使用R中另一个变量的线性回归的斜率来估算单个变量的缺失数据
在R中，我们可以使用线性回归来估算单个变量的缺失数据。线性回归是一种统计学方法，用于建立两个变量之间的线性关系模型。通过使用已知数据中的一个变量作为自变量，另一个变量作为因变量，我们可以通过拟合直线来估算缺失数据。
具体操作步骤如下：
- 加载数据：首先，我们需要将包含缺失数据的数据集加载到R中。
- 数据清洗：对于包含缺失数据的变量，我们需要进行数据清洗。常见的数据清洗方法包括删除含有缺失数据的观测值或使用其他方法填充缺失数据。
- 创建线性回归模型：使用lm()函数创建一个线性回归模型。指定需要估算缺失数据的变量作为因变量，另一个变量作为自变量。
- 拟合线性回归模型：使用拟合函数fit <- lm(y ~ x, data)来拟合线性回归模型。其中，y是因变量，x是自变量。
- 提取斜率：使用coef()函数提取拟合的线性回归模型的斜率值。斜率表示因变量每单位自变量增加时的变化量。
- 估算缺失数据：使用估算得到的斜率值，通过代入其他已知自变量值，计算出对应缺失数据的预测值。
- 结果解释：根据估算出的缺失数据预测值，可以得出单个变量的估计值，以填补缺失数据。
需要注意的是，线性回归方法适用于连续变量之间的关系建模，对于分类变量或非线性关系建模可能不适用。此外，在估算缺失数据时，需要考虑线性回归模型的拟合优度以及是否满足线性回归的假设。
关于腾讯云的相关产品和产品介绍链接，可参考以下示例：
腾讯云产品：云服务器（CVM） 链接：https://cloud.tencent.com/product/cvm
腾讯云产品：云数据库MySQL版（CDB） 链接：https://cloud.tencent.com/product/cdb_mysql
腾讯云产品：人工智能（AI）平台 链接：https://cloud.tencent.com/product/ai
请注意，上述链接仅为示例，实际使用时建议参考最新的腾讯云官方文档和产品页面。
相关·内容
我正在处理一个数据集。这是一个分类问题。数据集中的一列在总共300 k观测值中有大约11000个缺失值(它是一个范畴变量，因此不可能像数值那样计算缺失值)。
在随机森林不受缺失值影响的情况下，采用随机森林而不是Logistic回归是明智的吗？
另外，在使用RF时，我是否需要考虑自变量之间的多重共线性，还是不需要这样做？
浏览 2提问于2019-04-14得票数 0
回答已采纳
1回答
处理丢失的数据
、、、、
我有个关于数据清理的问题。我是个新手，刚刚开始在这个领域学习，所以请原谅我的无知。假设有两列，根据从两列中抽取的一些样本，您会发现相关系数很高。现在，对于不存在的值，可以使用线性回归来预测或找出它们，使用您知道的作为训练数据的值吗？
浏览 0提问于2020-06-29得票数 1
回答已采纳
2回答
我有一个有关完成评审的人的数据集，目标变量是评审决定是否正确/不正确，我的特性之一是对审阅者进行跟踪4周的准确性评分。
然而，这些精确的分数并不总是可用的。我的问题是如何建模这些数据-事实上，没有可用的准确性评分可能是一个信号。从我对此的研究来看，我所看到的一切都告诉我，缺失的价值必须被推断或移除。我想知道是否有技术将数据丢失的事实合并到数据集中。
也许我可以把分数转换成一个分类变量(低、中、高，没有)--这会是一种普遍的做法吗？我愿意听取一些建议，并且很想听听在这些情况下通常会做些什么。
浏览 0提问于2021-01-20得票数 4
1回答
我读过一些关于R中的lm()函数的教程，我对这个函数如何处理连续或离散预测器感到有点困惑。在中，对于连续的标签，系数表示线性回归的截距和斜率。
这一点很清楚，但是如果我现在有一个性别类别，其中值是0或1，lm()函数是如何工作的。该函数是否应用逻辑回归，或者仍然可以以这种方式使用该函数。
浏览 0提问于2018-04-23得票数 1
1回答
小鼠R模拟与回归()
、、、、
我正在使用R中的鼠标包进行多重计算，并试图理解其背后的算法。
从它的文档来看，老鼠算法被认为是被使用的。据我理解，它使用吉布斯采样器来执行MCMC，其中模拟参数β，它定义了给定Y-(所有其他变量都没有Y)的Y(带有缺失值的变量)的条件分布。利用模拟β定义了相应的条件分布。然后从条件分布中提取值，并用它替换缺失的值。它在所有缺少值的变量中重复该过程。
但是，我不明白的是，回归是在哪里发生的？在小鼠()函数中，我们确实需要指定'method‘参数。例如，“logreg”表示二项式分布变量，“polyreg”表示超过2级的因子变量。如果归责是由MCMC完成的，我们为什么要指定回归呢？
一些文
浏览 1提问于2015-01-28得票数 1
我正在做一个数据科学项目，我正处于清理分类特性的阶段。我一直在研究，似乎计算平均值或中位数可以改变分布。因此，更好的方法是使用logistic回归或任何其他模型来预测分类特征中的空值。
在这个职位中，作者解释了如何使用logistic回归来计算二项式范畴特征中的空值。但是，我使用的分类特性有多个可能的值。
你知道有什么方法可以解决这个问题，并在多分类特征上精确地估算零值吗？
谢谢!
浏览 0提问于2022-08-24得票数 0
回答已采纳
我在一个包含大约7500个数据点的数据集上执行多重回归时遇到了问题，这些数据点在某些列和行中缺少数据(NaN)。每行中至少有一个NaN值。某些行仅包含NaN值。
我使用OLS统计模型进行回归分析。我尽量不使用Scikit Learn来执行OLS回归，因为(我可能在这一点上是错的)我必须在我的数据集中计算缺失的数据，这将在一定程度上扭曲数据集。
我的数据集如下所示：
这就是我所做的(目标变量是KP6，预测变量是其余变量)：
est2 = ols(formula = KPI.KPI6.name + ' ~ ' + ' + '.join(KPI.drop('K
浏览 7提问于2017-08-07得票数 6
我正在处理一组病人信息，并试图用MATLAB从数据中计算出倾向评分。在删除了许多缺失值的特性之后，我仍然保留了几个缺失(NaN)值。当我试图使用下面的Matlab代码执行逻辑回归时，由于缺少这些值，当我的成本函数和梯度向量的值变成NaN时，我会得到错误(来自Andrew的课程)：
[m, n] = size(X);
X = [ones(m, 1) X];
initial_theta = ones(n+1, 1);
[cost, grad] = costFunction(initial_theta, X, y);
options = optimset('GradObj',
浏览 0提问于2018-10-02得票数 6
回答已采纳
1回答
我有一个包含60个变量的数据框架，而所有变量都有缺失的值，因此没有一行是完整的：
complete.cases(data)
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[28] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALS
浏览 2提问于2020-04-15得票数 0
回答已采纳
1回答
也许任何人都能帮我解决这个问题。我进行了一项后续研究，显然现在不得不面对缺失的数据。现在我正在考虑如何在R (f.e )中使用MLM来计算丢失的数据。参与者总结了2项后续调查，但未完成后续1项调查，因此，我在纵向分析中缺少L1预测器)。
我阅读了关于使用pan包(Schafer & Yucel，2002)对多级数据进行多重计算的文章，并看到了以下代码：
imp <- panImpute(data, formula = fml, n.burn = 1000, n.iter = 100, m = 5)
然而，我很难完全理解它。是否有其他方法来计算R中丢失的数据？或者也许有人可以更详
浏览 3提问于2022-05-11得票数 1
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：
fm <- lm(alcohol~beers)
因此，要获得整个回归线的置信区间，我会尝试：predict(fm,data.frame(beers = newbeers), level = 0.9, interval = "confidence")，但我并不真正知道data.frame会做什么。好的，我知道置信区间是90%的实际值(这里，因
浏览 4提问于2012-09-20得票数 4
是否应该在logit中包含或排除一个变量。只有当某个事件发生时才能获得值的模型，否则会显示N/A？这个变量告诉我们是否会根据公司的电话购买产品。该变量告诉我们:上次从之前的活动中与客户联系后过去的天数。值(-1)是针对以下用户的
📷
浏览 0提问于2020-04-19得票数 0
我正在阅读PWLF的文档，以了解如何运行分段回归。当查看标准误差的输出时，它报告为回归线中的每个点的标准误差，而不是每个线段。
例如，如果使用fitfast()指定了2个段，则使用standard_errors()将返回3个标准误差值。为每个数据段返回标准错误的最有效方法是什么？
浏览 4提问于2021-09-17得票数 0
1回答
如何约束我的回归系数(只有斜率，而不是截距)是正的？这是一个一般的统计问题，但具体来说，我想要一个r的解决方案，更具体地说，当使用模型2回归(长轴回归)时。
浏览 0提问于2019-08-21得票数 3
回答已采纳
2回答
我希望检查一些实体(SysNr)的趋势
我有3年的数据(2014,2015,2016)
我正在查看大量变量，但将此问题限制为一个('res_f_r')
我的DataFrame看起来像这样
d = [
{'RegnskabsAar': 2014, 'SysNr': 1, 'res_f_r': 350000},
{'RegnskabsAar': 2015, 'SysNr': 1, 'res_f_r': 400000},
{'RegnskabsAar'
浏览 2提问于2018-02-13得票数 6
回答已采纳
4回答
我正在研究一个分类问题。我有一个包含相同数量的分类变量和连续变量的数据集。如何在决策树和逻辑回归之间决定使用哪种技术？
假设logistic回归更适合连续变量，决策树更适合连续变量和范畴变量，这是否正确？
浏览 0提问于2015-06-09得票数 17
回答已采纳
1回答
我试图使用线性回归方法与范畴变量。因此，我认为最好采用基于虚拟的方法。我知道dataset的delivery_cost列中存在一些缺失的值。通过is.null()，我发现有17个值丢失了。
我知道送货成本是线性的(在不同的方式下，商店的每一家分店，如阳光、鞋类等)
variabledist_to_nearest_storehouse是一个连续的variableseasons是一个离散的变量(因此夏季，春天，冬天，秋天将被视为虚拟)
我也需要小心，因为isLoyaltyProgram (0-不是忠诚的一部分，1-忠诚的一部分) delivery_cost是贴现的10%
我首先想知道，使用线性回归
浏览 3提问于2021-05-19得票数 0
1回答
我正在查看来自的数据。我把重点放在这两栏上：
LotArea
LotFrontage
在这里，LotFrontage缺少值，而LotArea没有。这两个变量都有很强的相关性。因此，我认为我拟合了一个线性回归模型，并用拟合模型估算了LotFrontage的缺失值。以下是我的尝试(我是R newby)：
ggplot(OriginalData, aes(x = LotArea, y = LotFrontage)) + geom_point()
fit <- lm(LotFrontage ~ LotArea, OriginalData)
tidy(fit)
Slope &l
浏览 0提问于2018-10-07得票数 0
回答已采纳
采用线性回归方法，找出因变量与自变量之间的关系。
当因变量为范畴时，采用Logistic回归。
但这还不够，您可以使用哪种用例，或者我们可以使用它们的组合呢？
浏览 0提问于2017-11-18得票数 0
回答已采纳
1回答
我有两个(线性)图，我对它们进行了线性回归，只需说：figure(3);plotregression(a,b);
它工作得很好，但我想找出回归线的斜率。我知道我的图中y轴上提到的斜率(或m值)，但它不是很精确。而不是0.98，而是1。
有没有我可以写的代码来获得回归的m/斜率的更精确的值？一切都已经计划好了。
浏览 1提问于2015-02-05得票数 0
大多数教科书说，要填充缺失的值，使用的是均值/中值(数字)和最频繁的(分类)，但我使用的是一个数据集，它有太多的缺失值，而且我不能删除这些列，因为它们很重要。
train.isnull().sum()
TransactionID 0
isFraud 0
TransactionDT 0
TransactionAmt 0
ProductCD 0
...
id_36 449555
id_37 44955
浏览 0提问于2020-03-17得票数 0
回答已采纳
3回答
部分未知向量的最近邻
、、、、
假设我们有人员列表，并且希望找到像person X这样的人。
特征向量有3项[weight, height, age]，在我们的列表中有3人。注意，，我们不知道人的身高C，。
A: [70kg, 170cm, 60y]
B: [60kg, 169cm, 50y]
C: [60kg, ?, 50y]
找到最接近A的人的最好方法是什么？
我猜
让我们计算高度的平均值，用它代替未知的值。
因此，假设我们计算出170cm是身高的平均值，并将person C重新定义为[60kg, ~170cm, 50y]。
现在我们可以找到离A最近的人了，那就是A, C, B。
问题
现在的问题是，我们把C和猜
浏览 4提问于2017-09-23得票数 1
我想使用KNN在一个滑雪管道中的分类特征(多个分类功能缺失)。
我对现有的KNN解决方案(fancyimpute，sklearn )做了相当多的研究。他们中没有一个人在用词上工作。
在滑雪板管道中工作
归责范畴特征
我的一些问题是(任何建议都受到高度赞赏)：
是否有任何现有的方法允许使用KNN (或任何其他回归体)将缺失的值(在本例中是绝对的)归责于sklearn管道。
fancyimpute KNN实现似乎没有使用hamming距离来计算缺失的值(这对于分类特性来说是理想的)。
是否有任何快速的KNN方法实现，考虑到KNN在计算缺失值时耗费时间(即，对整个数据集进
浏览 1提问于2019-09-03得票数 1
回答已采纳
我不是R专家，我得和R一起做些事情...但即使是在简单的任务中我也做得很好。如果这是一个基本的问题，我很抱歉，但我在stackoverflow中没有看到任何像我这样的问题。
我在R中使用ggplot2和predict()时遇到了麻烦。
如果有人能帮助我，我将不胜感激
setwd("/home/kaihami/Desktop/Python/RR_Bioinfo/")
library("ggplot2")
data_total <- data.frame(bac, Phylum, Domain, CDS, Total)
#model (Tota
浏览 1提问于2015-05-21得票数 2
我想运行一个时间序列回归，其中列有一个因变量列表。我想回归一组自变量的每一列。我知道你可以用
lm(dataframe~independent variables)
因为如果因变量是一个矩阵，那么它们只需要遍历每一列。
然而，我的因变量是时间上关于股票的信息，有时不是每个时间点上的每只股票都能得到信息，所以我有一些NA值。我遇到的问题是，如果我使用lm，我必须省略NA值，即lm函数在运行回归时删除整行。如果我只想对一个因变量运行回归，但是我有一个变量列表(1000+)，我想对其进行回归，这是很好的。因为我的数据集仅为15+年份，所以在运行lm回归时，会丢失非常单个时间点的值，因此当我运行lm回
浏览 0提问于2013-08-12得票数 0
1回答
我的目的是评估应用于树冠的处理(在微气候数据上)与对照相比的效果。因此，我在树冠的5个位置放置了三个数据记录器，每个变量(“已应用的处理”与“控制”)。在217天的时间内，平均每5分钟处理一次数据。记录的数据如下所示： Timepoint,Time,Celsius(°C),Humidity(%rh),dew point(°C)
1,27/03/2019 17:02:39,23.5,37.5,8.2
2,27/03/2019 17:07:39,23.5,36.5,7.8
3,27/03/2019 17:12:39,23.5,36.5,7.8
4,27/03/2019 17:17:39,24.0
浏览 18提问于2020-08-24得票数 0
2回答
我有一个数据集，我正在使用R中的多重回归来探索。我的模型如下：
model<-lm(Trait~Noise+PC1+PC2)
其中Noise、PC1和PC2是预测也是连续的特定Trait的连续协变量。
摘要(模型)调用表明，Noise和PC1都会以相反的方式显著影响Trait中的更改。Trait随着“噪声”的增加而增加，但随着PC1的增加而减少。
为了梳理这种关系，我希望基于原始数据集的样本大小(45)并通过在数据集中看到的参数中操纵Noise和PC1来创建模拟数据集，因此:两者的高水平，两者的低水平，一个的高水平和另一个的低水平，等等……
有人能提供一些关于如何做到这一点的建议吗？我不
浏览 2提问于2014-11-25得票数 0
如何在使用-in函数的非线性回归中将交互项lm指定为x:z？随机效应-in lm as (1|z)-？
这是我的模型，只有一个预测器：
library(nlme)
nlme(y ~ SSasymp(x, Asym, R0, lrc),
data = na.omit(df),
fixed = Asym + R0 + lrc ~ 1,
random = Asym ~ 1|z,
start = c(Asym = 1.1, R0 = 2.0, lrc = 4.9))
我知道，在上面的模型中，我有x作为一个固定的效应，并对z有随机截距。
但
浏览 7提问于2022-03-16得票数 0
当我尝试从回归中向我的数据帧添加列时，我收到一个错误：
df <- airquality
ozone.ols <- lm(Ozone ~ Temp, data = df)
df$residuals <- ozone.ols$residuals
它返回以下错误：
Error in `$<-.data.frame`(`*tmp*`, resi, value = c(`1` = 25.2723695469062, :
replacement has 116 rows, data has 153
我猜问题是缺失值？我该如何克服这个问题？
我的最终目标是按照指南生成一个剩
浏览 8提问于2020-05-13得票数 0
回答已采纳
我正在尝试在python sklearn中对this数据集运行线性回归。我想要估算NaN的值，并且在三个特定的列中，我想用NaN替换零，这样我也可以估算这些值。注意:还有其他不需要归因于零的列。 对于补偿，我尝试使用ColumnTransformer，然后使用管道来运行线性回归。我引用了this的文章作为参考。但是，我得到了一个错误：ValueError: Specifying the columns using strings is only supported for pandas DataFrames 是否有人可以验证我的流程，如果我做错了什么，请让我知道？ df[['perc
浏览 53提问于2021-04-30得票数 0
回答已采纳
1回答
用于线性回归的神经网络
、、、、
我找到了一个非常棒的源代码，它完全符合我所需要的模型：
重要的部分是这样的。
你有一个x->y图，每个x值都是“特征”的总和，或者我将如何表示它们，z。
因此x->y图的回归线应该是函数，其中h(x)是回归线( h(SUM(z(subscript-i)) )
在这种神经网络中，其思想是以最小化最小平方误差的方式为每个z-value分配一个权重。
梯度函数用于更新权重以最小化误差。我相信我可能返回到错误的传播--我更新了权重。
所以我写了一些代码，但是我的权重没有被正确更新。
我可能只是误解了斯坦福帖子中的一个规范，所以这就是我需要你帮助的地方。有没有人可以验证我是否正确地实现了这个
浏览 1提问于2016-02-03得票数 0
在过去的几天里，我一直在试图找出如何在R中进行Fama Macbeth回归，建议在plm包中使用pmg，但是每次尝试都会返回给我，我的时间周期不够。
我的数据集包含有13列变量的2828419个观测数据，我希望对这些变量进行多个横截面回归。我的公司是由系列化指定的，我有一个可变的日期，我想做下面的Fama Macbeth回归：
totret ~ size
totret ~ momentum
totret ~ reversal
totret ~ volatility
totret ~ value size
totret ~ value + size + momentum
totret ~ val
浏览 0提问于2019-08-06得票数 1
回答已采纳
1回答
R中是否有截距和斜率函数，就像excel中一样？我知道您可以使用函数"lm“来运行线性回归，但就我的目的而言，获得输出要实际得多，就像使用excel中的截距和斜率一样。
浏览 4提问于2021-03-23得票数 2
1回答
性能与天气回归分析
、、、、
我对统计学和尝试弄清楚什么是最好的方法以及如何根据天气数据分析性能数据是相当陌生的。
我的假设是性能数据受到天气数据的影响，我想证明这一点。
我尝试将每日性能数据& meantemp数据绘制在散点图上进行回归分析，结果看起来很奇怪。我认为这是由于天气数据中的负值造成的。
以下是我可以获得的所有天气信息：
雾，雨，雪，冰雹，雷电，龙卷风，最低气压。加热度数，降温度数
你能告诉我分析这些数据的最佳方法是什么，并得到一些有意义的结果吗？
谢谢
浏览 2提问于2017-04-18得票数 0
1回答
logistic回归是否适用于分类因变量、连续变量和分类自变量？协变量是连续的还是分类的，这有关系吗？我一直收到关于冗余的警告，在我寻找多重共线性并去掉高度相关的变量后，我仍然得到了警告。enter image description here
浏览 9提问于2020-12-09得票数 0
2回答
我想用一个指定的斜率来拟合一个线性回归线到一个数据集。我读过关于使用显式拦截进行同样操作的内容。
0+抑制了截距的拟合；坡度的对应技巧是什么？例如，为了使一条直线与斜率1.5相匹配，我尝试了以下方法
set.seed(6)
x <- runif(100, -3, 3)
y <- 2 + x + rnorm(100)
model1<-lm(y ~ x)
plot(x,y)
abline(model1,col="red")
abline(coef(model1),1.5,col="dark green")
但是第二个and函数只是从mode
浏览 7提问于2015-10-23得票数 6
回答已采纳
2回答
我有一个相对较大的数据集，关于美国几个市场的房屋销售。对于每个市场，我想建立一个梯度提升回归模型来预测销售价格。我的大多数自变量(特性)都有缺失值，这对于R中的gbm来说应该没问题。
caret中的gbm算法要求您指定超参数(n.trees、shrinkage、interaction.depth、n.minobsinnode等)的值。我想结合交叉验证进行网格搜索，以选择最佳的超参数集：
# -------- A function to drop variables that are more than 80% missing or have no variance
Drop_Useless_V
浏览 2提问于2016-09-29得票数 0
2回答
我在python中使用mord包进行序数logit回归(预测对电影等级1-5星的响应)。
我的预测变量之一也是序数，但有一些值缺失，观众跳过一个问题，因为它不适用，因为跳过逻辑从先前的问题，或因为他们错过了它。说明值“缺失”和/或“不适用”的最佳方法是什么，同时也保留这个预测变量的序号性质？我不认为我应该删除这个查看器，或者试图推断这个值。
如果我离开NaN，我会得到一个错误。我考虑了虚拟编码，所以我有一些像question5_never、question5_sometimes、question5_always、question5_na、question5_missing之类的东西，但我不确定
浏览 0提问于2019-10-27得票数 0
回答已采纳
在R中，我试图将一条白线叠加到一个图上，这是线性回归的结果。我想创建一个散点图，在x轴上显示TrainRegRpt$train.data.Price (原始价格)，在y轴上显示TrainRegress$fitted.values (来自lm模型的预计价格)，并通过绘制点绘制最佳拟合线。
下面是我的一些代码：
TrainRegress <- lm(PriceBH.df$Price ~ ., data=PriceBH.df, subset = train.rows)
TrainRegRpt <- data.frame(train.data$Price, TrainRegress$fi
浏览 3提问于2020-05-12得票数 0
1回答
我对R编程并不熟悉，我试图为这个数据集绘制一条回归线，但它似乎不起作用。
我完全遵循了我的教授所用的东西，但它似乎不起作用。我还用类似的结果将abline命令与abline(lm(batters$EMH~batters$TB))进行了交互。
这是我的代码：
batters<-read.table(header=TRUE, text="
X AVG EBH TB OPS K.to.BB.Ratio
1 LeMahieu 0.327 61 312 0.893 1.95
2 Urshela 0.314 55 236 0.889
浏览 5提问于2021-10-12得票数 1
回答已采纳
我想将主成分分析(pcomp())应用于具有NA值的数据帧。我知道应用PCA is na值是不可能的，(我仍然尝试了)我得到了错误：Error in na.fail.default(X) : missing values in object。我不想删除任何行，因为它是一个相对较小的样本大小。那么我该怎么做呢？
示例：
> dput(df)
structure(list(Sample1 = 1:5, Sample2 = 11:15, Sample3 = structure(1:5, .Label = c("11",
"12", "13",
浏览 1提问于2020-05-11得票数 0
假设你有6个变量。
使用前5个变量的随机森林回归的R^2为0.1.另一种只使用第六个变量的回归得到了0.3的R^2。前5个变量均与变量6无关(绝对值<0.1相关)。
为什么所有6个变量的回归R^2为0.31或0.29，即在第6个变量中添加前5个变量只会显著提高绩效0.01，甚至降低绩效？
请注意，所有模型都是通过随机搜索、交叉验证调优深度、特性数量、分割和树数进行调优的。
浏览 0提问于2018-12-19得票数 1
2回答
改进线性回归模型的技巧
、、、
我刚刚在包含7个自变量和1个目标变量的数据集上运行了一个线性回归模型。下面是R平方和MSE值。
训练集的均方误差: 36530921.0123
训练集的$R^2$值: 0.7477
有人能给我一些建议来提高这个型号的效率吗？
编辑:我刚刚实现了同样的问题，使用线性回归和归一化的特性。我得到了以下输出:训练集的均方误差: 5.468490570335696e-10训练集的R2值: 0.9275088299658416训练集的均方误差: 4.111793316375822e-10训练集的R2值: 0.9342888671422529。
那么，我们能考虑标准化数据集以获得更好的准确性吗？
浏览 0提问于2018-04-18得票数 3
回答已采纳
1回答
想象一下我有一个数据集
df <- data.frame(y=c(11:16), x1=c(23,NA,27,20,20,21), x2=c(NA,9,2,9,7,8))
df
y x1 x2
1 11 23 NA
2 12 NA 9
3 13 27 2
4 14 20 9
5 15 20 7
6 16 21 8
如果我做了一个多元线性回归，我得到
m <- lm(y~x1+x2, data=df)
summary(m)
Call:
lm(formula = y ~ x1 + x2, data = df)
Residuals:
3
浏览 4提问于2015-11-03得票数 1
回答已采纳
1回答
我正面临着我的一个项目的两难处境。其中一个变量(数值)没有足够的数据，即几乎99%的数据丢失。然而，在与领域专家交谈时，似乎特定的变量对于我们试图解决的问题(模型)很重要。最初，我考虑将其转换为二进制变量，这样1将表示该变量在该位置的值，而0将表示缺失的值。然而，我们这样做似乎是在漏掉信息。
有谁能建议前进的路吗？
我有一个想法，就是用分位数来离散变量，然后如何处理丢失的值呢？
另一种方法是在模型中同时包含二进制变量和原始变量，并将缺失的值替换为一些估算值。但是，对于为什么或为什么不起作用，我无法提出任何逻辑推理。
任何关于这件事的说明都会有很大的帮助(当然，除了完全放弃之外)。
谢谢。
浏览 0提问于2019-02-08得票数 1
3回答
我有一个32,000的数据集，我为它建立了一个线性模型。~12,000次观测因缺失而被删除。
我试图使用预测函数来回溯32,000个数据点中每个点的期望值，但正如预期的那样，这会给出“替换有20000行，数据有32000行”的错误。
，我是否可以使用在20,000行上建立的模型来预测32,000行的数据呢？对于模型中使用的每一列都没有结果的观测，我很高兴得到“零”。如果没有，我如何才能至少正确地对32,000个数据集进行子集，使其只包括20,000个完整的观测数据？例如，如果我的模型是lm(a ~ x+y+Z，data=data)，我如何过滤数据以只包含x、y和z中的完整数据？。
浏览 5提问于2020-05-17得票数 2
1回答
我正在处理一个数据集，其中我的因变量是连续的，但我的所有自变量都是分类的(非二进制)。我尝试了一种热编码或创建了虚拟变量。我得到了大约0.4的低R2，但高调整后的R2约为0.9。然而，在我的回归图和残差图中，我得到了垂直线，尽管我的QQ线似乎适合一条直线，末尾有一些厚重的尾巴。那么，我可以知道回归模型是否是在这种情况下使用的正确方法？如果是，那么应该如何分析这些图?如果不是，那么可以使用哪些其他方法和库来产生更好的结果？
浏览 0提问于2021-02-02得票数 1
3回答
分段聚类回归
、、
我想知道是否有可能将数值数据(超过3维)聚成不同的聚类，并对每个聚类进行曲线拟合，以获得比单一模型更高的精度。
既然线性回归是首选的，有什么方法可以根据数据点的线性拟合来聚类吗？
这是因为我需要一个与输入数据匹配的结果，而不关心看不见的数据。我不能硬编码数据和使用查找机制。相反，一个近似的数学函数会更好。
是否有现有的实现？(最好用Python)
浏览 0提问于2018-06-14得票数 3
2回答
用对数y标尺绘制回归线
、、、、
我有两个图我想显示(原始数据，然后它的回归线)。每当我运行这段代码时，回归线根本就不会在数据中运行--我认为这与绘制y轴的原始数据有关(我试着在运行polyfit时包括这一点，但我仍然有问题)。
a = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
b = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(a, b)
plt.yscale('log')
slope, intercept = np.polyfit(a, np.log(b), 1)
plt.plot
浏览 5提问于2022-02-21得票数 0
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
