预测因子组合的回归预测
是一种统计分析方法，用于预测一个或多个因变量（目标变量）与多个自变量（预测因子）之间的关系。通过建立回归模型，可以根据已知的自变量值来预测因变量的值。
回归预测可以分为线性回归和非线性回归两种类型。线性回归假设因变量与自变量之间存在线性关系，而非线性回归则允许因变量与自变量之间存在非线性关系。
预测因子组合的回归预测在实际应用中具有广泛的应用场景。例如，在金融领域，可以使用回归预测模型来预测股票价格、汇率变动等；在销售领域，可以使用回归预测模型来预测产品销量、市场需求等；在医学领域，可以使用回归预测模型来预测疾病发展趋势、药物疗效等。
腾讯云提供了一系列与回归预测相关的产品和服务，包括：
- 机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习算法和模型，可以用于构建回归预测模型。
- 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，可以用于数据预处理和特征工程，为回归预测模型提供输入数据。
- 弹性MapReduce（https://cloud.tencent.com/product/emr）：提供了大数据处理和分析的能力，可以用于处理大规模数据集，支持回归预测模型的训练和评估。
- 人工智能开放平台（https://cloud.tencent.com/product/ai）：提供了多种人工智能技术和工具，如自然语言处理、图像识别等，可以用于回归预测模型的辅助分析和结果解释。
总结起来，预测因子组合的回归预测是一种重要的统计分析方法，可以应用于各个领域的数据预测和决策支持。腾讯云提供了一系列与回归预测相关的产品和服务，帮助用户构建和部署回归预测模型，实现精准的数据预测和分析。
相关·内容
2回答
岭回归与Lasso回归
、、、
拉索回归还是弹性网络回归总是好于岭回归？
我对一些数据集进行了这些回归，结果总是一致的，即均方误差在拉索回归中最小。这只是巧合，还是无论如何都是如此？
浏览 3提问于2019-05-25得票数 1
回答已采纳
背景
gbm package的参考手册说明了interact.gbm函数计算了Friedman的H-统计量来评估变量相互作用的强度。H-统计量为0-1.
dismo package的参考手册没有引用任何关于gbm.interactions函数如何检测和建模交互的文献。相反，它给出了用于检测和建模交互的一般过程的列表。dismo vignette“促进了回归树的生态建模”指出，dismo包扩展了gbm包中的功能。
问题
dismo::gbm.interactions实际上是如何检测和建模交互的？
为什么
我之所以问这个问题，是因为gbm.interactions在dismo package中产生
浏览 3提问于2015-04-05得票数 16
回答已采纳
我有一个关于岭回归的问题，以及当数据集很大时它的好处(相对于OLS)。当数据集较大时(例如50,000 vs 1000)，脊线回归的好处是否消失了？当数据集足够大时，常规的OLS模型难道不能确定哪些参数更重要，从而减少对惩罚项的需求吗？当数据集较小且存在高方差的空间时，岭回归是有意义的，但对于大型数据集，我们是否期望它的预期好处(相对于OLS)消失？
浏览 0提问于2020-12-04得票数 1
回答已采纳
我的预测器有两个等级：
>table(predictor)
predictor
1 2
12115 4257
我的回应还有两个层面：
> table(response)
response
1 0
12115 4257
因此，很明显，这里有一个完美的线性相关。但是，当我在之后进行logistic回归和预测时，我得到了以下结论：
logit = glm(response~predictor, data=data, family="binomial")
pred = predict(logit, newdata=data, t
浏览 1提问于2014-01-21得票数 1
2回答
我都快疯了，想弄清楚这件事。如何在R中定义在二元逻辑回归中使用的参考水平？那么多项逻辑回归呢？现在我的代码是：
logistic.train.model3 <- glm(class~ x+y+z,
family=binomial(link=logit), data=auth, na.action = na.exclude)
我的响应变量是"YES“和"NO”。我想预测某人回答“是”的概率。
我不想将变量重新编码为0/ 1。有没有一种方法可以告诉模型预测“是”？
谢谢你的帮助。
浏览 2提问于2014-04-25得票数 19
回答已采纳
我有一个数据帧df，看起来像这样。 Color Rejection
Red 0
Orange 0
Yellow 1
Green 1
Blue 1 我想运行一个对数回归，其中“蓝色”是0，1可以是红色、橙色、黄色或绿色。 我的对数回归设置如下所示。 glm(
formula = Rejection ~ Color,
data = df,
family = binomial(link="logit")
) 在回归分析中，如何设置“蓝色”为默认值，而其他颜色为x变量的"1“？
浏览 19提问于2019-01-09得票数 0
1回答
我目前正在学习R，我在这个领域相对缺乏经验。希望我能从你们那里得到一些建议！
我正在进行一个项目，在这个项目中，我必须估计不同工作项(任务)的平均处理时间。
我有以下面板数据：
我的样本大小是n=2000单个工人，和T=10 (每段时间间隔为四个星期)
自变量:51个不同的工作项。我有每个工作项的计数数据(每个员工在四周内执行这些数据的次数)
因变量:工人的总工作时间(超过4周)
我分析的目的是找出回归系数(这是每个工作项目平均完成时间的估计值)。我也可能包括其他的回归者(除了工作项目#)，如经验，年龄.我的模特。
y= Bo + B1*X1 +...+Bk*Xk +e
y:工作总时数
X：
浏览 0提问于2018-07-04得票数 1
1回答
我在尝试运行回归分析时遇到了问题。我想研究大脑区域内特定受体密度与该区域与大脑中另一个区域的功能连接性之间的相关性。另外，我在我的模型中加入了年龄和尼古丁剂量的变量。但是，当我运行回归时，输出包括有关变量的特定级别的统计信息，而不仅仅是整个变量的影响。此外，奇怪的是，只有特定的级别提供了统计数据，而不是所有级别。例如，它将为我的低尼古丁大鼠和生理盐水大鼠提供p值，但对于高尼古丁组则不会。知道是怎么回事吗？ 这是我的数据框中的一部分： Rat Age.x Dose Mean_1 Log_Avg
6 Adult LN -0.0053 0.0244
10 Adol HN
浏览 6提问于2020-12-01得票数 0
回答已采纳
2回答
标题说明了一切，我在生成因子变量时对它进行了排序，现在我想删除排序，并将其用作无序因子变量。另一个问题是，如果我在回归中使用因子变量作为预测变量，它是有序的(序数)还是简单的因子变量(分类)，对R是否有影响？
浏览 0提问于2013-07-11得票数 16
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
如何在SPSS中使用1个预测变量(个性得分)和8个因变量(污名得分对8个不同的案例研究)进行回归分析？
我试着使用这个过程，就像在之前的文章中看到的那样：
分析-一般线性模型-多变量-列出8个IV作为结果变量框，并在协变量框中列出IV(个性
虽然这使我不必做8个独立的线性回归-我不能以这种方式获得完整的输出。
我点击了options框并选择了参数估计，但没有针对回归或R值的复选框。有人知道如何使用这种多变量技术获得完整的输出吗？
浏览 36提问于2014-12-19得票数 0
我有一个回归模型，它最适合使用弹性网络来求解。它有非常多的预测因子，我只需要选择其中的子集。此外，预测因素之间可能存在相关性，因此弹性网络是最佳选择)
我的问题是:如果我知道输出中必须存在特定的预测器子集(它们不应该受到惩罚)，那么如何将这些信息添加到弹性网络中？或者甚至回归模型，如果弹性网络在这种情况下是合适的。
我需要关于论文的意见，提出这样的解决方案，如果可能的话。
我在Python中使用Scikit-learn，但我更关心的是算法，而不仅仅是如何做到这一点。
浏览 0提问于2015-07-23得票数 0
对于我所做的线性回归模型，我想回顾一下结果的回归图。但是，由于我输入了大小为6的参数和目标(因此输出)为4，所以当我使用以下代码：源代码时会出错。
pyplot.scatter(x_train, y_train)
pyplot.plot(np.sort(x_values, axis=0,prediction)
pyplot.show()
浏览 0提问于2018-07-12得票数 0
我试图学习线性回归预测的复杂性，我想问两个问题：
，，我有一个因变量(称为X)，并且，比方说，10个自变量。我可以使用lm()生成一个模型。但我的问题是:生成一个模型(或者更有可能是多个模型)的目的是识别X的单个最佳预测器，还是发现X的最佳预测因子的最佳组合？我以为是后者，但在网上读了几个小时之后，我现在不确定了。
，如果目标是发现X的最佳预测因子组合，那么(一旦我确定了该组合)，如何正确地绘制组合？绘制一条线是容易的，但是对于一个组合，应该是(a)绘制10条不同的回归线(每个自变量一条)还是(b)绘制一条以某种方式表示组合的单条线？我已经提供了我正在使用的summary()，以防它有助于回答
浏览 1提问于2022-04-09得票数 -1
1回答
我有一个有4712条记录的数据集。Label Yes - 1558记录和Label No - 3554记录.
我在网上读到，1:10 rule是基于较低级别发生的频率。
在我的例子中，较低级别发生的频率是1558。
根据1:10规则，我是否正确地认识到，它的计算方式类似于1558/10 = 155.8进一步等于150个预测因子
因此，在logistic回归中，我可以在模型中使用150个变量/输入特性，而不存在过度拟合的风险。我说的对吗？
顺便说一句，我们还必须看看frequency of the other (high occuring) class来确定我可以使用的预测因子的no吗？如果是的
浏览 0提问于2020-01-02得票数 0
回答已采纳
1回答
当输入用傅里叶变换表示时，我试图预测输入的响应。这些特征通常表示为向量，x_1,x_2,...,x_d，其中d是傅里叶变换的长度。根据我的理解，每个这样的d维向量都可以作为回归模型的输入。输出是y_1，它是一个标量实数，另一个输出y_2表示另一个标量实数。这些都是因变量。我有N数的d维数，傅里叶变换的例子，每一个被y_1和y_2标记。
问题1)当任务是用输入傅里叶变换预测一个输出响应时，那么这个问题被称为单变量回归吗？是由输入的维度(即d>1)或输出的维度(即1)关联的单变量
问题2)当任务是共同预测两个响应变量-- y_1和y_2时，这个问题被称为多元回归吗？
浏览 0提问于2019-12-30得票数 3
回答已采纳
我正在用偏最小二乘回归来分析R中的一些数据。当我完成回归时，我偶然发现了两个名为"x.scores“和"y.scores”的矩阵。他们是什么，他们代表什么？
#Input:
install.packages("plsdepot")
library("plsdepot")
plsExample = plsreg2(data.frame.x, data.frame.y, comps = numComponents)
summary(plsExample)
#Output:
Length Class Mode
x.
浏览 0提问于2018-07-20得票数 1
回答已采纳
我有一个名为data的数据集，它有481092行。
我将data分成两个相等的部分：
第一部分(第1行:第240546行)称为train，用于glm()；
第二部分(第240,547 : 481,092行)称为test，用于验证模型；
然后我开始回归：
testreg <- glm(train$returnShipment ~ train$size + train$color + train$price +
train$manufacturerID + train$salutation + train$state +
浏览 0提问于2016-05-18得票数 0
我想在r包boxTidwell中使用car来改进线性回归的结果。然而，它总是不起作用。代码如下：
library(car)
boxTidwell(mpg~cyl+disp+hp+drat+wt+qsec, data=mtcars)
结果表明：
lm.fit(cbind(1，x1.p，x2)，y，.)中的错误：‘x’中的NA/NaN/Inf
有人能告诉我错误的原因吗？如何使boxTidwell运行？
浏览 1提问于2017-08-04得票数 0
我试图对我的数据做一个Logit回归，但是我遇到了一个问题，每当我试图拟合它时，我就会得到一个错误：
LinAlgError: Singular matrix
我不明白为什么会这样。我的dataframe并不全是零/1，但是它只包含了1s的一小部分。以下是样本：
formula = 'wage ~ I( (33 > age) & (age >= 65) ) + I( (50 > age) & (age >= 33) ) + I( (65 > age) & (age >= 50) )'
test = [0 for i
浏览 4提问于2020-11-12得票数 0
回答已采纳
1回答
在Kaggle上通过一个关于回归的内核时，提到了数据应该看起来像正态分布。但是我不明白为什么？我知道这个问题可能很基本，但请帮助我理解这个概念。 提前感谢！！
浏览 29提问于2019-06-27得票数 1
回答已采纳
我正在使用keras为回归任务构建一个简单的神经网络。但是，输出总是倾向于地面真实y数据的“平均值”。见第一个图，蓝色是地面真理，红色是预测值(非常接近地面真理的常量平均值)。
而且，即使我设置了一个学习epoch=100，该模型也会很早就停止学习。
任何人都有想法，在什么条件下神经网络会停止早期学习，为什么回归输出倾向于地面真理的“平均值”？
谢谢!
浏览 4提问于2016-10-05得票数 6
回答已采纳
1回答
我是一个新的R用户，我使用的是一个多项式回归(也就是用多个类的响应变量进行logistic回归)。在我的数据集中，R中的函数'vglm‘有11个连续的预测器和一个响应变量，这三个类都是绝对的。
我想得到我的回归最好的子集，但我不知道如何做。是否有此功能，或者我必须手动执行。因为线性函数似乎不合适。
我试过最好的函数，但它的结果似乎不适用于多项式回归。
我也尝试过一种收缩法，与套索相关的glmnet。它选择模型中的所有变量。但另一方面，使用vglm的多项式回归将一些变量作为无关紧要的变量。
我在互联网上搜索了很多，包括这个网站，但没有找到任何好的答案。所以我在这里问是因为我真的需要帮助。
浏览 2提问于2016-12-09得票数 0
1回答
我正在使用Microsoft机器学习工作室来预测股票市场的价格。我们有变量-指数价格(目标-被预测)，低价格，高价格，日期和日期。我们使用分裂的0.7和运行线性回归。平均绝对误差为109。然后，我们尝试添加更多的变量(正向影响指数价格的宏观经济因素)，这些变量与目标变量相关，并且应该改进预测--我们发现平均绝对误差增加到110，我已经附上了这些图供您参考。我们是解释错了，还是做错了什么？PS:我们也尝试过增强树回归--但是上面描述的问题是相同的。错误
浏览 0提问于2019-03-06得票数 0
2回答
考虑到多元回归(如Y ~ X1 + X2 + X3 )，当cor(X1, Y)、cor(X2, Y)和cor(X3, Y)都是0.2等小值时，您认为是否值得将多元回归模型与数据进行拟合，而且(X1, Y)、(X2, Y)和(X3, Y)的曲线没有(线性、非线性)不相关？
总而言之，
当每个自变量与因变量(视觉上是线性的和非线性的)不相关时，多元回归模型是否有可能给出显著的系数？
对于相同的数据，神经网络等非线性模型是否有可能得到良好的预测结果？
浏览 6提问于2017-09-28得票数 0
我正在研究几个因素的影响:睡眠时间，学习时间，焦虑程度，抑郁程度…学生的期末考试成绩。 当我做单变量线性回归分析时，所有的模型都是显着的(因为期末考试分数是一个因变量)，尽管有些模型的R^2很小。 然后尝试将所有的预测因素放入一个多元线性回归模型中，结果表明，除了学习时间外，大多数预测因素都是不显著的，在单变量和多变量分析中，学习时间是显着的，具有较大的R^2。 我应该如何在我的论文中解释这一点？可以有这样的结果吗？或者我应该搜索另一个模型？
浏览 16提问于2020-08-25得票数 0
正如您所知道的，使用选项CORRB，您可以让SAS中的逻辑回归或线性回归输出估计矩阵的相关性。有趣的是，我不确定如何阅读这个矩阵。我有两个变量，它们显然是强正相关的。从PROC CORR可以看出，这两个变量的皮尔逊相关系数是0.7+。但是来自逻辑回归和线性回归的估计矩阵给了我-0.7。相关性的强度大致相同，但符号是相反的。有谁能解释一下吗？非常感谢。
浏览 0提问于2011-05-30得票数 1
回答已采纳
我知道，当我通过回归预测单个值时，没有必要对神经网络的输出进行缩放。
如果我的多个输出在10^-2和10^4之间变化，那么是否有必要规范我的神经网络的输出？我的直觉告诉我，损失函数可能忽略较小的值，而只关注较大的值。
浏览 0提问于2018-08-15得票数 4
回答已采纳
试图理解logistic回归的应用。我有以下数据：
Gender Age No.transcation Transaction
female 18-24 138485 4047
male 18-24 144301 3766
female 25-34 248362 7559
male 25-34 295800 8126
female 35-44 265514 7171
male 35-44 379872 9047
female 45-54 295002 7072
male 45-54 421432 9648
fe
浏览 1提问于2015-11-26得票数 2
回答已采纳
我在SPSS中运行cox回归，并将值为1、2、3、4的'age-quartiles‘作为变量。如何根据这些四分位数计算上述预测因子P的疾病风险D，并将第一个年龄四分位数“1”作为参考组？在这种情况下，年龄不是分析中的预测因子。
浏览 16提问于2020-05-28得票数 0
回答已采纳
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
在python中，我正在用logistic回归建立一个波动预测模型。我的模型精度是0.47，而且只预测了0。实现的y变量实际上是81个零和92个1。
我拥有的数据集只有几个特性和220个用户(记录)。如果我设定一个参考时间，它甚至更少(训练集约有123条记录，测试集约有173条记录)。因此，我认为样本规模太小，无法使用logistic回归。但是我仍然尝试，因为这只是一个样本测试，所以我只得到了这个小的数据集。(理论上有更多的数据)
from sklearn.linear_model import LogisticRegression
logreg = LogisticRegression()
浏览 0提问于2019-05-14得票数 0
回答已采纳
我试图从具有二进制结果的日志二项式回归中获得RR。有两个分类变量:治疗和组，两个数字变量:年龄和BMI。但是我得到了一个错误错误:找不到有效的起始值:请指定一些。可以问我如何修复这个错误吗？
N <- 50
data.1 <- data.frame(Outcome=sample(c(0, 0, 1), N, rep=T), Age=runif(N, 8, 58),
BMI=rnorm(N, 25, 6), Group=rep(c(0, 1), length.out=N),
treatment=rep
浏览 0提问于2021-03-12得票数 1
如何在多项逻辑回归中检验多重共线性？我有25个自变量和1个因变量。在25个独立变量中，17个变量是连续变量，8个变量是分类变量(具有两个值:是/否或足够/不足)。我想检查这些自变量之间的多重共线性。我正在使用R，提前谢谢！
浏览 76提问于2019-02-27得票数 0
1回答
以下是我的问题：
1) I运行了一个多元线性回归:假设如下：
lm(attitude~quality+price+location+Income)
我主要关心的是态度和质量之间的关系，其他变量是控制变量。
2)然后我想做一个态度和质量之间的散点图。这很容易：
Q <-ggplot(data=data, aes(x=quality, y=attitude))
Q + geom_point(size = 1)
3) I进一步绘制了x与y之间的拟合线，斜率应是多元线性回归的偏回归系数。也就是说，它应该是以下公式中的attitude=b1*quality+b2*price+b3*locatio
浏览 0提问于2018-07-03得票数 5
它应该是什么格式？我说的是二元逻辑回归，我的因变量已经是1和0。
> str(data$returnShipment)
int [1:481092] 0 1 1 0 0 0 0 1 1 1 ...
整数是正确的还是应该是什么？谢谢
浏览 2提问于2016-05-03得票数 0
1回答
我试图用一些解释变量来预测一个变量，每个变量都没有视觉上可以检测到的关系，也就是说，每个回归者和预测变量之间的散点图完全是平坦的云。
我采取了两种方法：
1)进行个体回归，产生的关系根本不显著。
2)一旦我尝试了多变量回归的多个组合，我就得到了一些组合的显着关系(虽然这些组合不稳定，也就是说，一个变量在一个环境中是显着的，而在另一个环境中则失去了意义)。
我想知道，如果基于1)，也就是说，在个人的基础上，似乎根本没有任何关系，我可以得出结论，一个多变量的蟑螂也注定会失败？
浏览 2提问于2018-04-06得票数 2
回答已采纳
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
回归与分类的特征选择
、、、、
新来的机器学习，所以请容忍我，谢谢！
我有三个问题要问，所以如果你在回答时提到问题号会很有帮助。
因此，在应用机器学习算法之前，我希望对我的训练数据进行特征选择。我将使用相同的数据集在许多不同的ML算法上运行，以决定什么是最好的，所以如果我只需要进行一次特征选择并将新的数据集传递给不同的算法，那么效率就会更高。
注意:我正在Python3中编码，我将使用BorutaPy进行特性选择。
问题1)
在执行特征选择之前，我需要知道我使用的是什么算法吗？或者，我可以只执行我的特征选择，然后使用任何算法，即特征选择取决于使用的算法类型？
问题2)
对于回归和分类问题，我可以执行相同的特征选择吗？
问题3
浏览 1提问于2018-02-28得票数 1
回答已采纳
我是线性回归的新手，所以我希望你能帮助我解释带有两个范畴预测变量和一个相互作用项的多元线性回归的输出。
我做了以下线性回归：
lm(H1A1c ~ Vowel * Speaker, data=data)
元音和说话人都是绝对变量。元音可以是“呼吸”，“模态”或“吱吱”，有四个不同的说话人(F01, F02, M01, M02)。我想看看这两个类别的组合是否可以预测H1A1c的值。
我的输出是：
如果我错了，请纠正我，但我认为我们可以从这个输出中看出，我的大部分变量之间的关系不能被描述为线性。我不太明白的是如何解释第一个p值。当我在googled上搜索时，我发现所有其他的p-values都引用了
浏览 3提问于2017-11-02得票数 0
1回答
我不知道这里是否适合提出这个问题。不管怎么说，我正在用支出数据做预测。使用自回归，我能够很好地预测下面的数字，但我想改进这一点。我还有另外两个因素，它们预测不像滞后因素那样好，但在模型中仍然很有用。
我的问题是:即使我使用的是预测器的滞后版本，将这些因素包括在模型中是否有效？自回归是否意味着要使用的唯一因素是预测值的滞后版本？
我无法显示数据，因为它是敏感的，我的问题是更多的是关于自回归和预测工作的一般情况。
谢谢你的帮助。
浏览 0提问于2018-10-11得票数 0
回答已采纳
当试图测试logistic回归模型的预测准确性时，得到了这个结果。看起来不太对劲。感谢任何人的帮助！ > dput(head(test$subscribed))
structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = c("no", "yes"), class =
"factor") 输入 predictions <- predict(final_model, test, type = "response")`
class_pred<- as.factor(ifelse(p
浏览 22提问于2020-12-14得票数 1
回答已采纳
我在R中拟合了一个简单的多元线性回归模型，并输出了如下的ANOVA输出：
是否有方法使输出与MINITAB ANOVA输出相匹配：
浏览 6提问于2022-06-18得票数 1
1回答
我想在文本挖掘的特征上使用KNN，同时对我的其余特征使用另一种回归。有没有可能以某种方式组合两个回归模型来预测单个标签？我应该把我的数据集分成两个不同的吗？
我目前正在使用pandas和sklearn。
浏览 0提问于2019-05-18得票数 0
2回答
假设我正在做一个人工智能，用多元回归来预测在紧急情况下需要多少辆警车。当使用线性回归时，它高估了一半的时间，低估了另一半的时间。但我不能低估，但如果估计过高的话，还是可以的。我应该用哪种方法来防止这种情况？
我在用Python BTW。
浏览 0提问于2019-10-13得票数 2
回答已采纳
1回答
我想看看雄性物种是否会影响雌性对雄性求爱的反应。我使用的是逻辑回归，因为回应是成功(女性对男性求爱的回应)和失败(女性不回应求爱)：
behavior <- structure(
list(male = c("speciesB", "speciesB",
"speciesB", "speciesB","speciesB", "speciesB",
"speciesB", "speciesA", "speciesA", "spec
浏览 4提问于2018-01-04得票数 2
回答已采纳
我想知道如果我使用R-package randomForest在随机森林模型中包含两个级别的变量，实际会发生什么。我熟悉在多级数据上使用逻辑回归，其中您必须指定级别。随机森林也有类似的东西吗？或者，我是否可以将国家级变量和个人级变量放在同一随机森林模型中，并比较所有变量的重要性？
会很感谢你的帮助的。
浏览 1提问于2017-05-21得票数 2
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
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
