如何在R中的同一图上绘制线性回归模型和泊松回归模型？
在R中，可以使用不同的函数来绘制线性回归模型和泊松回归模型。
- 绘制线性回归模型：
- 首先，需要准备数据集，包含自变量和因变量。
- 使用lm()函数拟合线性回归模型，其中自变量和因变量作为参数传入。
- 使用plot()函数绘制散点图，其中自变量和因变量作为参数传入。
- 使用abline()函数绘制线性回归模型的拟合线，其中lm()函数返回的模型对象作为参数传入。
- 示例代码如下：
- 示例代码如下：
- 绘制泊松回归模型：
- 首先，需要准备数据集，包含自变量和因变量。
- 使用glm()函数拟合泊松回归模型，其中自变量和因变量作为参数传入，并设置family参数为"poisson"。
- 使用plot()函数绘制散点图，其中自变量和因变量作为参数传入。
- 使用lines()函数绘制泊松回归模型的拟合线，其中glm()函数返回的模型对象作为参数传入。
- 示例代码如下：
- 示例代码如下：
以上代码演示了如何在R中绘制线性回归模型和泊松回归模型的拟合线。在实际应用中，可以根据具体需求对图形进行进一步的美化和定制。
相关·内容
2回答
有两种类型的广义线性模型：
泊松日志-线性回归，也称为泊松回归Logistic Regression
如何在Python中实现泊松回归进行价格弹性预测？
浏览 2提问于2016-06-21得票数 7
回答已采纳
1回答
我正在处理一组简单的数据，这些数据涉及大象的年龄(解释性)以及每头大象有多少成功的交配伙伴(响应)。我发现了两个模型:一个是线性回归模型，第二个是泊松回归模型。我想做一个匹配与年龄的关系图，然后将两个模型叠加到这个相同的图上。然后我会比较哪一个更适合视觉。我一直在摆弄ggplot，只是常规的plot函数，一些行之类的东西。我真的不知道该怎么做。 提前谢谢。
浏览 13提问于2020-04-02得票数 0
我有数据，它有一个相关的二进制结果变量。自然，我进行了一个logistic回归，以了解参数估计和赔率比。不过，我很好奇，希望将这些数据从二进制结果更改为计数数据。然后，我对计数数据进行了泊松回归(和负二项式回归)。
不过，我不知道如何比较这些不同的模型，我看到的所有比较似乎都只关心嵌套模型。
您将如何决定在这种情况下使用的最佳模型？
浏览 3提问于2014-05-20得票数 1
回答已采纳
1回答
我有一维点的数据(直线上的位置)。我想检查集群泊松过程模型或Cox模型是否适合这些数据。
因为我的数据只有x坐标，所以我尝试了线性网络泊松过程模型。但是，lppm仅支持泊松模型。
具有集群模型的kppm方法需要二维数据。因此，我添加了一个具有zero值和(ymin=0,ymax=0.001)范围的虚拟y列。ymax=0在计算过程中返回错误。现在，我能够适应Matern集群，等等。
我的问题是，处理一维数据的最佳方法是什么？
添加具有非零范围的虚拟列是唯一的解决方案吗？或者，我是否遗漏了一些关于点模式或过程模型的细节？对替代方案的建议也是受欢迎的。
浏览 1提问于2017-09-27得票数 0
2回答
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？这些情况下的假设是什么？
浏览 3提问于2013-01-20得票数 70
回答已采纳
1回答
我有表格的资料
n = number of samples
features: n x 1 matrix
data: n x m matrix
我希望使用相同的features执行多个泊松回归，其中输出值随数据列的不同而变化。目前，我使用sklearn一次进行一次泊松回归，例如我的Python代码看起来像
from sklearn import linear_model
clf = linear_model.PoissonRegressor(fit_intercept=True,alpha=0)
for col in range(m):
clf.fit(features,data[
浏览 3提问于2021-08-12得票数 0
回答已采纳
我想用Keras进行多元泊松回归。换句话说，我希望最大化输出向量(i)中每个元素的Product[P(y_true[i] | y_pred[i])]。在这种情况下，P将表示泊松pmf。
我相信我可以用一个自定义的损失函数来做到这一点。然而，事实证明，如何使用keras.backend中的可用函数实现此损失函数是一项挑战。
特别是，我找不到一种在一维张量上实现元素阶乘的方法，这是计算泊松pmf所必需的。
有没有人对如何做到这一点有什么建议？或者即使它是可以做到的？
浏览 1提问于2018-10-17得票数 2
1回答
我试图在不同大小的森林碎片中模拟鸟类的计数数据。由于进行调查的地块在大小上亦因碎片而异，我想加入测量地块的大小，作为抵销的条件，将数目换算为密度。
据我了解，从以前的问题在这个网站上，这通常是为泊松模型，因为这些有一个日志链接。我与家庭ziP一起运行的GAM模型(mgcv包)具有link="identity“。据我所知，在这种情况下，抵消项将从答复中减去，而不是产生预期的答复/抵消率。
但是，当我用偏移项运行模型并绘制图时，结果似乎是给出了我想要的结果(我将泊松模型的图与ziP模型进行了比较)。
这是我使用的模型，在这个模型中，行会反映不同的喂养公会，logArea是碎片大小的日志，而
浏览 1提问于2018-05-23得票数 0
回答已采纳
在拟合logistic回归求积方案的泊松点过程模型中能包含权值吗？我的数据是一个分层样本，我想说明这种抽样策略，以获得有效的人口水平预测。
浏览 4提问于2019-11-17得票数 0
回答已采纳
3回答
下面的手绘图显示了根据泊松回归拟合值绘制的残差。
我如何创建两个向量，在绘图时，显示与附图中相同的图案？
请注意，它不重要的拟合值是什么(因此没有规模)。
浏览 4提问于2014-05-17得票数 1
回答已采纳
2回答
我想为一个rootogram模型绘制一个quasipoisson。countreg软件包对泊松和负二项环非常有效，但它说，“家庭目前不支持”准泊松模型。
我知道vcd和latticeExtra包也可以绘制出根目录。不幸的是，当我试图用这些包绘制一个rootogram的quasipoisson模型时，我会收到错误消息。
以下是所有三个包的一些代码：
#some data for replication)
y <- rpois(100, 3)
x1 <- c(rep(0, 50), rep(1, 50))
x2 <- rnorm(100, 1000, 300)
data <
浏览 4提问于2020-03-22得票数 0
3回答
求残差之和
、、、
我正在做一个练习，用Python在Fresco Play中进行统计数据的泊松回归。问题陈述类似于:从MASS包中加载R数据集保险。捕获作为pandas数据帧的数据。建立一个具有自变量持有者的对数和因变量索赔的泊松回归模型。用数据拟合模型，并求出残差的总和。
我坚持使用最后一行，即残差和
我使用了np.sum(model.resid)。但答案不被接受
以下是我的代码
import statsmodels.api as sm
import statsmodels.formula.api as smf
import numpy as np
INS_data = sm.datasets.get_rd
浏览 0提问于2019-09-23得票数 0
1回答
对数正态响应PYMC3的线性回归
、、、、
这是我第一次尝试为一个逻辑分布的响应建立线性回归模型。我有一个带有两个变量的dataframe df：预测器X和响应。当我将response与预测变量X相提并论时，我们得到了这个很好的图：
当我绘制响应np.log(response)的对数分布时，我得到了与正态分布相当接近的结果：
。
为了建模X和response之间的关系，我构建了以下模型，
import pymc3 as pm
with pm.Model() as model:
a = pm.Normal('a', 0, 10)
b = pm.Normal('b', 0, 10
浏览 0提问于2019-08-01得票数 1
回答已采纳
1回答
在直方图上拟合泊松分布
、、、、
尽管有大量关于将泊松分布拟合到直方图上的帖子，但在关注了所有这些帖子之后，似乎没有一篇文章对我有效。 我希望在我绘制的直方图上拟合泊松分布： import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
from scipy.misc import factorial
def poisson(t, rate, scale): #scale is added here so the y-axis
# of the fit fits the height of histogram
浏览 34提问于2019-03-25得票数 1
我最近学到了泊松回归，我想把这种新的统计方法应用到现实世界的问题中。所以我想了一会儿，决定尝试根据随机抽样调查公司的财务信息来预测财富500强的股票数量。
我遇到的问题是，虽然模型占了巨大的方差，只包含了重要的预测因子，但当我试图让Poisson模型使用预测函数进行预测时，它返回的预测几乎没有偏离实际值的方差。
我正在处理的数据集还没有完全填充，但我决定在结果时以一个小的样本大小作为峰值。我之所以这么做，是因为我在网上读到了一篇文章，其中指出，对于大量数据，泊松回归所需的动力较低，而股票市场的交易量也包含了一些庞大的数据。在这里可以访问数据集：
我使用的代码如下：
Stock<-rea
浏览 2提问于2019-11-02得票数 0
回答已采纳
我想使用泊松回归器来处理保险申请(泊松目标)。由于需要修复曝光，如何设置log_exposure的偏移量？当使用xgboost时，我使用"base_margin"，而对于lightgbm，我使用"init_score“参数。在CatBoost中有没有类似的东西？
浏览 89提问于2021-01-09得票数 1
回答已采纳
1回答
我正在尝试使用泊松回归将Frome(1983)中的模型拟合到R中，但我不知道如何添加曝光量:ln(人-年)，模型为：
ln E(Y|X)= ln(人-年)+ B0+ B1X1+ B2X2。
你知道它有多合适吗？
浏览 2提问于2017-12-07得票数 0
回答已采纳
1回答
我需要用pglm包从一些回归中计算伪R2，并修复泊松族和模型。 总结中的伪R2在哪里？或者我如何计算它？ pglm(y~x+x1, data=pdata, model= within, family=poisson)
浏览 107提问于2021-07-23得票数 0
我试图比较三种预测技术：
平稳随机Poisson-GEV:其中事件的发生率由泊松过程给出，强度由一般极值分布(GEV)表示。
自回归积分移动平均(ARIMA)
长期短期内存网络(LSTM)
利用Akaike信息准则( AIC )对泊松-GEV拟合与数据进行比较是可能的，最好的拟合是较低的AIC。同样，也可以使用均方根误差(RMSE)对LSTM和ARIMA进行比较。
然而，由于参数的数量对我来说还不清楚，所以很难找到获得长期内存网络的AIC的方法。在寻找绕开这条路的时候，我找到了此页。我还是迷路了。
任何建议都会很好。非常感谢!
浏览 0提问于2021-06-18得票数 1
我正在尝试在泊松回归模型中为我的响应获得一个置信区间。以下是我的数据： X <- c(1,0,2,0,3,1,0,1,2,0)
Y <- c(16,9,17,12,22,13,8,15,19,11) 到目前为止，我所做的是：(i)读取我的数据(ii)通过泊松回归拟合Y，X作为协变量 model <- glm(Y ~ X, family = "poisson", data = mydata) (iii)使用predict() predict(model,newdata=data.frame(X=4),se.fit=TRUE,interval="conf
浏览 32提问于2021-03-18得票数 0
回答已采纳
1回答
我目前有一个带有泊松族的GLM，但我的因变量不是整数。虽然R给出了结果，但我得到了警告。因此，我尝试了准泊松家族，这并没有给出任何警告。因此，我想知道是否可以使用准泊松来解决非整数因变量的问题(我只能发现它对过度分散是正确的)？如果解是准泊松，是否有可能找到一个AIC值，就像它现在给出的NA一样？ 谢谢你。
浏览 47提问于2021-05-11得票数 0
2回答
除了“iZid”包外，R中有哪些不同的包包含了模拟零膨胀分布的函数，涉及到诸如泊松、负二项、康-泊松、泊松逆高斯、泊松-林德利等常用的离散模型。
浏览 3提问于2021-06-22得票数 1
回答已采纳
1回答
所以我使用statsmodel包对我的数据集进行泊松回归，我确保我的训练y确实是计数和整数。但是，当我打印预测值(如下所示的testmodely)时，它们是浮点数。
我非常困惑，我希望它们是整数，因为输入数据和拟合到模型中的是整数，而泊松输出的是计数数据。你知道我在哪里弄错了吗？在此之前，我非常感谢。
import statsmodels.api as sm
poi_model = sm.GLM(trainingy,trainingx, family=sm.families.Poisson())
poi_results = poi_model.fit()
paramet = poi_resul
浏览 1提问于2018-03-22得票数 2
问题
我有一个小数据集(N=100)。我需要运行泊松回归，但不包括每次一个观察(因此，滚动泊松回归)。
方程中有几个预测因子，但我关心一个(称为b.x)。我的想法是看看b.x在100款车型中的变化有多大。然后，我想用Y轴上的效应大小和X轴上的模型数来绘制这100个点的估计值。
总之，我需要以下几点：
在JAGS中运行滚动泊松回归(通过R2jags)。
在得到估计数之后，把它们画出来。
请注意，我在JAGS中的泊松模型正在运行精细的(下面是我的模型/数据的一个示例玩具)。然而，我还无法实现“滚动”版本的。
自给示例
# clear R
rm(list=ls())
cat("
浏览 1提问于2018-02-10得票数 0
回答已采纳
我想建立一个随机森林回归模型来模拟计数数据(泊松分布)。默认的'mse‘损失函数不适用于此问题。有没有一种方法可以定义自定义损失函数并将其传递给Python中的随机森林回归器(Sklearn等)？
有没有什么实现可以将Python中的计数数据放入任何包中？
浏览 4提问于2018-03-26得票数 7
1回答
我喜欢在多重glm泊松回归中绘制置信区间(IC)，但没有成功。如果我做了： #Artificial data set
Consumption <- c(501, 502, 503, 504, 26, 27, 55, 56, 68, 69, 72, 93)
Gender <- gl(n = 2, k = 6, length = 2*6, labels = c("Male", "Female"), ordered = FALSE)
Income <- c(5010, 5020, 5030, 5040, 260, 270, 550, 560, 68
浏览 29提问于2019-03-17得票数 0
回答已采纳
我正在尝试为具有威布尔基准率的泊松过程拟合延迟输入参数回归模型。似乎R的survreg函数不支持左截断数据(我得到的错误是：start-stop type Surv objects are not supported)。有没有替代的方法/R包可以用来做这件事？
浏览 16提问于2019-10-09得票数 3
回答已采纳
1回答
H20在中表示，回归gbms的特征拆分是基于平方误差的减少。
这个平方误差是基于节点残差，即(resid - mean resid)^2，还是真实的响应，即( response - mean response)？我用的是伽马/泊松分布。
在伽马/泊松的情况下，损失就是偏差，那么为什么要使用平方误差呢？
浏览 9提问于2020-11-18得票数 0
我试图使用parsnip来指定一个配方，以适应带有日志偏移量的xgboost泊松回归模型。要设置泊松回归，我可以在set_engine中指定一个选项，它工作得很好：
# Specify recipe
my_recipe <- recipe(training_df, Count ~.) %>%
# Remove covariates that are 80% correlated
step_corr(all_predictors(), threshold = 0.8) %>%
step_center(all_predictors(),
浏览 5提问于2020-07-20得票数 2
1回答
零SAS过载的泊松回归
、、、、
我正在测试不同的模型，以便对我的数据进行最好的拟合和最稳健的统计。我的数据集包含超过50000个观察值，大约。超过99.3%的数据是零-这样的0.7%是实际事件。
最终查看：
我搜索以下模型中的最佳拟合: Logistic，Poisson，NB，ZIP，ZINB，PLH，NBLH。(NB:负二项式，ZI:零膨胀，P:泊松，LH: Logit栅栏)
我尝试的第一种方法是通过logistic回归估计二元响应。
我的问题:我可以在二进制变量上使用泊松，还是应该用一些整数值来强制二进制变量？例如，具有相关的损失；如果为y=1，则为y_val=y*loss。在我的例子中，y_val的方差是近似的。2.5
浏览 7提问于2020-02-19得票数 0
我想在使用scipy创建的python中绘制泊松分布的概率密度函数。如果我想绘制测试版的pdf，我会这样做： x = np.linspace(0, 1, 200)
alphas = 4
betas = 10
pdf = st.beta.pdf(x, alpha, beta)
plt.plot(x, pdf, label=r'$\alpha$ = {}, $\beta$ = {}'.format(alpha, beta)) 我以为我可以用泊松分布做同样的事情，但不幸的是，这个对象没有pdf方法！为什么？我如何绘制一个泊松pdf而不自己写公式？
浏览 23提问于2019-04-12得票数 1
回答已采纳
1回答
我做了一个泊松回归，然后可视化了模型：
library(ggplot2)
year <- 1990:2010
count <- c(29, 8, 13, 3, 20, 14, 18, 15, 10, 19, 17, 18, 24, 47, 52, 24, 25, 24, 31, 56, 48)
df <- data.frame(year, count)
my_glm <- glm(count ~ year, family = "poisson", data = df)
my_glm$model$fitted <- predict(my_glm, t
浏览 5提问于2014-05-18得票数 4
回答已采纳
我正在为摆在我面前的任务构建我自己的一套过程，但是我目前被困在三维泊松方程中，来求解由移动的带电粒子产生的势和磁场。
简而言之，细胞中的粒子由四个核心过程组成：
运动粒子的积分(从洛伦兹方程)，
电荷密度分布到网格的节点(磁场的电流密度)，
求解Poisson方程计算网格节点的电位和电磁场，
电场/磁场在粒子中的分布。
循环就会重复。我能做步骤(1)，(2)和(4)，但不能做泊松部分。我用Boris格式积分粒子，网格简单地被构造成cell[i][j][k]，维数为K，分布过程有点棘手，但毕竟不是很难。
然而，令我惊讶的是，我找不到合适的库来解决三维泊松方程的有限差分法(
浏览 2提问于2014-08-04得票数 1
回答已采纳
我试图在R中拟合一个混合效应的准泊松模型，特别是我试图通过ppml命令复制在stata中可以获得的结果。lme4不支持准家族。这个链接：有关于拟合准二项式模型的说明，但没有准泊松。
谢谢!
浏览 2提问于2021-08-24得票数 1
回答已采纳
1回答
我有一个回归数据集，其中大约95%的目标变量为0(其他5%介于1和30之间)，我正在尝试设计一个Tensorflow模型来模拟该数据。我正在考虑实现一个结合了分类器和回归器的模型(检查分类器子模型的输出，如果它小于阈值，则将其传递给回归子模型)。我有一种直觉，那就是应该使用functional API来构建它，但是我找不到有帮助的资源。有什么想法吗？
下面是生成我用来复制问题的数据的代码：
n = 10000
zero_percentage = 0.95
zeros = np.zeros(round(n * zero_percentage))
non_zeros = np.random.ran
浏览 10提问于2021-06-01得票数 0
1回答
我正在处理三个部分的问题，我可以单独解决，但现在我需要一起解决它们：
极端倾斜，过度分散的因变量(在做某事时发生的事件数量)，
必须包括随机效应，
许多缺失的值，->，多重计算，-> 10，推测数据集。
为了解决前两部分，我选择了一个准泊松混合效应模型.由于stats::glm不能正确地包含随机效应(或者我还没有搞清楚)，而且lme4::glmer不支持准家庭，所以我与glmer(family = "poisson")合作，然后调整了std。错误，z统计和p-值推荐的，并讨论了.所以我基本上把泊松混合效应回归变成了“手工”的准泊松混合效应回归。
浏览 9提问于2022-10-06得票数 1
回答已采纳
我使用regsubsets方法进行线性回归，并偶然发现step()方法用于选择列作为logistic回归方法。
我不确定我们是否可以使用regsubsets或steps进行泊松回归。若能找到R规划中Poisson回归的最佳子集，将是很有帮助的。
浏览 12提问于2022-11-18得票数 0
1回答
我需要用固定效应(例如单位FE)和几个回归量(RHS变量)进行glm (泊松)估计。我有一个不平衡的面板数据集，其中大多数(~90%)的观测值(NA)对一些但不是所有的回归者都有缺失。
fixest::feglm()可以处理这件事，并返回我的贴身型号。然而，为了做到这一点，它(和fixest::demean也)删除了至少缺少一个回归元的观测值，在构造固定效果的方法之前。
在我的例子中，我担心这意味着没有在数据中使用大量的可用信息。因此，我想用手贬低我的变量，以便能够在每个固定效果维度的平均值中包含尽可能多的信息，然后对降级的数据运行feglm。然而，这意味着获得负因变量值，这是不兼容的泊松。如
浏览 11提问于2020-09-09得票数 0
1回答
我经常用线性回归来检验各组之间的均值是否存在差异，通过虚拟编码我的分类变量，我认为这与使用方差分析( ANOVA )基本上是一样的(或者至少我得到了相同的结果)。我在R中使用了lm()函数来完成这个任务。
以前，如果我的数据不符合线性回归的假设，我就使用数据转换。有时效果更好，有时不太好。就我而言，我可以使用广义线性模型来比较服从泊松或负二项分布的数据的组均值，而不需要转换数据。
问题是，当我拟合模型并得到模型摘要(在R中使用glm()函数)时，我看不到整个模型的p值--当我使用lm()函数拟合线性模型时，这是在模型摘要的最后一行中得到的。模型摘要--当使用glm()时--只给出每个系数的p和
浏览 2提问于2015-02-19得票数 1
回答已采纳
2回答
我在R中进行了一系列泊松回归，然后根据AIC对我的排名模型进行排序。然而，我得到了这样的结果：
> aictab(cand.set = Cand.models, sort = TRUE)
Model selection based on AICc :
K AICc Delta_AICc AICcWt Cum.Wt LL
Mod7 4 Inf NaN NaN NA -Inf
Mod6 3 Inf NaN NaN NA -Inf
Mod5 3 Inf NaN NaN NA -In
浏览 3提问于2015-03-05得票数 0
回答已采纳
2回答
我有一个数据集，我需要用泊松回归来分析。我试图在与pdf相同的地块中绘制应答图，但我不知道是如何绘制的。
我用以下代码绘制直方图：
library(lattice)
tot <- mydata[, 1]
histogram(tot)
得到一个很好的直方图。为了添加pdf，我尝试了一些代码如下所示：
xlines <-seq(min(tot),max(tot),length.out=100)
lines(x = xlines,y=dpois(xlines,21))
我也试过一些其他的密码，但是找不到有效的密码.
有人有什么建议吗？
浏览 5提问于2017-06-01得票数 0
回答已采纳
1回答
采用拟泊松回归的广义线性混合模型，利用惩罚拟似然，即glmmPQL，对模型进行多元正态随机效应拟合。产出如下：
收入变量分为低收入、中低收入、中上收入三大类。在产出中，低收入似乎是参考类别，但我不知道ı应该如何解释和报告这一点。
提前谢谢你。
Linear mixed-effects model fit by maximum likelihood
Data: my_scaled_data
AIC BIC logLik
NA NA NA
Random effects:
Formula: ~1 | country
(Intercept) Residual
Std
浏览 5提问于2021-08-10得票数 0
回答已采纳
我想训练一个泊松回归，以与Tensorflow中的log(Y)线性回归进行比较。但是，我只找到了。有人能提供一些见解来帮助我吗？谢谢!
浏览 11提问于2017-08-28得票数 0
1回答
期望值泊松回归的求解
、、、、
我有在大脑中每对大脑区域之间运行的轨迹的数量，标记为Sij。我还将每对区域之间的轨迹距离标记为gij。I和j代表每个大脑区域。 所以举个例子，if文件： Sij gij
331 15.2
428 11.1
797 45
313 54
142 12 我正在尝试使用泊松回归模型来调整gij的值的偏差，这些值落在12距离以下。 我要做的是解决这个带有对数链接函数的泊松模型，得到alpha0和alpha1： log(μ(Sij|gij))=α0+α1gij 但这里的问题是，我不确定如何找到这个值:μ(Sij|gij)，它相当于被称为期望值E(x)。 我在
浏览 13提问于2019-02-11得票数 0
1回答
我想从二元泊松分布中画N次。在R中是否有类似于包bivpois的Python模块？
在Python中，我只知道库scipy.stats.poisson和numpy.random.possion，它们允许我根据单个参数lambda从单变量泊松分布绘制，而不是从二元或多变量绘制。
浏览 6提问于2021-03-02得票数 1
回答已采纳
2回答
因此，我试图模拟混合泊松分布：
data2 <- data.frame(x = c(rpois(n = 50, lambda = 0), rpois(n = 450, lambda = 10)))
然后将直方图和密度函数绘制在上面，对于分布函数，我使用了spatstat软件包中的函数dmixpois。下面是情节的代码：
ggplot(data2, aes(x = x)) +
geom_histogram(aes(y = ..density..), bins = 15) +
geom_line(aes(x = x, y = dmixpois(data2$x, mu = 9, sd
浏览 5提问于2022-05-27得票数 0
回答已采纳
我想知道用fit函数传递列的正确方法是什么。例如，我有：
# Lin. regression
lin_reg = LinearRegression().fit(data[["X"]],
data[["Y"]])
#Poisson regression
log_reg = PoissonRegressor().fit(data[["X"]],
data.loc[:, "Y"])
因此，在线性回归中，
浏览 3提问于2021-07-11得票数 2
回答已采纳
我正在尝试评估R中几个回归的模型拟合，我遇到了一个我已经多次遇到的问题:我的泊松回归的对数似然是无限的。
我使用了一个非整数依赖变量(注意:我知道在这方面我在做什么)，我想知道这是否就是问题所在。然而，在使用glm.nb运行回归时，我没有得到无限的对数似然。
重现该问题的代码如下。
编辑:当我将DV强制转换为整数时，问题似乎消失了。你知道如何从非整数DV的泊松中获得对数似然吗？
# Input Data
so_data <- data.frame(dv = c(21.0552722691125, 24.3061351414885, 7.84658638053276,
25.029467
浏览 1提问于2016-08-10得票数 2
2回答
绘制最佳拟合曲线
、、
在图上绘制最适合的曲线线的正确方法是什么？我试图提供一个回归模型作为参数的线-而不是具体的点。在模型中，正确的线条应该是完全合适的(因为数据中没有噪音)。如何从线性模型中绘制最佳拟合线？
library(lattice)
vals<-data.frame(x=1:10,y=(1:10)^2)
xyplot(x~y,data=vals)
line(lm(x~y,data=vals)) #doesnt work
abline(vals$x,vals$y) #doesnt work
浏览 9提问于2016-11-17得票数 2
回答已采纳
1回答
我有大约8K段的网络，每一个2000万。随机泊松过程在这个网络上创建了一个实现。接下来，我想添加另一个泊松过程，但是第二个过程的点不应该落在已经包含来自第一个进程的点的段上。
Q1>很大程度上，我很好奇是否可以定义每个片段的点数。我的理解是，由于泊松过程的特性，这是不可能的。但是，是否有一个可选的论点来限制每一段的点数？我知道限制整个linnet对象上的点数是可能的，但我想知道这是否有可能在每段linnet上。
Q2>我想从第一个过程中排除带有点的部分。我的理解是，我不能从linnet中排除段，因为网络会断开/不相交，这在spatstat中是不可取的。
请在这两个问题上纠正我。目前
浏览 4提问于2017-06-15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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
