题来预测给定一组Test(新特性值)的Test标签值。该模型已在给定的列车-X(特征)和列车-Y(标签)上进行训练.R的"randomForest“很好地帮助我预测测试-Y的数值。但这不是我想要的。
不只是一个数字，我想使用随机森林产生一个概率密度函数。我找了好几天的解决方案，到目前为止，我发现：
"randomForest“不产生回归的概率，而只是在分类上。(通过“预测”和设置type=prob)。
使用"quantregForest“提供了一种制作和可视化预测间隔的好方法。但还是没有概率密度函数！
关于这件事还有其他想法吗？
浏览 3提问于2016-02-19得票数 3
回答已采纳
1回答
我感兴趣的是从R中任何ARIMA模型中得到AR(p)部分的值。
例如，假设我估计以下ARIMA模型
我有兴趣将这些值定义为：
我要做的是：
ar_model <- auto.arima(mydata) # fit an ARIMA model as decided by the auto.arima
fitted_ar_model <- fitted(ar_model)
resid_ar_model <- residuals(ar_model)
ar_p <- fitted_ar_model - resid_ar_model
代码的问
浏览 0提问于2020-02-12得票数 0
回答已采纳
1回答
实际上，我正在研究GAMLSS模型(用于位置、规模和形状的通用加法模型)。我的问题是:正确地说，这些模型是GLM和线性回归的推广？如果使用带指数族分布的GAMLSS和σ上的同一性链接函数，则得到GLM？作为特例，如果我使用正态分布和两个Idenity链接函数，我得到一个线性回归？
感谢每个人。
浏览 9提问于2022-02-05得票数 0
2回答
结果发现，我有两个变量不满足线性假设。因变量是连续的，自变量是数值离散的。在这里，剩余的情节和一个盒子和胡须图：
因此，我不能用线性回归。我试图通过转换数据(通过执行log(y)；log(x)；sqrt(y)；等等)将变量之间的关系线性化，但没有成功。我没有发现任何能令人满意地增加线性度的变换。因此，我最终试图将非线性函数与我的数据相结合(对我来说，这是一个完全未知的领域，我在互联网上找不到很多信息)。因此，我想知道我是否采取了正确的步骤来进行非线性分析：
1)我做的第一件事就是选择二次多项式。
y = a + (b*x) + c*(x^2)
这是我的第一个疑问(使用什么功能？)因为我知道
浏览 0提问于2018-02-02得票数 1
2回答
如果您能让我知道在使用Lasso logistic回归(L1)进行特征选择之前是否应该省略高度相关的特性，我将非常感激。
实际上，我想用logistic回归和L1来进行预测和特征选择。然而，我的一些特性是高度相关的，例如-1或0.9。在应用拉索之前，我应该省略它们还是让套索决定？
真的，我在Raschka先生的书“(Python机器学习”中读到
正则化是处理共线性(特征间高度相关)的一种非常有用的方法。
然而，这个内核 (通过引用维基百科)指出，保持模型中的相关特性会对特征选择产生不利影响，但它不会影响预测。
浏览 0提问于2018-08-20得票数 1
2回答
我正在尝试执行一个多元线性回归模型：
$$y_i =β_0 +β_1x_{i1} +β_2x_{i2} +.+β_px_{ip} +ε_i$$
其中$$x_{i1}、x_{i2}、.、x_{ip}$$相互高度相关(VIFs可以低到5，高到10)。
我只是想知道是否存在一个具有以下属性的过程：
( 1)降低变量的共线性(例如，过程结束后VIFs应低于5)
( 2)程序后的变量应保持原意/解释。(因此PCA和FA退出)。
3)不删除任何变量。我应该有所有的原装..。(这样套索和岭就出来了)
浏览 0提问于2018-08-02得票数 1
2回答
对不起，我知道这是一个非常基本的问题，但由于我仍然是机器学习的初学者，确定什么模型最适合我的问题仍然让我困惑，最近我使用了线性回归模型(导致r2_score如此之低)，一个用户提到我可以根据我的数据曲线使用某些模型，当我看到另一个编码器使用随机森林回归时(导致r2_score比线性回归模型好30% )，我不知道他/她怎么知道更好的模型，因为他/她没有提到它。我的意思是，在我读到的大多数网站中，他们将数据推到他们认为最适合问题的一些模型中(例如:对于回归问题，模型可以使用线性回归或随机森林回归)，但在一些网站中，有些人说，我们首先需要绘制数据，这样我们才能准确地预测哪个模型最适合。我真的不知道
浏览 36提问于2020-01-12得票数 0
1回答
混合新凯恩斯菲利普斯曲线是：
经过几次操作，我们得到了以下可估计的模型：
其中，π是通货膨胀率，x是衡量产出缺口的指标(= GDP的周期性成分，使用过滤器)。模型π和x的解释变量是可观测的。
我需要用非线性最小二乘来估计这个模型，但是这个模型在我看来是线性的。另外，我在R中使用nls()函数的尝试也失败了。
此外，我对非线性回归的研究导致了我的逻辑人口增长，但我无法找到一种方法将我学到的东西与这项工作联系起来，特别是在推导起始值时。
浏览 8提问于2013-02-22得票数 2
回答已采纳
1回答
在回归中，我试图模拟单位特定的时间趋势，但我一直遇到困难。在R中，当我估计具有单位和年固定效应(如lm(y~x+factor(unit)+factor(time)) )的模型时，我得到了完全正常的结果。然而，当我尝试做lm(y~x+factor(unit)*factor(year))时，我遇到了麻烦，因为NA's是生成的。
使用一些模拟数据来说明：
# Unit of analysis are countries
country<-c(rep("Isthmus",10),rep("Nambutu",10),rep("San Monique&
浏览 0提问于2014-06-16得票数 2
回答已采纳
2回答
R中的概率估计
、、
我试图用R来分析一些概率数据，我给出了给定概率p的某些结果的频率(A和B)，我想要的是一个模型，允许我只从频率数据中估计p。
现在，我只是在运行一个线性回归(类似于lm(p ~ A + B))，它或多或少地起作用了，但我知道这不是“正确的方法”。特别是，对于A或B的某些值，我的当前模型将返回不位于区间[0, 1]内的值，即对概率无效的值。
我很确定有办法做到这一点，但我一辈子都找不出这个模型的名称或在R中如何运行它，有人能给我一个提示吗？
浏览 3提问于2010-12-25得票数 1
回答已采纳
3回答
沙普利用于Logistic回归？
、、、、
shapley支持logistic回归模型吗？
运行下面的代码：
logmodel = LogisticRegression()
logmodel.fit(X_train,y_train)
predictions = logmodel.predict(X_test)
explainer = shap.TreeExplainer(logmodel )
Exception: Model type not yet supported by TreeExplainer: <class 'sklearn.linear_model.logistic.LogisticRegression&#
浏览 3提问于2020-02-27得票数 3
回答已采纳
研究线性模型(高斯、指数、卡方、F-分布等)的一致性、效率、鲁棒性、蓝色、无偏性等问题，是一种基于微积分的统计推理理论.构成回归模型。
什么时候神经网络比这些传统的基于回归分析的微积分模型更好？有没有一个完整的数学理论，包括健壮性，robustness的东西，一致性，对他们的充分奉献，像Wackerly/HOFF这样的人在一本书中所写的？
神经网络不能用微积分解释，因为logistic回归可以解释为最大似然估计量吗？
什么是神经网络背后的数学，还是更多的CompSci理论？
神经网络无偏估计器，是一致的，有效的，等等，平均是正确的答案吗？他们能估计出人口的真实参数吗？
浏览 0提问于2018-12-23得票数 0
回答已采纳
3回答
我将我的数据拟合成一个多元线性回归Y = BX + \Xi，其中的响应是二元Y\in R^{n\times 2}，预测器是单变量的，但被提升到投影平面来解释截距X\in R^{n\times 2}。
现在，找到最合适的方法可以减少到\hat B = (X^T X)^{-1}X^T Y。
但我有兴趣在0.7周围找到一个\hat B信任区。我该怎么做？
浏览 0提问于2020-01-23得票数 2
1回答
我不太清楚如何在R中分析非线性回归，我发现通过使用函数的日志，我仍然可以用lm进行线性回归。
我的第一个函数是这个函数，其中β1是截距，β2是斜率，ε是错误项：
我认为下面的命令给了我我想要的东西：
result <- lm(log(Y) ~ log(X1), data=dataset)
问题在于以下功能：
我不知道我应该在lm里面放些什么来对我的函数进行线性回归.知道吗？
浏览 5提问于2021-12-05得票数 0
回答已采纳
1回答
我感兴趣的是，为了量化logistic回归估计的系数的不确定性，我有兴趣将刀切分析应用于。我使用glm(family=‘binomial’)，因为我的自变量是0-1格式的。
我的数据集有76000个obs，我使用了7个自变量加上一个偏移量。这个想法涉及到将数据拆分成5个随机子集，然后通过一次从数据集中删除一个子集来获得7个估计参数。然后我可以估计参数的不确定性。
我理解这个过程，但我不能用R来做。
这是我正在拟合的模型：
glm(f_ocur ~ altitud + UTM_X + UTM_Y + j_sin + j_cos + temp_res + pp +
off
浏览 1提问于2012-11-15得票数 0
我正在浏览一个关于机器学习的在线课程，第一个主题是找到一个用线性回归近似我们的数据的模型。模型本身是线性函数，我们寻找该线性函数的系数。我们通过增加特征交叉，将数据可能具有的非线性特性引入到线性模型中。
例如，假设我们有二维特征(x_1, x_2)，如果它们位于第2或第4象限，则将它们标记为1，否则为0。线性函数y(x_1, x_2) = b +m_1x_1+m_2x_2不能近似这一点。如果我们添加x_3 = x_1x_2，我们可以找到一个表示这一点的模型。
然而，这显然是一个非常人为的问题，没有代表性的解决任何类型的数据。最后，我们试图找到一个适合某些数据的函数y。这让我想起了数值求解微分方
浏览 0提问于2019-09-11得票数 0
我需要您的帮助，在R中创建一个数据框架，其中包含每个预测变量的单独列。这一“新数据”将用于回归后的预测线。
经典的在线例子如下：
data=read.csv("some_path", header=TRUE)
fit<- with(data, lm(y1 ~x1))
pred<-predict.lm(fit, newdata=data.frame("x1"=some_number))
该模型有三个步骤：
对自变量x1...xn.执行简单的auto.arima预测。
fit_x1<- auto.arima(x1, stepwise = FALS
浏览 3提问于2021-04-07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
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
