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。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，Pr
浏览 0提问于2015-12-06得票数 2
我一直在看Apache Spark MLlib的文档，似乎找不到使用普通最小二乘(OLS)的线性回归。我只看到进行线性回归的随机梯度下降(SGD)方法的基于数值的算法的示例。我需要闭合形式的OLS线性回归方法，而不是SGD。
我很惊讶在这里找到OLS回归是多么困难，因为OLS回归是最基本的线性回归方法之一。
浏览 72提问于2016-03-02得票数 1
回答已采纳
1回答
我要用多个变量进行回归分析。在我的数据中，我有n =23个特性和m = 13000训练示例。以下是我的培训数据(房屋面积与价格对比)：关于这个情节有13000个训练例子。我的问题是，在我的情况下，哪种回归算法更合适、更合理。我的意思是，使用简单的线性回归算法还是一些非线性回归算法更符合逻辑？
一些不相关的非线性回归拟合例子：
浏览 3提问于2015-12-26得票数 1
回答已采纳
1回答
我要用多个变量进行回归分析。在我的数据中，我有n=23个特性和m= 13000个训练示例。以下是我的培训数据(房屋面积与价格对比)：关于这个情节有13000个训练例子。我的问题是，在我的情况下，哪种回归算法更合适、更合理。我的意思是，使用简单的线性回归算法还是一些非线性回归算法更符合逻辑？📷📷
现在，我为我
浏览 0提问于2015-12-26得票数 1
回答已采纳
2回答
线性回归假设
、、
我读到，我们对线性回归作了以下假设：
因此，这些假设是特定于线性回归或适用于所有类型的回归技术，如支持向量回归，拉索和岭回归，逐步回归等。
浏览 0提问于2020-03-11得票数 3
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
嗨，我是线性回归的新手。我想知道和
机器学习在线性回归中何时使用梯度下降和均方误差？或者什么时候在线性回归中使用哪一种算法？
浏览 0提问于2018-10-04得票数 1
1回答
我现在正在构建一个线性回归模型。有32个自变量。G3是目标变量。
首先，利用所有自变量建立线性回归模型。这是我得到的结果的一部分：
如您所见，G1和G2都是重要的自变量。因此，我认为线性回归模型中存在多重共线性。我现在要找出最好的线性回归模型。如何解决多重共线性问题？
浏览 4提问于2018-03-25得票数 0
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：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：在这种情况下，我应该说这是一个
浏览 0提问于2018-06-26得票数 2
让我们假设您运行线性回归。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)？
浏览 3提问于2013-06-21得票数 0
回答已采纳
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。，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？1)线性是与变量或参数有关的。我在这
浏览 0提问于2019-10-28得票数 0
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：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
浏览 0提问于2019-10-08得票数 2
回答已采纳
1回答
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
在Libreoffice中，如果尝试在某些数据丢失的情况下进行线性回归，则只返回一个错误Err:502。在进行线性回归时，这似乎不是一种选择。用布尔值来表示是否在线性回归中使用该数据点很容易，但是我不知道如何告诉线性回归只使用基于布尔值的数据。例如，是否有一种方法可以根据布尔值来隐藏某些列不受线性回归的影响？在上面的图像中，我想从线性回归中省略D列，因为我不想丢失它包含
浏览 7提问于2022-10-29得票数 1
我试图估计一个带有arima误差的线性回归，但我的回归变量是高度共线性的，因此回归模型受到多重共线性的影响。由于我的最终目标是能够将单个回归系数解释为弹性，并将它们用于事前预测，因此我需要以某种方式解决多重共线性，以便能够信任回归变量的系数。我知道转换回归变量，例如。通过差分可能有助于减少多重共线性。我还了解到，auto.arima对xreg中定义的response变量和回归变量执
浏览 38提问于2019-06-17得票数 1
线性回归对此合适吗？(对一个分类自变量进行回归有意义吗？)如果是这样的话，当X1是一个分类自变量(例如眼睛颜色)时，我如何使用线性回归？在线上主要有关于连续独立->连续相关(线性回归)或连续独立->分类依赖(logistic回归)的资源。
如果你能告诉我任何可以帮助我的资源&#
浏览 2提问于2018-10-16得票数 1
回答已采纳
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。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。
浏览 0提问于2018-04-18得票数 3
回答已采纳
它是参考线性回归和k-最近邻算法.我想知道这句话有多准确。更具体地说，今天使用的流行ML方法不依赖于这两种简单方法的假设和特性？
浏览 8提问于2014-02-03得票数 1
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
