过滤数据集的线性回归
是一种数据分析和机器学习技术，用于建立一个线性模型来预测因变量与自变量之间的关系。在过滤数据集的线性回归中，我们通过对数据集进行筛选和处理，选择出对模型建立和预测最有意义的特征，以提高模型的准确性和可解释性。
线性回归是一种广泛应用的统计方法，它假设因变量与自变量之间存在线性关系。过滤数据集的线性回归通过以下步骤进行：
- 数据集准备：收集相关数据，并进行数据清洗和预处理，包括缺失值处理、异常值处理和数据转换等。
- 特征选择：根据问题的需求和领域知识，选择对模型建立和预测最有意义的特征。常用的特征选择方法包括相关性分析、方差分析、信息增益等。
- 模型建立：根据选定的特征，建立线性回归模型。线性回归模型可以用来描述因变量与自变量之间的线性关系，并通过最小化残差平方和来估计模型参数。
- 模型评估：使用评估指标（如均方误差、决定系数等）来评估模型的拟合程度和预测能力。如果模型表现不佳，可以考虑调整特征选择或使用其他回归方法。
过滤数据集的线性回归在实际应用中具有广泛的应用场景，例如：
- 金融领域：可以用于预测股票价格、货币汇率等金融指标的变化趋势。
- 市场营销：可以用于预测产品销量与市场因素之间的关系，帮助制定营销策略。
- 医学研究：可以用于分析疾病与遗传因素、生活方式等之间的关系，辅助医学研究和诊断。
腾讯云提供了一系列与线性回归相关的产品和服务，例如：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）：提供了强大的机器学习工具和算法库，可用于构建和训练线性回归模型。
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）：提供了数据处理和分析的工具，可用于数据集准备和特征选择。
- 腾讯云人工智能开放平台（https://cloud.tencent.com/product/ai）：提供了丰富的人工智能服务，可用于数据预处理、特征工程和模型评估。
请注意，以上仅为示例，实际应用中的产品选择应根据具体需求和情况进行评估和选择。
相关·内容
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
2回答
数据集的预测能力
、、
我正在为本科生读一本关于机器学习的书。实际上，我对线性回归的灵活性感到困惑：
有时，线性回归将无法恢复一个好的解决方案的数据集。虽然这可能是因为我们的数据实际上没有预测能力，但它也可能只是表明我们的数据是以不适合线性回归的格式提供的。
我在这里读到了一些关于预测能力的问题，我注意到这都是关于模型产生的。当我们谈到数据集的预测能力时，意味着什么？
我认为这是因为特性之间没有关系(因为线性回归的目的是学习输入X和输出Y之间的关系)。但我还不相信这个答案。
浏览 0提问于2020-09-03得票数 2
回答已采纳
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
2回答
如果数据集包含一些特征，其中一些是分类变量，另一些是连续变量，则决策树比线性回归更好，因为树可以根据分类变量准确地划分数据。是否存在线性回归优于随机森林的情况？
浏览 2提问于2018-06-26得票数 3
1回答
每个图像都标有左和右运动控制。我已经在下面的图表中绘制了它们。
我使用Keras和TensorFlow作为后端，使用ConvNets进行回归。
很明显，如果我能够删除可见回归左边的训练样本，回归可以变得简单得多。
加载图片和标签的代码非常简单，如下所示：
filenames = glob.glob("../data/*.jpg")
labels = []
images = []
for filename in filenames:
# Timestamp-LeftMotorControl-RightMotorControl.jpg
filename =
浏览 1提问于2017-02-17得票数 1
3回答
我有一组电影的数据集，他们的subtitles.My任务是根据他们的收视率--R，NR，PG，PG-13，G--对他们进行分类。我尝试过不同的ML算法，发现Logistic回归比所有算法都要好，但是我无法理解why.My数据具有比观察更多的特性。
支持向量机-应该在高维数据上表现良好，即使存在类不平衡，也会表现良好，但没有显示出很好的效果。朴素贝尔斯-我认为朴素贝尔斯表现不佳，因为阶级不平衡。随机森林-体面performance.but没有表现出logistic回归。
我正在寻找一个解释为什么一个比另一个表现更好。
注意:数据集是稀疏的，它比观测/示例具有更多的特性/参数。
浏览 0提问于2019-04-10得票数 1
3回答
朴素贝叶斯和Logistic回归都能很好地分类这两个数据集吗？我的理解是，朴素贝叶斯可以，和Logistic回归与复杂的条件可以分类这些数据集。如果我错了，请帮忙。
数据集的图像如下：
浏览 3提问于2014-01-30得票数 3
回答已采纳
我有一个不同年份的数据集，所以是面板数据。我知道我应该在非线性回归模型中使用什么特性。我已经使用nls()函数为每年寻找系数，然后取这些系数的平均值。
我想知道这样做是否合理，还是应该对面板数据采取另一种非线性回归策略？
浏览 0提问于2019-06-15得票数 -1
回答已采纳
1回答
线性回归系数随时间的演变
、、、
我想观察线性回归系数随时间的演变。更准确地说，让我们有一个2年的时间框架，其中线性回归将始终使用范围为1年的数据集。在第一次回归之后，我们再前进一周(即添加新的一周，但也从开始处减去一周)，只要我们到达最终日期，就会再次进行回归:总共将有52次回归。
我的问题是，数据集中有一些假期，我们不能简单地像人们建议的那样简单地添加7天。我希望有一些包装器函数，可以对来自不同软件包的许多其他函数执行上述操作，例如来自forecast软件包的forecast.lm()或任何可以想到的函数:在每种情况下，目标都是找出每周线性回归参数的演变。
浏览 0提问于2011-05-14得票数 1
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
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。正如你所看到的，它是相对嘈杂的数据。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？
更清楚的是，我提供了一些例子。
以下是一些不相关的线性回归拟合示例：
一些不相关的非线性回归拟合例子：
现在，我为我的数据提供了一些假设回归线：
AFAIK原始线性回归对我的数据会产生很高的误差代价，因为它是非常嘈杂和分散的数据。另一方面，
浏览 3提问于2015-12-26得票数 1
回答已采纳
2回答
线性回归+ KFold交叉验证
、、、、
我已经准备好了一个预先拥有的数据集和相应的标签(8个类)。我已经用DT，KNN，NB和支持向量机等分类器对KFold和K=10进行了交叉验证，现在我想做一个线性回归模型，但不确定它与KFold的关系如何，它是否可能，或者对于回归，我应该把集合单独划分成一个训练和测试集？
这8个类别是年龄(对于NLP问题)，所以我想检查分类和回归的选项。
浏览 0提问于2018-07-04得票数 2
4回答
我知道：
无监督学习是指在未标记的数据中寻找隐藏结构，否则，我们称之为监督学习。
回归也是一种分类，只不过它的输出是无限数的数字。
我也知道分类是一种监督学习。
但让我困惑的是：
线性回归(线拟合)是一种回归吗？如果是这样的话，为什么它的数据没有标签?例如，它的样本数据只是(1,2)，(2,3)，(1,4)这样的坐标量？
logistic回归(分类)是一种回归?如果是，为什么它的输出只是生发(值，真为假,0或1)？
有人能帮我弄清楚吗？
浏览 14提问于2014-03-15得票数 4
回答已采纳
3回答
我目前正在从事一个线性回归项目，在这个项目中，我需要收集数据，将其拟合到一个模型中，然后根据测试数据进行预测。
如果我是正确的，简单线性回归对两个变量，X(独立)和Y(相依)起作用。我有以下数据集，其中我认为time列为X，value列为Y：
+-----+------+
|value|minute|
+-----+------+
| 5000| 672|
| 6000| 673|
| 7000| 676|
| 8000| 678|
| 9000| 680|
+-----+------+
我不知道的是如何正确地将这个数据集拟合成线性回归模型。我以前使用过k-means，我用
浏览 8提问于2017-06-27得票数 3
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
2回答
黄土回归为负值
、、
我目前正在尝试将黄土回归拟合到我的数据集(生物量的纬度分布)。我使用了以下代码：
ggplot(data=test)+
geom_point(aes(y=log10(value+1), x=lat, colour=variable), alpha=0.5)+
stat_smooth(aes(y=log10(value+1), x=lat, colour=variable, fill=variable), size=1, alpha=0.1)+
scale_y_continuous("Depth-integrated biomass (mgC.m-2)")+
sc
浏览 6提问于2014-07-09得票数 2
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
给出一些预测数据集，
例如，我有不同的房价预测数据：
数据集1: 100培训和100个测试样本，50个特征
数据集2:100个培训和100个测试样本，120个特性
数据集3:1000个训练和1000个测试样本，50个特征
数据集4:1000个训练和1000个测试样本，5000功能
如何从这些数据集的下列数据中选择最佳的方法来估计线性回归模型中的未知参数(预测价格)？
普通最小二乘
逐步回归
主成分回归
偏最小二乘回归
我应该一个接一个地对这些数据进行实验，并比较结果，还是根据数据集对何时使用它们有任何规则？
请帮帮忙
浏览 0提问于2015-06-01得票数 6
我想问一个关于多参数线性回归模型的问题。问题如下:我们现在有100家公司的数据，对于每一家公司，我都有三个季度的参数A，B，C，D的数据。(我们可以称之为A1，A2，A3，B1，B2，B3..etc)我们假设A和BCD之间存在某种关系(我们还不知道，需要找到)，现在我们需要预测第四季的A，即A4……
我的方法是用普通的最小二乘公式计算关系，并以A4=x1*B4+x2*C4+x3*D4的形式得到最终的公式。我通过简单地对B，C，D进行线性回归得到B4，C4，D4，但问题是我用这种方式得到的A4比仅仅对A进行线性回归更糟糕。
有人能告诉我这个问题的更好的解决方案吗？谢谢
浏览 2提问于2017-08-27得票数 0
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
当将GBM与二元分类的逻辑回归进行比较时，两者各有优缺点。我有兴趣了解数据集的长度(行数)与适合样本的可靠性之间的一般权衡。
显然，数据越多，预测结果就越可靠(其他的数据都是相等的)。数据行越多，GBM对真实数据集的预测能力就越强。所以我想知道是否有一个粗略的经验法则，当你说数据太小，不能使用GBM，更好地使用逻辑回归。我知道逻辑回归在某些情况下可能更有预见性，但我的理解是GBM通常优于GBM。
我特别感兴趣的是，预测变量的数量远远少于可用变量的总数。例如，我们有100个变量，其中10个可能对目标变量具有很高的预测性。
我知道所有的好处，火车/测试集和简历。但这也不总是起作用的。例如，您的同事
浏览 0提问于2017-11-20得票数 2
2回答
我有一个连续评分从-100到+100的文本。我试图把它们分为积极的或消极的。
如何执行二项式日志回归以获得测试数据为-100或+100的概率？
我得到的最接近的是SGDClassifier(惩罚=‘l2’，alpha=1e-05，n_iter=10)，但是当我使用二项式日志回归来预测-100和+100的概率时，这并没有提供与相同的结果。所以我猜这不是正确的功能？
浏览 5提问于2014-08-15得票数 3
回答已采纳
1回答
有两个宽度为thk、内径为rad的半圆，由sep分隔，如图所示(红色为-1，蓝色为+ 1)。上半圆的中心与下半圆的边缘的中间对齐。当sep >=为0时，此任务是线性可分的，而当sep <0时，则不是线性可分的。设置rad = 10，thk =5，sep =5。然后，统一生成2,000个示例，这意味着每个类大约有1,000个示例。 描述问题的图： ? 我使用逻辑回归将数据集分成半圆。当sep为负值时，logistic回归的结果不是最好的。 我想在数据集中添加一个新的非线性特征，之后logistic回归会产生更好的结果。
浏览 26提问于2020-07-07得票数 0
回答已采纳
1回答
我在表单y = a/(a-(x+b))和几个数据{x, y}上有一个函数。我需要用这些数据来近似a和b，所以可能是非线性回归。
我如何做到这一点，并可能在C#中实现它？
谢谢你的回答。巴斯蒂安
浏览 0提问于2017-11-10得票数 1
回答已采纳
5回答
这是一个关于线性回归的设计问题。以下是我们的数据集的一些信息：
我们的数据集有8个特征，其中3个是绝对的。我们愿意进行线性回归来拟合我们的目标数据。
我们已经尝试了包括我们的所有8个功能(分类编码为整数)，并进行线性回归。
我们还尝试了提取分类特征，并对我们的三个分类特征的每一个可能组合运行线性回归算法。当然，在很多回归过程中都会产生这样的结果(每个类别都有4个可能的值，确切地说是64 )。
后一种方法给我们带来了更好的结果。因此，修复分类特征并为每个组合创建一个新的数据集，最终会给出更好的估计。
关于我们的数据，这能告诉我们什么？
分类特征使得数据非线性，那么它们真的应该被删除吗？例如，分类
浏览 0提问于2018-03-05得票数 3
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
我在为泰坦尼克号的凯斯做学习任务。
我有不同的预测精度，如果我执行线性回归手动分离数据或使用cross_val_score。logistic回归也是如此。
示例.
-线性回归.
手册
Algorithm = LinearRegression()
kf = KFold(dataset.shape[0], n_folds=3, random_state=1)
predictions = []
for train, test in kf:
train_predictors = (dataset[Predictors].iloc[train])
train_target = dat
浏览 2提问于2015-08-22得票数 1
1回答
我通常是Python的新手，在建立线性回归模型时遇到了困难。我需要使它从一个大型excel数据集(.csv)的训练和测试集。
我已经拆分了数据集：
import pandas as pd
import numpy as np
df = pd.read_csv('C:/Dataset.csv')
df['split'] = np.random.randn(df.shape[0], 1)
split = np.random.rand(len(df)) <= 0.75
training_set = df[split]
testing_set = df[~sp
浏览 4提问于2017-05-01得票数 2
问题非常简单:如何在Xmgrace上使用错误条执行线性回归？我知道我必须将数据加载为XYDY (我的文件是第三列上有y-错误的3列文件)，但我不知道在执行线性回归时如何告诉他使用错误条。
浏览 0提问于2016-05-06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：
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
2回答
我正在学习python，我想在.csv数据集上执行一个简单的线性回归。我已经成功导入了数据文件。如果我有8个五年的数据，我想做简单的线性回归，我该怎么做呢？数据是按县/州列出的。所以我的头是县，州，1980,1985等等。感谢任何人的帮助。
浏览 75提问于2018-08-11得票数 -2
我正在做一个线性回归任务，我只知道简单线性回归的概念，我们给出一个'x‘值，它预测'y’值。
我使用特定的算法生成了100到100000之间的半随机数，并将结果保存在CSV列中。
现在我想用这个列训练一个线性回归器，它学习这些数字之间的序列，然后根据我给它的最后一个数来预测一个数字。
或我可以使用LSTM将此问题作为序列生成问题来处理。LSTM是一种很好的方法吗?在此方法中，我将输入这个一维数据集，并在此基础上生成更多的数字？
我只有一个列，它是x列，没有y列。我搜索了“如何在一维数据上使用线性回归”，但一无所获。
有没有办法对一维数据进行线性回归来预测一个数字？在这个任务中，
浏览 3提问于2020-04-21得票数 0
在MATLAB中，文献表明fitclinear使用支持向量机或logistic回归，fitcsvm也是支持向量机。
而且，fitclinear通常更快。为什么？
两者之间有什么区别？
浏览 9提问于2017-09-27得票数 0
回答已采纳
1回答
如何确定我的机器学习模型的最佳策略？例如，让我们考虑一个场景，其中我正在处理线性回归，并希望比较三种不同的方法。第一种方法涉及使用所有特征作为输入，第二种方法需要手动选择最相关的特征作为输入，第三种方法涉及到实现主成分分析(PCA)。考虑到这三种方法，是否应该使用k-折叠交叉验证来评估每一种方法，而不需要再培训模型，然后比较交叉验证的结果以确定最佳的方法而不使用测试数据集？
浏览 0提问于2023-06-01得票数 0
2回答
我对两个数据集进行了回归分析，每个数据集都有大小50。一个数据集称为Spatial %，另一个数据集称为Min values，我想检查两者是否相关。我在SPSS中进行了分析，得出的散点图如下：
📷
我没有那么多的经验，但在我看来，一条线并不是完全适合这种分散的情节。电源线更适合吗？或者你还有什么建议？
浏览 0提问于2015-11-12得票数 3
回答已采纳
1回答
📷
我试图建立一个基于许多变量的房屋销售价格线性回归模型(基于这个Kaggle挑战https://www.kaggle.com/c/house-prices-advanced-regression-techniques的数据)。
上面的分布是二楼的面积，以平方英尺为单位，y轴是销售价格。它显示出一个明显的线性，除了没有二楼的房屋显然不是以0美元出售的事实。
我有许多这样的变量，它们有一些阈值，无论是上的还是下的，对于单个值都有很大的响应分布。如果我简单地排除这些值，那么这条曲线的截距将通过原点。我是否应该让这种情况出现，并假设0美元的价格标签将被我回归中的其他变量所纠正？
处理/拟合这样的数据
浏览 0提问于2016-10-18得票数 1
回答已采纳
3回答
我学习Logistic回归已经有些日子了，我认为logistic回归的数据集的标签应该是1或0，对吗？
但是当我查找库的时，我看到标签值是连续数(例如1.0086，1.0089...)，我是不是遗漏了什么？
请注意，libSVM库可用于解决回归问题。
非常感谢！
浏览 1提问于2013-01-19得票数 3
2回答
我一直在比较sklearn中的不同回归模型，在这样做的过程中，我对我得到的模型的评分值感到困惑。在下面的代码中，您可以看到我同时使用了线性回归和岭回归，但是训练和测试数据集的分值差异很大。 using Linear Regression
from sklearn.linear_model import LinearRegression as lr
model = lr()
model.fit(X_train, y_train)
model.predict(X_test)
print("LINEAR REGRESSION")
print("Training Score
浏览 19提问于2019-04-25得票数 0
1回答
如何改进我的回归模型？
、、、、
我比其他人更多地寻求理论建议。这是我的第一次实际工作，现在我已经做了几件事，我现在有点被困住了:我不知道该往哪个方向看，才能改进我的模型。
我有什么样的数据
我有一个关于人口的数据集。每一项都是属于某一类别(我的特征)的人占居民总数的百分比。我有52观察和35特性，所以有一个52x35 input matrix。所以我的目标是1D-vector of 52元素，这些也是百分比。
male female students employees freelancers unemployed catholics...
city1 ##% ##% ##% #
浏览 0提问于2018-03-03得票数 0
1回答
数据集的机器学习分析
、、、、
我有一个数据集，其中包括房屋，不同的特点，和它的价格。我试图对这个数据集做一个高级分析，我已经使用不同的回归技术，如岭回归、拉索回归和弹性网络回归，做了房价预测分析。
此外，我想做机器学习分析与数据集。对于上述数据集，我能做什么样的预测？有人有什么想法请告诉我吗？？
浏览 0提问于2020-01-24得票数 -1
3回答
大数据回归
、、、
我有两个变量的数据(y，x)：每周7年数据(364周)，用于80,000组。我需要按组对数据进行降级，并对y进行回归(x加上需要创建的8个虚拟变量)。有364*80,000*10，或约3,000万个数据点。我在服务器上“借”了一个帐户，发现回归至少需要144 of的内存。我通常无法访问这台服务器，我的计算机只有24 of的内存。
而不是inv(X'X)X'Y，我想把回归分解成8部分。回归1使用前10,000个组的数据。这使得X1'X1和X1'y1回归2使用了10,001到20,000组的数据，并给出了X2'X2，X2'y2等等，其中X_j =x_
浏览 5提问于2015-02-21得票数 4
我尝试使用LinearRegression来分析多变量(例如随机森林、sklearn等)。使用Python的数据帧。
然而，它显示了一个巨大的RMSE，所以我尝试对我的数据应用非线性回归。
我想运行一个非线性回归来预测商品的价值，使用大量的数据(例如，质量，生产年份，工厂数量，整体状况和许多类别……)。
我试着在谷歌和Stackoverflow上寻找，但我只能找到使用curve_fit，polyfit的方法，它已经预测了X和Y之间的函数形式。另外，我的输入数据键值大于10，所以我想使用ML或其他一些软件包来应用非线性回归。
请帮助我并给我建议！
浏览 1提问于2020-02-01得票数 0
我搜索了这个问题，得到的答案是一个一般的回归模型，而不是一个单变量的线性回归模型。如果你增加变量的数量，你可以拟合一条曲线，而不是线到数据点，这些数据点应该在一条线上，但是如果我的模型只是一条直线，拟合100个样本呢？
一个简单的y= mX +c模型。
这种型号有可能过火吗？
浏览 0提问于2023-04-26得票数 0
2回答
我已经为我的数据拟合了一个回归模型，它提供了一个很好的r2。
fit <- lm(time ~ poly(ladder,3), data=red.corr)
在我的数据框中，我有一个包含“阶梯”度量的列。我想用这个回归模型来预测“时间”的值。
任何帮助都非常感谢！
浏览 2提问于2020-06-21得票数 1
3回答
我需要更多地了解特性数量与线性模型回归之间的关系，基于Andreas C. Müller和Sarah Guido所著的“机器学习与Python入门”一书第47页的这一段：
对于具有许多特征的数据集，线性模型可能非常强大。特别是，如果你有比训练数据点更多的特征，那么任何目标y都可以完美地建模(在训练集上)为一个线性函数。
它是如何用线性代数来解释的？
谢谢
浏览 0提问于2018-08-04得票数 0
回答已采纳
1回答
我正在使用ggplot绘制面板数据，并且我想将我的固定效果模型"fixed“的回归线添加到图中。这是当前的代码： # Fixed Effects Model in plm
fixed <- plm(progenyMean ~ damMean, data=finalDT, model= "within", index = c("sireID", "cropNum"))
# Plotting Function
plotFunction <- function(Data){
ggplot(Data, aes(x=dam
浏览 35提问于2021-08-25得票数 1
回答已采纳
1回答
经过预处理后，我的数据集由160万行和17000列组成。我想对这些数据使用逻辑回归，但是每次加载数据集时，流程都会被终止。是否有一种方法可以通过在每次迭代中更新系数来训练一个逻辑回归模型。滑雪板对我的问题有什么支持吗？
浏览 0提问于2019-02-18得票数 1
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
