Eu li algumas explicações sobre as propriedades de modelos lineares versus não lineares, mas ainda não tenho certeza se um modelo disponível é linear ou não linear. Por exemplo, o seguinte modelo é linear ou não linear? yt=β0+β1B(L;θ)Xt+εtyt=β0+β1B(L;θ)Xt+εty_t=\beta_0 +...
Pouco histórico Estou trabalhando na interpretação da análise de regressão, mas fico realmente confuso sobre o significado de r, r ao quadrado e desvio padrão residual. Conheço as definições: Caracterizações r mede a força e a direção de uma relação linear entre duas variáveis em um gráfico...
Estou trabalhando em um problema de regressão linear muito grande, com tamanho de dados tão grande que eles precisam ser armazenados em um cluster de máquinas. Será muito grande para agregar todas as amostras na memória de uma única máquina (mesmo disco) Para fazer a regressão desses dados, estou...
A pergunta é direta: é apropriado usar a regressão linear quando Y é limitado e discreto (por exemplo, a pontuação do teste 1 ~ 100, algum ranking predefinido 1 ~ 17)? Nesse caso, "não é bom" usar regressão linear ou é totalmente errado
Qual a importância da distinção entre modelos lineares e não lineares? A questão Modelo linear não linear versus generalizado: Como você se refere à regressão logística, de Poisson etc.? e sua resposta foi um esclarecimento extremamente útil da linearidade / não linearidade dos modelos lineares...
Estou aprendendo regressão linear usando Introdução à análise de regressão linear por Montgomery, Peck e Vining . Eu gostaria de escolher um projeto de análise de dados. Penso ingênuo que a regressão linear é adequada apenas quando se suspeita que haja relações funcionais lineares entre variáveis...
Eu tenho lido sobre o método Nyström para aproximação de kernel de baixo escalão. Este método é implementado no scikit-learn [1] como um método para projetar amostras de dados para uma aproximação de baixo escalão do mapeamento de recursos do kernel. Para o melhor de meu conhecimento, dado um...
Estou estudando e tentando implementar redes neurais convolucionais, mas suponho que essa pergunta se aplique aos perceptrons multicamadas em geral. Os neurônios de saída em minha rede representam a ativação de cada classe: o neurônio mais ativo corresponde à classe prevista para uma determinada...
Digamos que temos um vetor aleatório , extraído de uma distribuição com função de densidade de probabilidade . Se o transformarmos linearmente por uma matriz classificação completa para obter , a densidade de será dada porX⃗ ∈RnX→∈Rn\vec{X} \in \mathbb{R}^nfX⃗ (x⃗ )fX→(x→)f_\vec{X}(\vec{x})n×nn×nn...
Para analisar dados de um experimento de biofísica, atualmente estou tentando fazer o ajuste de curvas com um modelo altamente não linear. A função model se parece basicamente com: y=ax+bx−1/2y=ax+bx−1/2y = ax + bx^{-1/2} Aqui, especialmente o valor de bbb é de grande interesse. Uma plotagem...
Alguém pode explicar por que usamos Modelos Lineares de Log em termos muito leigos? Eu venho de formação em engenharia, e isso realmente está se tornando um assunto difícil para mim, estatísticas que são. Serei grato por uma
Fechado . Esta questão é baseada em opiniões . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela possa ser respondida com fatos e citações editando esta postagem . Fechado há 2 anos . Atualmente,...
Eu tenho uma tabela de contingência de três níveis, com dados de contagem de várias espécies, a planta hospedeira da qual elas foram coletadas e se essa coleta ocorreu em um dia chuvoso (isso realmente importa!). Usando R, dados falsos podem ser algo assim: count <- rpois(8, 10) species <-...
Modelos de efeitos mistos lineares são modelos de extensões de regressão linear para dados coletados e resumidos em grupos. As principais vantagens são que os coeficientes podem variar em relação a uma ou mais variáveis de grupo. No entanto, estou lutando com quando usar o modelo de efeito...
Depois de analisar esta pergunta: tentando imitar a regressão linear usando Keras , tentei dar meu próprio exemplo, apenas para fins de estudo e para desenvolver minha intuição. Baixei um conjunto de dados simples e usei uma coluna para prever outra. Os dados são assim: Agora, criei um modelo...
Quando queremos estimar parâmetros de regressão linear, fazemos equações normais até o modelo linear que contém número de incógnitas. Por que essas equações são chamadas de equações
Meu conjunto de dados ( ) possui uma variável dependente (DV), cinco variáveis independentes "de linha de base" (P1, P2, P3, P4, P5) e uma variável independente de interesse (Q).N≈10,000N≈10,000N \approx 10,000 Executei regressões lineares OLS para os dois modelos a seguir: DV ~ 1 + P1 + P2 +...
Espero que a seguinte pergunta geral faça sentido. Lembre-se de que, para os fins desta pergunta em particular, não estou interessado em razões teóricas (domínio do assunto) para introduzir a não linearidade. Portanto, formularei a questão completa da seguinte maneira: O que é uma estrutura...
Espero sinceramente que tenha formulado esta pergunta de forma que ela possa ser respondida definitivamente - caso contrário, informe-me e tentarei novamente! Eu também acho que devo usar R para essas análises. Eu tenho várias medidas plant performance (Ys)que eu suspeito que foram influenciadas...
Imagine o seguinte problema. Tenho instantâneos semanais de dados de preços de itens K, bem como de vários recursos / preditores. Quero prever quanto o preço mudará daqui a dois anos. Eu montei meu conjunto de dados da seguinte forma: cada linha consiste em recursos para cada item de cada semana e...