线性回归模型
是一种用于建立变量之间线性关系的统计模型。它通过拟合一条直线或超平面来描述自变量与因变量之间的关系。线性回归模型的目标是找到最佳拟合线，使得预测值与实际观测值之间的误差最小化。
线性回归模型可以应用于许多领域，包括经济学、金融学、社会科学、医学等。它可以用于预测和解释因变量与自变量之间的关系，帮助分析师和决策者做出合理的预测和决策。
腾讯云提供了一系列与线性回归模型相关的产品和服务，包括：
- 云服务器（Elastic Compute Cloud，简称CVM）：提供可扩展的计算资源，用于运行线性回归模型的训练和推理任务。链接地址：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（TencentDB for MySQL）：提供高性能、可扩展的关系型数据库服务，用于存储线性回归模型的训练数据和预测结果。链接地址：https://cloud.tencent.com/product/cdb_mysql
- 人工智能平台（AI Platform）：提供了丰富的机器学习和深度学习工具，包括TensorFlow、PyTorch等，用于构建和训练线性回归模型。链接地址：https://cloud.tencent.com/product/ai
- 弹性MapReduce（EMR）：提供了大数据处理和分析的能力，可用于处理线性回归模型的大规模数据集。链接地址：https://cloud.tencent.com/product/emr
- 云监控（Cloud Monitor）：提供实时的监控和报警功能，可用于监控线性回归模型的性能和运行状态。链接地址：https://cloud.tencent.com/product/monitor
线性回归模型的优势在于简单易懂、计算效率高、可解释性强。它适用于数据集具有线性关系的情况，并且可以用于预测和解释连续型因变量。然而，线性回归模型也有一些限制，例如对异常值敏感、对非线性关系建模能力有限等。
总结起来，线性回归模型是一种常用的统计模型，可用于建立自变量与因变量之间的线性关系。腾讯云提供了一系列与线性回归模型相关的产品和服务，帮助用户进行模型训练、数据存储和大数据处理等任务。
相关·内容
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
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
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
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
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
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
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
Azure ML如何在训练线性回归模型期间处理分类列？线性回归模型采用连续值。然而，即使我没有更改这些分类列中的任何内容，Azure ML也没有错误地训练线性和逻辑回归。所以我想知道Azure ML是如何在幕后处理分类列的。谢谢!
浏览 1提问于2015-10-31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
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
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
我想加载一个我以前训练过的模型，然后用新的训练数据更新这个模型。但我发现这个任务很难完成。
我从那里学到
实现weka.classifiers.UpdateableClassifier接口的分类器可以递增地接受训练。
然而，我训练的回归模型使用的是weka.classifiers.functions.MultilayerPerceptron分类器，它没有实现UpdateableClassifier。
然后我检查了Weka API，结果发现没有回归分类器实现了UpdateableClassifier.。
如何在Weka中训练回归模型，然后在加载模型后用新的训练数据对模型进行更新？
浏览 3提问于2013-11-22得票数 1
1回答
我为机器学习创建了我的样本数据，只是为了检查分类和回归模型是如何工作的。
我的示例数据有50行，列为Memory、CPU、Responsetime。我使用公式Responsetime生成了Memory*2 + CPU*0.7。
现在，当我利用这些数据用不同的算法(如DecisionTree、RandomForest、SVM、NaiveBayes、SGD、LogisticRegression )生成分类模型时，我从模型中得到kappa和相关系数(model.coef_)，并在决策树、随机森林的情况下获得特征重要性。
Memory和CPU返回的系数值与我用来生成这些响应时间值的公式不太接近。在这种
浏览 3提问于2017-05-16得票数 0
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
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
1回答
我正在使用"“数据集，比较线性回归、岭和套索的系数。
我首先进行训练/测试拆分，然后标准化数据，然后训练三个模型并比较系数。对于大多数训练/测试拆分随机种子，三个模型的系数在相同的尺度上，我可以比较它们。但是对于一些随机的种子，一些线性回归的系数“爆炸”，从大约10^4-10^5的值跳到大约10^18。
这只发生在线性回归模型中的几个系数上，脊线和套索的系数不受影响。
我不确定为什么会发生这种情况，有什么建议或建议吗？
浏览 0提问于2020-09-23得票数 1
1回答
我们得到了用于线性回归的以下数据集数据集 1：https://github.com/Iron-Maiden-19/regression/blob/master/shel2x.csv，我们拟合这个线性回归模型-模型A modelA <- lm(Y ~ X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8,data=shel2x) 这很好，但我们遇到了以下问题，我不确定如何解决以下问题-拟合模型B，并将其与modelA进行比较，这里是modelB： Y = β0 + β1X1+ β2X2+ β3X2^2 + β4X4+ β5X6 +ε 所以我知道beta值代表了第一个
浏览 14提问于2020-04-29得票数 0
回答已采纳
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
1回答
我需要使用knime进行回归分析。我是一个python用户，我也知道knime，但不是很深入！我通常使用python中的statsmodel进行回归分析和处理统计模型。
但是，为了将回归问题作为机器学习问题来解决，我使用sklearn回归模型。python中的每一个包都有它自己的好处，在你的任务中加深了它的好处，还有不同的输出视图，这对于以正确的方式解决问题非常重要。我的问题是，knime是否提供了统计模型的特殊软件包？如果我计划进行回归分析，推荐使用哪些节点？
非常感谢您的帮助
浏览 21提问于2021-05-04得票数 0
1回答
我有一个大约150个样本的数据集，其中每个样本有11个输入和3个输出。我试图建立一个完整的回归模型来接受11个要训练的输入来预测3个输出，问题是样本如此之少，训练一个完整的模型几乎是不可能的。出于这个原因，我正在尝试使用pythons sklearn中的回归，例如线性回归。根据我所能发现的，大多数回归模型要么支持一个输入来预测一个输出(在回归完成之后)，要么支持多个输入来预测一个输出。 问:是否有任何类型的回归支持许多输入来预测许多输出。或者任何可能更适合我的需求的回归类型。 谢谢你的帮助！
浏览 12提问于2021-09-21得票数 0
1回答
我对机器学习中的回归模型有一个问题，我想知道我的方法是否正确。
我已经建立了回归模型，并用我的数据对其进行了训练，但我的模型预测的值总是比实际值高1.5倍。
我理解这是我的模型的习惯，考虑一下，因为它总是被预测1.5次。
在考虑了实际情况后，我将预测值除以1.5倍。比方说，我的模型预测在某些情况下是100，我计算了100/1.5，结果大约是66.6。
实际上，66.6不是预测值，我操纵了它。
这种操作对于回归是可接受的吗？我能把这个66.6提供给我的客户吗？
浏览 14提问于2017-07-18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
基本上，我已经收集了一些零售网站的数据，我想知道这是否是一个回归问题:如果我有关于RRP这样的鞋子的网站数据，它们是什么品牌，它们是什么颜色，它们是什么尺寸，我整理这些数据来建立一个模型，围绕这样一个模型，我可以给模型已知的变量，关于一双新鞋(品牌，尺寸颜色)，以确定可能的RRP，根据我已经知道的所有变量和RRP，我应该使用ANOVA还是回归。我的回归理由是，这似乎是一个经典的问题，因为价格是一个连续变量。但我不确定要怎么做，我看到的很多回归例子都是用连续变量作为预测变量和结果变量，也许方差分析更好？
浏览 0提问于2020-09-02得票数 1
回答已采纳
Logistic回归应该只在线性可分的数据上才能很好地工作。正如我们在对图中看到的，数据点有很大的重叠。logistic回归模型比决策树法、KNN法、随机森林法(适用于重叠数据的方法)具有更好的精度。即使交叉验证得分较高，我的logistic回归模型。
📷
浏览 0提问于2021-09-26得票数 4
2回答
我想使用线性回归模型，但我想使用普通最小二乘法，我认为这是一种线性回归。我使用的软件是SPSS。它只有线性回归、偏最小二乘和两阶段最小二乘。我不知道哪一个是普通最小二乘(OLS)。
浏览 4提问于2009-11-22得票数 9
回答已采纳
我有一个信号，并希望使用回归模型来预测当前请求的数量。目前，我正在使用OLS回归模型来预测y。但是预测误差非常高，因为我的信号有很多变化(起伏)，如下所示。
我注意到我的模型大多数时候高估了y(请求数)，特别是当要预测的点之前有很大的y值时。如下图中的黄色和红色圆圈所示。
因此，我不确定是否有一个健壮的回归模型来适应这个问题，我的数据集中有很多变化。另外，有没有办法通过调整窗口大小来分割出这些大值，使其不包括这些值？
你能建议一下吗？
浏览 2提问于2018-11-16得票数 2
让我们假设您运行线性回归。
线性回归过程中的模型方程和应用模型过程中的预测图最终出现在不同的结果窗口中。
是否可以使用线性回归模型方程注释应用模型图(显示数据和线性回归拟合/预测)？(就像Excel那样嗡嗡作响！)
如果是这样的话，是怎么做的？
浏览 3提问于2013-06-21得票数 0
回答已采纳
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
1回答
我有一个数据集，我使用Sklearn决策树回归机器学习包为预测目的建立一个模型。随后，我试图利用scipy.optimize包来解决基于给定约束的最小解。但是，我不确定是否可以将决策树模型作为优化问题的目标函数。在这种情况下，应该采取什么办法呢？我曾经尝试过线性回归模型，比如LarsCV，它们工作得很好。但是在线性回归模型中，基本上可以从模型中提取系数和截获点。
浏览 1提问于2019-02-22得票数 7
1回答
python指定线性回归的权重
、、、、
我有一些线性回归模型，由于潜在的原因，需要具有用户定义的集合回归的权重。是否有可能获得基于用户定义权重的OLS摘要，而不是它自己找到的线性回归权重？
浏览 2提问于2018-07-31得票数 1
如何为具有80个数据点和回归模型的9个特性的数据集选择体系结构？
在Desarhnais 数据集上工作，以“Working”作为目标变量。
一个只有一个隐藏层的简单神经网络是否足够了，因为数据不是很大或太复杂吗？考虑使用ReLU作为激活函数，因为它是一种线性回归模型，但不确定如何选择隐层中的神经元数目。
任何建议和建议都是有帮助的。
浏览 0提问于2022-11-24得票数 0
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
正如标题中所说的，平稳性和低自相关性是一般/线性回归模型的前提吗？也就是说，如果一个时间序列是非平稳的或者具有很大的自相关性，那么用线性模型和深度学习等回归模型来预测会更容易还是更难呢？
浏览 0提问于2019-12-11得票数 4
回答已采纳
1回答
python的scikit-learn有适用于稀疏数据的回归模型吗？
我四处搜寻，发现“稀疏线性回归”模块，但它似乎过时了。(我想，它太老了，当时叫'scikits-learn‘。)
浏览 0提问于2015-04-06得票数 6
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
在TensorFlow库中，tf.estimator.LinearClassifier类在线性回归模型中做什么？(换句话说，它是用来干什么的？)
浏览 0提问于2020-08-01得票数 2
回答已采纳
1回答
我在R中使用随机森林的回归模型，我发现参数corr.bias根据手册是“实验性的”，我的数据是非线性的，我只是想知道将这个参数设置为true是否可以增强结果，另外我不知道它对非线性数据是如何工作的，所以如果有人能解释一下这个校正偏差在随机森林包中是如何工作的，以及它是否可以增强我的回归模型，我真的很感激。
浏览 3提问于2013-07-24得票数 3
我最近开始学习回归的基础知识，作为初学者，我开始学习线性回归。
我读到这篇文章说，对于这种特殊类型的回归，自变量和因变量之间的关系必须是线性的，这意味着我只能用线性回归来预测“线”：https://www.analyticsvidhya.com/blog/2015/08/comprehensive-guide-regression/。
但是，我开始想知道如何建模像"y= log(x)“或”y= sqrt(x)“或"y=exp(x)”或"y=tan(x)“之类的函数，或者其他定义为”线“而是”曲线“的非线性函数。
然后我继续研究，直到我发现这篇文章说，应该是线性的不是自变
浏览 0提问于2019-03-15得票数 2
回答已采纳
我正在进行一个线性回归实验，对一个因变量进行评估，然后将因变量转化为一个对数尺度，然后再进行一次训练/执行的线性回归。是否可以在模型的平均绝对误差或根均方误差与因变量统计量之间建立比率，以便对模型进行比较？
我知道线性回归很可能不应该用于这个评估，这只是一个理论实验。
非日志结果
模型平均Abs误差: 14831.26
模型均方误差: 21921.10
因变量计数: 2925.00
因变量平均数: 180815.54
因变量std dev: 79951.70
因变量最小值: 12789.00
因变量25%：129500.00
因变量50%：160000.00
因变量75%：213500.00
浏览 10提问于2022-09-08得票数 0
回答已采纳
我在分析一个房地产数据集。虽然所有的回归假设都失败了，但我的XGBoosting模型却蓬勃发展。我是不是遗漏了什么？在这种情况下，XGBoost仅仅是一个优越的模型吗？数据集约有67.000个观测值和30个变量。
浏览 2提问于2019-07-28得票数 0
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
3回答
我很难相信线性模型可以用多项式来拟合线性回归曲线。如图所示。
假设我没有错过-理解上面的陈述，你能获得良好的性能与线性模型，试图拟合，比方说，抛物线在三维空间？
浏览 0提问于2022-05-07得票数 0
回答已采纳
2回答
多元线性回归最重要特征的选择
、、、、
我有一套25个特征。我想为我的模型选择最好的功能。最初，我研究了特性与响应的相关性，只考虑那些高度相关的特性，并运行一个回归模型。然后，使用该模型，我将根据测试数据预测结果，并将其与实际(度量RMSE)进行比较，这将是我评估它的方法。
然后，我可以添加每个特性，以减少与特征集响应的相关性，并继续计算上面的内容。
还有其他方法可以选择功能吗？例如，我是否可以运行一个随机森林并使用其中的特性重要性报告来选择最重要的特性？然后再做个回归？
比较每个回归模型与下一个回归模型的最佳方法是什么？有太多的度量标准: AIC，BIC，ADJ R^2，我不知道哪一种是比较最简单的方法.实际上，在sm.OLS函数
浏览 0提问于2021-02-08得票数 0
回答已采纳
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
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
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
即时通信 IM活动推荐
腾讯云开发者
