在阶段调整线性回归时的问题
在阶段调整线性回归时，可能会遇到以下问题：
- 什么是阶段调整线性回归？ 阶段调整线性回归是指在线性回归模型中引入一个或多个阶段变量，以解决在不同阶段数据之间存在差异的问题。
- 为什么需要阶段调整线性回归？ 在某些情况下，数据可能在不同阶段具有不同的线性关系。例如，随着时间的推移，线性关系可能发生变化。阶段调整线性回归可以帮助我们捕捉到这种变化，并更准确地建立模型。
- 如何进行阶段调整线性回归？ 进行阶段调整线性回归的常用方法是引入阶段变量。阶段变量可以是时间变量，也可以是其他与数据阶段相关的变量。通过将阶段变量作为解释变量引入线性回归模型中，我们可以考虑到阶段差异对回归关系的影响。
- 阶段调整线性回归有哪些优势？ 阶段调整线性回归可以更好地解释数据中的阶段变化。通过考虑阶段差异，我们可以更准确地建立模型，预测和解释数据中的变化。这可以帮助我们更好地理解数据中的趋势和关系。
- 阶段调整线性回归的应用场景有哪些？ 阶段调整线性回归在许多领域都有应用。例如，在经济学中，我们可以使用阶段调整线性回归来研究经济指标在不同时间段的关系。在医学研究中，我们可以使用阶段调整线性回归来探索治疗效果在不同治疗阶段的变化。
- 腾讯云的相关产品和介绍链接地址： 腾讯云提供了多个与数据分析和机器学习相关的产品，可以用于支持阶段调整线性回归的实施。以下是其中一些产品及其介绍链接地址：
- 腾讯云数据计算平台（https://cloud.tencent.com/product/dc）
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云大数据分析平台（https://cloud.tencent.com/product/dp）
- 腾讯云人工智能计算平台（https://cloud.tencent.com/product/ai） 请注意，这些链接只提供了腾讯云的一些相关产品，并不包含其他云计算品牌商。
相关·内容
4回答
与线性回归等其他算法不同，KNN似乎不会在训练阶段执行任何计算。就像在线性回归的情况下，它在训练phase.But中找到系数，那么KNN呢？
浏览 62提问于2019-02-04得票数 9
回答已采纳
1回答
我有两个特性，比如F1和F2，它们之间的相关性约为0.9。
当我构建我的模型时，我首先考虑了所有要进入回归模型的特性。一旦我有了我的模型，我就在我的模型上运行Lasso回归，希望这将解决这些特性之间的任何问题。然而，拉索回归保持了F1和F2在我的模型。
两个问题：
( i)如果F1和F2高度相关，但Lasso回归仍然保持着两者的相关性，这意味着什么？这是否意味着正规化在某些情况下不起作用？
如何调整我的模型或拉索回归模型，以踢出我的模型中的F1或F2？(我正在使用，并设置了惩罚= 'l1‘或’elasticnet‘，尝试了很大或非常小的C值，尝试了’lib线性‘或'saga’求
浏览 0提问于2020-02-08得票数 2
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
1回答
因此，我的怀疑基本上是线性回归，我们试图拟合一条直线或一条曲线，对给定的训练集。现在，我相信当特性(自变量)增加时，参数也会增加。因此，计算这些参数在计算上是昂贵的。所以，我想这就是我们走向非线性的原因！？我的理解对吗？
我的下一个疑问是，对于线性回归的过度拟合，我们说模型是记忆的。我所理解的是，参数调整的方式只能预测给定的输入，并且会给输出带来不好的结果，原因是我们没有拟合一条广义的线或曲线。但我们正在绘制一条贯穿所有输出值的线或曲线。我的理解正确吗？
浏览 0提问于2020-05-08得票数 1
回答已采纳
如果特征的数量大于数据集大小，则线性回归不起作用；除非应用正则化。svm也有类似的问题吗？如果与特征的维度相比，示例的数量较少，那么它不会给出一个很好的近似值吗？假设示例是特征的1/10还是1/100？？
浏览 3提问于2016-10-13得票数 2
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
scikit-learn库有以下类似的分类器： Logistic回归分类器有不同的求解器，其中之一是“sgd”。 http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html#sklearn.linear_model.LogisticRegression 它也有一个不同的分类器'SGDClassifier‘，损失参数可以作为逻辑回归的'log’提到。 http://scikit-learn.org/stable/modules/generated/sk
浏览 42提问于2017-05-14得票数 14
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
我搜索了堆栈溢出，没有发现任何与我的问题相同的问题，因为没有一个真正具有一个以上的自变量。基本上，我有一个数据点数组，我希望能够找到这些数据点的回归方程。到目前为止，我的代码看起来像这样：(w，x，z是自变量，y是因变量)
var dataPoints = [{
"w" : 1, "x" : 2, "z" : 1, "y" : 7
}, {
"w" : 2, "x" : 1, "z" : 4, "y" : 5
}, {
"w" : 1, "
浏览 1提问于2012-11-14得票数 7
我想知道是否可以使用dylm或lm函数来回归，例如，每月变量的季度。当我尝试这样做时，lm函数指出变量长度不同。他们当然会这么做。有没有办法在不执行手动线性回归的情况下绕过这个问题？ 示例： yt1 = rnorm(10, mean =10, sd = 1)
xt1 = rnorm(40, mean = 1,sd = 1)
lm(yt1 ~ xt1) 并产生以下错误。 Error in model.frame.default(formula = yt1 ~ xt1, drop.unused.levels = TRUE) :
variable lengths differ (found
浏览 60提问于2021-06-12得票数 0
1回答
我知道GBtree使用决策树进行分类和回归，但是如何使用gblinear来解决分类问题呢？这不是给了我们一个连续的预测吗？
我想我混淆了xgboost中的参数“助推器”和“目标函数”。
GBtree能给我们与GBLinear相比的什么？
在xgboost中，“目标函数”和“助推器”的区别是什么？
浏览 0提问于2018-07-14得票数 0
1回答
为什么重复输入是不好的？
、、、、
我试图用一个回归模型来预测一个基于几个连续值输入的产值。
我不确定哪种方法适合于缩放/转换用于回归的输入数据。让我们假装它是未标记的数据。
我最天真的方法是多次添加每个输入：
输入
日志(输入)
平方吨(输入)
然后，让回归模型担心如何找到每个输入(如果有的话)的显着性。
使用这种方法的风险是什么？
浏览 0提问于2017-07-21得票数 5
回答已采纳
1回答
我已经创建了两个不太复杂的模型，并将它们重命名，并将它们放置在S3桶中的同一个位置。
我需要创建一个多模型端点，这样两个模型就有一个相同的端点。我所使用的模型是AWS在构建的线性学习者模型类型回归器中。
我不知道该如何部署这些武器。
浏览 11提问于2019-11-28得票数 1
回答已采纳
2回答
根据我所理解的，线性回归可以预测可以具有连续值的结果，而logistic回归预测的结果是离散的。在我看来，logistic回归类似于一个分类问题。所以，为什么叫回归？
还有一个相关的问题：
浏览 9提问于2015-05-28得票数 7
回答已采纳
2回答
我知道线性回归做“回归”，logistic回归做“分类”。当我们实现这两种方法时，我能注意到的唯一不同是损失函数:线性回归使用均方误差这样的损失函数，logistic使用交叉熵。还有什么我不知道的区别吗？
浏览 0提问于2018-09-14得票数 1
回答已采纳
8回答
我对机器学习和神经网络很陌生。我知道如何建立一个非线性分类模型，但我目前的问题有一个连续的输出。我一直在寻找关于神经网络回归的信息，但我所遇到的只是关于线性回归的信息--没有关于非线性情况的信息。这很奇怪，因为为什么会有人用神经网络来解决简单的线性回归呢？这不就像用核弹杀死苍蝇吗？
所以我的问题是:是什么使神经网络非线性？(隐藏层？非线性激活函数？)或者我对“线性”这个词有一个完全错误的理解--线性回归神经网络能够准确地建模出比y=aX+b更复杂的数据集吗？“线性”一词是否与“逻辑”相反？
(我计划使用TensorFlow，但TensorFlow线性模型教程以二进制分类问题为例，因此这对我也没
浏览 12提问于2016-12-20得票数 37
回答已采纳
我正在尝试使用机器学习来预测数据集。这是一个具有180个输入特征和1个连续值输出的回归问题.我尝试比较深度神经网络、随机森林回归和线性回归。
正如我所预期的那样，三隐层深层神经网络的性能优于其他两种方法，均方根误差(RMSE)为0.1。然而，我意外地发现，随机森林的表现甚至比线性回归还要糟糕(RMSE为0.29比0.27)。在我看来，随机林可以发现更复杂的特征之间的依赖关系，以减少错误。我尝试调优随机森林的参数(树数、最大特性、max_depth等)。我也尝试过不同的K-交叉验证，但性能仍然低于线性回归.
我在网上搜索，有一个答案说，如果特征对协变量有平滑的、近乎线性的依赖，线性回归可能会表现
浏览 5提问于2018-01-04得票数 2
回答已采纳
我读过一个比较线性回归和随机森林回归的问题。我当时应该在两者之间作出选择，并解决一个问题。问题中提到，“随机森林也能比线性回归更好地处理缺失值和基数”。为什么会这样呢？这是怎么发生的？
浏览 0提问于2022-06-17得票数 1
我正在建立一个简单的线性回归模型，用平方尺、床位数(S)和浴室数(S)来预测房价。
在建立模型后，我注意到平方尺和床位数(S)的系数是正的，这是有道理的，因为随着平方尺/床位数的增加，房价也增加了。然而，浴室的数量系数(S)是负的，这是没有意义的，因为住房价格并没有随着浴室数量的增加而下降(S)！
我的问题是:负系数是我可以通过将更多的数据纳入我的模型来“修正”的东西，还是这只是线性回归中的一个怪癖？
浏览 0提问于2019-01-29得票数 1
回答已采纳
3回答
线性回归模型
、、
我是机器学习的新手，我想学的第一个概念是线性回归。我读过，要应用线性回归，我需要使用线性模型。从这个假设出发，我知道这是一个简单的线性回归模型：
y = w0 + w1x
线性回归的定义是，因变量y应该是参数w的线性组合(但对于自变量x则不一定相同)。
所以我们可以说，这也是一个线性回归模型：
y = w0 + w1x1 + w2(x2)^2
在这种情况下，我应该说这是一个线性回归模型，因为对于定义来说，w0、w1和w2在表达式中仍然是线性的。即使存在自变量x2的二次项。
现在，我有个问题。如下所示的模型：
y = w1 x1 + w2 x2 + w3 x3 + w4 x1x2 + w5 (
浏览 0提问于2018-06-26得票数 2
根据我的理解，线性回归被用来预测一个基于输入的输出，它使用一个线性方程来最优地拟合一些输入数据。利用损失函数对输入数据选择最佳拟合线性方程。通过模拟y= mx +b中m和b的值，可以找到具有梯度下降的最优线性方程组。
我的问题是，梯度下降总是找到线性回归的全局最小损失吗？这个问题的一个扩展是，对前一个问题的答案不取决于所使用的损失函数吗？此外，当我们在m，b的图上使用梯度下降以及损失函数的值时，如果我们使用线性回归，该图是否总是凸的？
浏览 0提问于2021-10-04得票数 2
回答已采纳
1回答
对于与分类和回归问题相关的术语，我面临一些困惑。使用MLP和Perceptron模型。这些建议如下：
1)当数据线性不可分时，我们使用MLP。在这里，什么是b“数据”--是响应还是输入特性是线性不可分割的？
2)如果它是线性不可分的，那么它是否意味着从输入到输出的映射函数总是非线性的？因此，我们更喜欢MLP或最新的新模式，如深度学习？
3)线性回归在线性不可分离数据中失效，或者线性回归对不可分离数据有效，但如果函数映射是非线性的，则线性回归失败？
浏览 0提问于2019-10-08得票数 2
回答已采纳
我正在开发二进制分类模型，以预测我的数据集中的医疗状况。我的结果表明，Logistic回归和线性支持向量机的性能一直优于其他ML算法(SVM、NB、MLP和DT)，如下截图所示：
📷
观察最近的研究，我发现了多项关于机器学习在临床预测模型中不优于logistic回归现象的研究和评论，例如对71项研究的系统回顾：https://pubmed.ncbi.nlm.nih.gov/30763612/。
我想了解LR比其他更复杂的ML算法性能更好意味着什么？它只是表明我的类是线性可分的吗？
浏览 0提问于2023-03-16得票数 0
回答已采纳
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
我想用java编写逻辑回归(分类问题)算法-
假设是-
有没有人能告诉我−
(−θ的T次方)是？
我可以编写线性回归的代码它的假设是
这是相对容易的，但不能从逻辑回归开始。
浏览 1提问于2014-01-13得票数 0
1回答
我有一个数据集，由一组预测器(大部分是无界或正实数)和一个我希望预测的响应变量组成。反应通常是零的--大约90%的时间。我尝试过用标准的高斯过程方法以及随机森林来模拟这个问题。然而，在这两种情况下(尽管在使用随机森林时大多数情况下)，模型似乎处理数据很差，通常预测非零响应。现在，如果预测的响应实际上非常接近于零，我可以设置一个截断值，在此以下值将被舍入为零，但在许多情况下，它们是明显非零的。
我的解决方案是训练两个模型:一个在整个训练集上训练的分类模型，它预测一个变量是零还是非零，以及一个回归模型只训练在训练集中的行上，并且有一个非零的响应。然后，我将首先使用分类模型来预测哪些观测值的响应准确
浏览 0提问于2017-04-18得票数 1
回答已采纳
我正试图为一个任务构建一个xgboost回归器或一个catboost回归器。我有一个可行的线性回归模型。我也为这项任务训练了一个xgboost回归模型，但它比线性回归模型更糟糕。我想知道是否有一种方法将线性回归权值(模型参数)作为初始参数集传递给xgboost (或catboost)模型，以确保性能增益？
例如，如果w0*x0 + w1*x1 + w2*x2 + w3*x3 = y是线性回归模型，那么有什么方法可以告诉xgboost从相同的方程开始(并且在训练时变得更好)？
浏览 0提问于2019-12-18得票数 0
回答已采纳
1回答
正则化线性模型的一类删除
、、、、
在查阅OneHotEncoder文档时(见下文)，我注意到在应用正则化(如拉索、脊等)时不建议删除第一类。虽然我理解为什么放弃第一类可以防止共线性，但我不知道为什么需要它来进行正则回归。这不是增加了一个需要正规化的额外维度吗？
drop {‘first’，‘if_binary’}指定了用于删除每个功能类别之一的方法。在完全共线特性导致问题的情况下，例如将结果数据输入神经网络或非正则回归时，这是非常有用的。然而，删除一个类别破坏了原始表示的对称性，因此可能导致下游模型中的偏差，例如，对于受惩罚的线性分类或回归模型。
浏览 0提问于2020-08-14得票数 2
回答已采纳
1回答
基于神经网络的线性回归
、、、
我正在用下面的样本训练数据处理一个回归问题。
如图所示，我只输入了4个参数，其中只有一个参数在变化，即Z，因此其余参数没有实际值，而从O1到O124的124个参数的输出指出，O1的变化速率为201000，然后是1020，然后是1040 .虽然O2以不同的速率变化，即30，但对于所有的124个输出来说仍然是不变的，所有的变化都是线性的。
我认为这是一个很小的问题，一个非常简单的神经网络模型将达到100%的测试数据的准确性，但结果正好相反。
我使用线性回归器达到100%的测试精度，使用KNN回归器达到99.99997%的测试精度。
我使用relu激活的10层神经网络测试数据的准确
浏览 1提问于2018-10-23得票数 0
4回答
基于pybrain的神经网络回归
、、、、
我需要用前馈网络解决一个回归问题，我一直在尝试使用PyBrain来解决这个问题。由于pybrain的参考资料中没有回归的示例，我尝试将其分类示例改为回归，但没有成功(分类示例可以在这里找到：)。以下是我的代码：
第一个函数将numpy数组形式的数据转换为pybrain SupervisedDataset。我使用SupervisedDataset是因为根据pybrain的参考，当问题是回归时，它是要使用的数据集。参数是一个包含特征向量(数据)及其预期输出(值)的数组：
def convertDataNeuralNetwork(data, values):
fulldata = Supervis
浏览 2提问于2013-06-02得票数 9
1回答
我正面临一个回归问题，我应该预测一些火车的延误。然而，有一些特殊之处:一列火车在超过10分钟的延误时才被认为是延迟(否则它的延迟是0)。因此，目标的分布看起来是正态分布，但峰值在0。
📷
我尝试了不同的方法来解决这个问题。
首先，我在原始数据上拟合了一些回归器，但是在0,10区间中有很多预测是不合适的。
第二种方法，我试图建立两种模型:一种是预测火车晚点的概率，另一种是预测预期的延误。我的模型的最终结果是两个模型输出的乘积。我遇到的问题是，所得到的RMSE甚至比第一个模型更糟糕。我怀疑这是由于错误分类的巨大代价造成的。
我想知道是否有标准的方法来处理这些问题，以及在我已经做过的事情上可以做什么
浏览 0提问于2022-02-14得票数 1
3回答
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
在机器学习的coursera课程中，它说梯度下降应该收敛。
我使用的是scikit learn中的线性回归。它不提供梯度下降信息。我在stackoverflow上看到了很多关于使用梯度下降实现线性回归的问题。
我们如何在现实世界中使用scikit-learn中的线性回归？或者为什么scikit-learn不在线性回归输出中提供梯度下降信息？
浏览 0提问于2015-12-26得票数 26
回答已采纳
1回答
当我们在多项式回归，logistic回归，svm的情况下使用多项式特征时，损失函数是否变成非凸的？
浏览 3提问于2020-07-16得票数 0
1回答
我是数据科学和统计学的新手。我遇到了这个问题，它有50个自变量和一个因变量，并试图找出一个很好的回归技术。下面是我执行的流程图：
数据挖掘->相关矩阵->维数约简-> (维数约简) ->基本线性回归技术。
如果有其他更好的技术或程序，有人能指导我吗？
浏览 0提问于2018-11-07得票数 1
1回答
我正在做三件事：
二维数据的线性回归
采用线性分类的分类方法
用logistic回归进行分类
我对数据的缩放感到困惑。我的问题是，我不确定我是否正确地缩放我的数据。此外，我想改变我的表面图形在matlab中的外观。
数据为二维(x和y)，x为15000到80000，y为1000至5500。
采用线性回归方法，得到1类和0级的两条回归曲线。为此，我对数据进行了缩放，计算了权重，并在图片中没有缩放的数据上使用了缩放数据的权重。我想这是正确的，因为权重只是定义斜率。但是，只要在下面的图像中将数据从0缩放到1，数据就无法分离。
现在，我感到困惑的是，我何时应该缩
浏览 1提问于2016-03-06得票数 0
回答已采纳
2回答
这是一个非常广泛的问题，但我想知道为什么研究人员会选择深度神经网络而不是线性回归或支持向量机？两者的优点和缺点是什么？
浏览 0提问于2019-09-03得票数 1
1回答
但是，当我选择线性或Logistic回归时，我还没有明确的概念。
另外，我什么时候可以说线性或logistic回归表现更好？
特别是，我想知道什么时候应该选择线性回归，什么时候选择Logistic回归？
浏览 0提问于2015-12-13得票数 4
1回答
最简单的事情在纸上做，但不知何故几乎不可能在Excel中解决。
我需要在Excel中插入一条标准曲线。
我有一个标准曲线，需要找到一个已知吸光度的未知浓度。
就像这样；
我的讲师不会给我们更多的提示，要么使用线性回归方程(我想我算出了线性回归方程，但无法得到它来计算浓度)，要么使用点查找/拾取选项(不知道这意味着什么)
如果有人能帮我解决这个问题，我会非常感激，我的整个班级也会如此！
浏览 18提问于2011-05-19得票数 2
2回答
因此，我需要对螺旋数据集进行分类。我一直在试验一系列算法，如KNN，Kernel SVM等。我想尝试使用特征工程，预处理等来提高Logistic回归的性能。 我也在使用scikit learn来做所有的分类。 我完全理解Logistic回归不是解决这类问题的合适算法。这更像是对预处理和其他特征工程/提取方法的学习练习，看看我可以在多大程度上改进这个特定的模型。 以下是我将用于分类的示例数据集。任何关于如何操作数据集以在Logistic回归算法中使用的建议都将是有帮助的。 ? 我也有多个螺旋线的数据集。有些数据集有2个类，有时多达5个。这意味着最多有5个螺旋。
浏览 44提问于2021-07-12得票数 0
回答已采纳
1回答
我的任务是为一个预测问题(输入参数有数字和分类变量的组合)建立一个多元线性回归模型。 如果我使用人工神经网络(ANN)来构建一个进行预测的模型，这是多元线性回归模型还是深度学习模型？如果我可以使用ann来构建多元线性回归模型，我会感到困惑。
浏览 47提问于2019-01-24得票数 0
回答已采纳
我是机器学习的初学者，我研究过模型的预测变量之间的共线性是一个很大的问题，因为它会导致不可预测的模型行为和一个很大的错误。但是，是否有一些模型(比如GLM)与经典的线性回归不同，可能是“好的”共线性模型？传统的线性回归假设其自变量之间没有相关性。
之所以会出现这个问题，是因为我做了一个项目：“如果输入特性是相互关联的，那么最好使用广义线性模型，因为它们的性能要比线性回归好。”
有人能解释一下吗？
浏览 0提问于2020-06-20得票数 2
1回答
还在我的早期，所以我不能说，当线性回归是一个关键因素时，是否可以使用分类值。
从下面的图来看，基于我的数据集，我会说这是可能的(从这个回答判断)，下面的图表显示我可以进一步使用它们，不是吗？
我的问题是，我是否可以使用线性回归(例如，从滑雪)来计算RSME？
📷
浏览 0提问于2020-02-19得票数 0
我用3个不同的模型对64个变量进行了多元线性回归：
对所有64个变量进行多元线性回归
使用随机森林进行特征选择，然后对所选特征进行多元线性回归。
逐步线性回归
我实现了相同的调整R平方值对所有三个模型，但不同的重要变量。我该怎么理解呢？我该选哪一种型号？
会感谢您的任何建议！谢谢!
浏览 0提问于2019-06-10得票数 0
回归的问题是最小化平方误差之和，即\sum\limits_{i=1}^n (y_i - \hat{y}_i)^2 = 0。但是，只有在线性回归中，才能使用表达式\hat{y}_i = \beta_0 + \beta_1.x_i，然后将平方误差之和降到最小。\beta_0和\beta_1可以获得以下约束：
\begin{align*} \sum\limits_{i=1}^n x_i(y_i - \hat{y}_i) &= 0 \\ \sum\limits_{i=1}^n \hat{y}_i(y_i - \hat{y}_i) &= 0 \end{align*}
然后利用这些约束条
浏览 0提问于2021-05-21得票数 2
回答已采纳
1回答
回归模型中的变量选择
、、、、
我建立了价格预测数据模型，使用多元线性回归，岭，拉索和弹性网络回归，最初我有215个变量。在创建模型之后，我运行了python代码来检查最终模型中使用了多少变量，这是python代码，用于检测岭回归中变量的数量，
print("Ridge Regression Selected " + str(sum(coef_ridge != 0)) + " Variables and Neglected " + str(sum(coef_ridge == 0)) + " Variables")
这是我拿出来的
岭回归选择209个变量和忽略6个变量
以上代码
浏览 0提问于2020-01-25得票数 0
我在做数据拟合。我需要一个表面。我用了两种方法。
1)双变量多项式回归。(线性/ OSL)和2)二次模型a_x^2+b_x+c。
我的问题是，我可以使用二次模型ax^2+bx+c进行非线性回归使用levenberg。因为我已经实现了
浏览 1提问于2017-04-13得票数 0
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
