Y中缺少数据的回归后的predict.lm
是指在进行线性回归分析时，如果因为某些原因导致因变量Y中存在缺失数据，可以使用predict.lm函数来预测这些缺失数据的值。
predict.lm是R语言中lm函数的一个方法，用于基于已有的线性回归模型对新的数据进行预测。在Y中存在缺失数据的情况下，可以使用predict.lm函数来填补这些缺失值，从而得到完整的数据集。
使用predict.lm函数进行预测时，需要提供已有的线性回归模型对象以及包含预测所需自变量的数据集。函数会根据模型的参数估计值和给定的自变量数据，计算出对应的因变量的预测值。
优势：
- 填补缺失数据：predict.lm函数可以通过线性回归模型对Y中缺失的数据进行预测，从而使得数据集更加完整，方便后续的分析和应用。
- 灵活性：predict.lm函数可以根据不同的自变量数据进行预测，适用于各种不同的应用场景。
应用场景：
- 数据预测：当因变量Y中存在缺失数据时，可以使用predict.lm函数进行预测，填补这些缺失值，以便进行后续的数据分析和建模。
- 数据补全：在某些情况下，由于数据采集或其他原因，导致部分数据缺失，可以使用predict.lm函数对缺失数据进行补全，以便进行全面的数据分析。
推荐的腾讯云相关产品和产品介绍链接地址：
腾讯云提供了多种云计算相关产品，其中包括：
- 云服务器（CVM）：提供弹性计算能力，可根据实际需求灵活调整计算资源。详情请参考：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（CDB）：提供高性能、可扩展的关系型数据库服务，适用于各种应用场景。详情请参考：https://cloud.tencent.com/product/cdb_mysql
- 人工智能平台（AI Lab）：提供丰富的人工智能开发工具和服务，支持开发者构建和部署各类人工智能应用。详情请参考：https://cloud.tencent.com/product/ailab
- 云存储（COS）：提供安全可靠的对象存储服务，适用于存储和管理各种类型的数据。详情请参考：https://cloud.tencent.com/product/cos
- 区块链服务（BCS）：提供一站式区块链解决方案，帮助用户快速搭建和管理区块链网络。详情请参考：https://cloud.tencent.com/product/bcs
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行决策。
相关·内容
2回答
我不明白当因变量Y的一些值丢失时，如何使用predict.lm命令从线性回归生成预测值，即使没有独立的X观测值丢失。从代数上讲，这不是问题，但我不知道在R中做这件事的有效方法。以这个假的数据帧和回归模型为例。我尝试在源数据帧中分配预测，但由于缺少一个Y值而无法执行此操作:我得到一个错误。
# Create a fake dataframe
x <- c(1,2,3,4,5,6,7,8,9,10)
y <- c(100,200,300,400,NA,600,700,800,900,100)
df <- as.data.frame(cbind(x,y))
# Regress X
浏览 24提问于2017-07-04得票数 4
回答已采纳
1回答
我有两个非空的数据文件：training和testing。每个数据文件都有两列：Y和X，按顺序排列。我将线性回归分析应用于training，具体如下：
m <- lm(Y ~ X, data = training)
我想将这种拟合产生的系数应用于testing中的数据，以获得对象m中相同类型的可用信息，以便进一步分析和数据可视化。我该怎么做？
浏览 2提问于2014-11-18得票数 2
回答已采纳
1回答
我在R中对一些数据集进行了回归分析，并尝试预测每个独立变量对数据集中每一行的因变量的贡献。
所以就像这样：
set.seed(123)
y <- rnorm(10)
m <- data.frame(v1=rnorm(10), v2=rnorm(10), v3=rnorm(10))
regr <- lm(formula=y~v1+v2+v3, data=m)
summary(regr)
terms
浏览 4提问于2017-12-17得票数 6
回答已采纳
我正在分析一个数据集，其中回归中的误差项的方差对于所有观察值都不是恒定的。为此，我重新构建了模型，使用coeftest函数估计异方差-鲁棒(Huber-White)标准误差。现在，我想使用这些新结果通过predict()函数进行预测。 数据集如下所示，但有多个X： set.seed(123)
x <- rep(c(10, 15, 20, 25), each = 25)
e <- c()
e[1:25] <- rnorm(25, sd = 10)
e[26:50] <- rnorm(25, sd = 15)
e[51:75] <- rnorm(25, sd = 2
浏览 17提问于2019-05-09得票数 0
1回答
我想观察一个治疗变量对我的结果Y的影响。我做了一个多元回归：fit <- lm (Y ~ x1 + x2 + x3)。x1为处理变量，x2、x3为控制变量。我使用了包含x2和x3的预测函数。我绘制了这个预测函数。
现在我想在我的图中添加一条线，类似于一个简单的回归abline，但是我不知道怎么做。
我想我必须使用行(x，y)，其中y = predict和x是变量x1的值序列。但是R告诉我y和x的长度是不同的。
浏览 1提问于2016-12-01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
2回答
我相信这是可以做到的，只是不确定如何做到！我有一个大约500行(Csv)的数据集，它显示了足球运动员与stas的比赛(例如，传球，射门)等。我有他们的一些工资(大约10)，我试图用线性回归方程来预测他们的工资。
在下面的图中，如果Y是薪水，有没有办法在R上实现本质上的自动人口？根据我现有的十份薪水，剩下的薪水会是多少？
lm(y ~ x1 + x2 +x3)
任何帮助都将不胜感激。
浏览 1提问于2015-05-12得票数 2
在多元回归(多个响应)的情况下，predict.lm函数似乎不起作用。它预测的只是第一反应。
示例代码：
df = data_frame(x1 = c(1:20),
y1 = x1 + rnorm(20,5,sd = 5),
y2 = 2*x1 + rnorm(20,-5,sd = 3))
m1 = lm(cbind(y1, y2) ~ x1, data = df)
m1
## Call:
## lm(formula = cbind(y1, y2) ~ x1, data = df)
## Coefficients:
浏览 5提问于2015-09-09得票数 0
此R代码抛出一个警告
# Fit regression model to each cluster
y <- list()
length(y) <- k
vars <- list()
length(vars) <- k
f <- list()
length(f) <- k
for (i in 1:k) {
vars[[i]] <- names(corc[[i]][corc[[i]]!= "1"])
f[[i]] <- as.formula(paste("Death ~", paste(vars[[i
浏览 10提问于2014-10-25得票数 45
我需要您的帮助，在R中创建一个数据框架，其中包含每个预测变量的单独列。这一“新数据”将用于回归后的预测线。
经典的在线例子如下：
data=read.csv("some_path", header=TRUE)
fit<- with(data, lm(y1 ~x1))
pred<-predict.lm(fit, newdata=data.frame("x1"=some_number))
该模型有三个步骤：
对自变量x1...xn.执行简单的auto.arima预测。
fit_x1<- auto.arima(x1, stepwise = FALS
浏览 3提问于2021-04-07得票数 1
回答已采纳
我正在尝试从多个多线性回归中输出系数，存储每个系数，然后将这些系数乘以未来的数据集，以预测未来的收入。
总共有91个回归。编号为0到90的每个'DBA‘各一个。这些数据与680个日期进行了对比。
我有一个循环，它运行所有的回归并输出系数。我需要帮助存储每个唯一的91个系数向量。
x = 0
while(x<91) {
pa.coef <- lm(formula = Final_Rev ~ OTB_Revenue + ADR + Sessions,data=subset(data, DBA == x))
y <- coef(pa.coef)
print(
浏览 0提问于2018-05-17得票数 2
3回答
在R中绘制回归线
、、、、
我想在R中画一条简单的回归线。我已经输入了数据，但回归线似乎不正确。有人能帮帮忙吗？
x <- c(10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120)
y <- c(10, 18, 25, 29, 30, 28, 25, 22, 18, 15, 11, 8)
df <- data.frame(x,y)
plot(y,x)
abline(lm(y ~ x))
浏览 7提问于2016-09-28得票数 8
回答已采纳
给定两个简单的数据集：
head(training_set)
x y
1 1 2.167512
2 2 4.684017
3 3 3.702477
4 4 9.417312
5 5 9.424831
6 6 13.090983
head(test_set)
x y
1 1 2.068663
2 2 4.162103
3 3 5.080583
4 4 8.366680
5 5 8.344651
我想在训练数据上拟合一条线性回归线，并使用这条
浏览 0提问于2016-10-02得票数 8
回答已采纳
1回答
我执行多元线性回归： dependent <- c(1, 3, 2, 4, 6, 8)
independent_a <- c(1, 2, 3, 6, 5, 4)
independent_b <- c(0, 3, 2, 5, 9, 8)
model <- lm(dependent ~ independent_a + independent_b)
summary(model) 预测的数据显示在fitted(model)上。如何获得这些值的不确定性？ 我知道我可以从截距的不确定性和summary(model)显示的系数中应用误差传播来计算它们。然而，这种计算将假设对不确定
浏览 31提问于2020-11-30得票数 0
回答已采纳
在下面的示例中，当使用公式(y~x)调用的插入符号：：train函数生成模型时，predict函数会生成错误。如果模型是使用x，y规范生成的，则可以使用预测函数。为什么会这样呢？应该使用x，y规范吗？直到现在，我还以为它只是基于用户的喜好？有没有一种方法可以使预测函数与公式规范一起工作？
我曾认为由于因子变量的使用，模型可能会有所不同。然而，这些模型似乎产生了相同的回归方程。样本内预测没有差异。
library(ggplot2)
library(caret)
data("diamonds")
set.seed(42)
trainIndex <- createDataPar
浏览 5提问于2018-01-08得票数 4
在自然科学的许多领域中，通常的做法是将线性回归分析的结果报告为y = (a1 +- u(a1)) + (a2 +- u(a2)) * x，包括R2和p，而不是原始数据。u( a1 )和u( a2 )是a1和a2的不确定度(标准误差)。我如何用这些信息计算置信度和预测区间，或者有一个“合理”的估计？ 让我举个例子来说明一下。这是一个虚拟数据集，具有斜率1和高斯噪声10的直线： set.seed(1961)
npoints <- 1e2
(x <- 1:npoints)
(y <-1:npoints + rnorm(npoints, 0, npoints/10)) 现在我执行线
浏览 77提问于2021-07-07得票数 0
1回答
基于R中相互作用项的线性回归预测
、、、、
我试图编写一个使用交互术语的模型，并使用该模型生成样本外预测。
我的训练样本有3个变量和11行。我的测试样本有3个变量和1行。
我的代码如下。
inter.model <- lm(Y.train ~ Y.lag.train + X.1.train + X.1.train:X.2.train)
但是，我不太确定R是如何处理交互项的。我用模型和测试数据的系数对预测进行了编码。
inter.prediction <- inter.model$coef[1] + inter.model$coef[2]*Y.lag.test +
inter.model$coef[3]*X
浏览 8提问于2022-03-31得票数 0
回答已采纳
2回答
我在绘制只覆盖x值范围的回归线时遇到了问题。我使用的唯一解决方案类似于使用abline，它在整个图中生成回归线。 我的数据帧“速率”： structure(list(subpop = structure(1:13, .Label = c("BB", "DS",
"FB", "GB", "KB", "LS", "MC", "NB", "NW", "SB", "SH", "VM", "WH"
浏览 18提问于2019-10-16得票数 1
回答已采纳
1回答
非常基本的R发亮的问题，我确信。我想要在玩具数据集上运行线性回归，使用它根据使用过的输入预测相应的值，并从给定和预测的值绘制一条到回归线的线。
当我运行它时，我得到了错误:侦听警告：'newdata‘有1行，但是找到的变量在段中有6行错误( newData，0，newData，newData.pred，newData.pred= "red")：无效的第一个参数
所以我意识到这就是我处理用户输入的方式。我不想接受他们给出的数值，把它输入predict.lm并画出结果线。如果可能的话，Id也希望文本能够给出predict.lm输出。
ui.R
library(shiny)
浏览 3提问于2015-02-26得票数 0
回答已采纳
目的是预测基于多元回归模型的新观测值。
该模型包括两个因素("ec“与效果编码，"dc”与虚拟编码)和一个数字变量( "num“)加上"ec”和“num”的交互项。
但是，基于新数据的predict.lm函数失败。
# Dependent variable
y <- rnorm(12, 50, 10)
# Independent variables
# Dummy coding
dc <- factor(x=c("Schlecht", "Gut", "Mittel", "Schlech
浏览 0提问于2019-05-29得票数 2
回答已采纳
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
我有50k个客户的数据。我必须为每个客户拟合一个多线性模型，并保存系数，而不是保存完整的模型。我想将这些系数与输入特征数据相乘，得到响应值。对于一个客户模型来说， data <- data.table(x=c(6.831,20.34083,33.85067, 47.3605, 60.87033, 74.38017, 87.89),
y=c(0.2098555,0.1593422,0.1191542,0.08804057,0.06445684,0.0468659
0.03390175))
model2 <- lm(y ~ pol
浏览 9提问于2020-04-17得票数 0
1回答
这是我的数据框架，有两列Y (响应)和X (协变量)：
## Editor edit: use `dat` not `data`
dat <- structure(list(Y = c(NA, -1.793, -0.642, 1.189, -0.823, -1.715,
1.623, 0.964, 0.395, -3.736, -0.47, 2.366, 0.634, -0.701, -1.692,
0.155, 2.502, -2.292, 1.967, -2.326, -1.476, 1.464, 1.45, -0.797,
1.27, 2.515, -
浏览 3提问于2016-11-16得票数 7
回答已采纳
2回答
所以我在读，关于回归x对y的回归不会给你带来回归y~x的等价线(长话短说，你在每种情况下最小化不同的残差)，我想我应该看看是否对我的数据有任何影响。不幸的是，我不能让ggplot2的stat_smooth将x回归到y。
下面是我的数据中的100行的示例：
> dput(df)
structure(list(Sample1 = c(4.98960685567417, 3.47204999768371,
-1.02623042506767, -3.32192809488736, 4.92376518190495, 5.18057364383907,
3.37344268231229, 7
浏览 0提问于2013-03-20得票数 2
回答已采纳
1回答
我正在使用R中的Hitters数据集。目前，我从所有其他协变量中拟合预测工资的线性回归，样本大小从20到75不等，我计算了平均测试/训练误差：
data("Hitters", package = 'ISLR')
Hitters = na.omit(Hitters)
set.seed(1)
train.idx = sample(1:nrow(Hitters), 75,replace=FALSE)
train = Hitters[train.idx,-20]
test = Hitters[-train.idx,-20]
errs <- rep(NA,56)
浏览 35提问于2021-02-26得票数 0
2回答
我想在R中使用Matlab中给出的以下表达式：
y1=polyval(p,end_v);
其中p在Matlab中是：
p = polyfit(Nodes_2,CInt_interp,3);
现在在R区我有：
p <- lm(Spectra_BIR$y ~ poly(Spectra_BIR$x,3, raw=TRUE))
但是我不知道R中的哪个命令对应于Matlab中的多边形。
非常感谢！
浏览 4提问于2016-12-13得票数 2
回答已采纳
1回答
我想用R来计算多元线性回归样本外的，从我的教科书中我得到了下面的公式
哪里
这意味着我的观察被忽略了。
我尝试使用R中的以下两行来计算MSEP
fit <- lm(CO ~ weight + nico, data = df)
mean( (df$CO - predict.lm(fit, df))^2 )
不过，我相当肯定这是在-sampel MSPE。我试图对MSPE进行硬编码，最后以
MSEP <- function(df){
df <- df[, -1] # Removing "name" column
factor <- 1/n
浏览 12提问于2020-11-01得票数 0
我有一个法律项目的数据库，其中有大约20栏，分类和数字，关于法律项目本身(政客，商会，主题，涉及的政党，政治背景，发起人的性别分布，等等)。其中一列也是项目的创建日期。 一些项目已经投票通过并作为法律发布，因此我知道他们需要多长时间才能获得批准(在几天内)。 我想根据周围的数据来预测发布未发布的项目需要多长时间。 换句话说，我需要使用已发布的项目作为训练数据，而未发布的项目作为我需要预测的数据，基于已发布的项目在“days”(用于发布)列中有数字的事实，而未发布的项目没有。 我该如何做出这样的预测呢？ 下面是一个20行的样本数据帧，其中10行使用published == TRUE，10行使用
浏览 19提问于2021-10-05得票数 0
1回答
我试图做一个简单的预测，使用线性回归，我有一个data.frame，其中一些项目是缺失的价格(因此注意到NA)。这一点完全行不通：
#Simple LR
fit <- lm(Price ~ Par1 + Par2 + Par3, data=combi[!is.na(combi$Price),])
Prediction <- predict(fit, data=combi[is.na(combi$Price),]), OOB=TRUE, type = "response")
我应该用什么代替data=combi[is.na(combi$Price),])呢？
浏览 1提问于2014-03-16得票数 0
回答已采纳
1回答
我正在尝试训练和测试某个数据集中的线性回归模型。
以下是训练数据集的标题
> head(TaxiTrain)
id vendor_id pickup_datetime dropoff_datetime passenger_count
1 id2875421 2 2016-03-14 17:24:55 2016-03-14 17:32:30 1
2 id2377394 1 2016-06-12 00:43:35 2016-06-12 00:54:38 1
3 id3858
浏览 5提问于2017-08-06得票数 1
回答已采纳
考虑一个简单的数据集，分为训练和测试集：
dat <- data.frame(x=1:5, y=c("a", "b", "c", "d", "e"), z=c(0, 0, 1, 0, 1))
train <- dat[1:4,]
train
# x y z
# 1 1 a 0
# 2 2 b 0
# 3 3 c 1
# 4 4 d 0
test <- dat[5,]
test
# x y z
# 5 5 e 1
当我使用x训练逻辑回归模型来预测z并获得测试集预测时，一切都很好：
mod &
浏览 0提问于2014-03-11得票数 35
回答已采纳
我有许多线性模型存储在一个表中。现在，我想使用reach行中的模型来预测单个y值，给定相应行中的单个x值。
这一困难是由于data.table和tidyverse提取表中模型的方式造成的。predict.lm函数要求类"lm“对象在类"list”对象中。
library(data.table)
model1 <- lm( y~x, data= data.table( x=c(1,2,3,4) , y=c(1,2,1,2) ))
model2 <- lm( y~x, data= data.table( x=c(1,2,3,4) , y=c(1,2,3,3) ))
浏览 0提问于2019-07-03得票数 4
回答已采纳
我想使用stat_smooth()绘制具有多个回归变量的回归的拟合值。看起来stat_smooth()只允许使用ggplot的aes部分中指定的(x，y)数据的回归。 下面是使用x=hp和y=mpg进行简单回归拟合的典型曲线图 head(mtcars)
require(ggplot2)
ggplot(mtcars, aes=(x=hp, y=mpg))+geom_point()+
stat_smooth(method="lm", formula=y~x) 但是，我想绘制与上面相同的图，但是拟合的值应该来自具有两个回归变量的回归，例如x1=hp和x2=wt。 这个想法是，在控制
浏览 41提问于2019-05-15得票数 0
1回答
我试着用(熊猫)pd.ols和(状态模型)sm.ols用回归线得到回归散点图，我可以得到散点图，但我似乎无法得到回归线的参数。很明显，我正在这里做一些剪切和粘贴编码:-(使用此指南： )
我的数据在熊猫DataFrame中，x列是merged2 2：-1.1.lastqu，y数据列是merged2 2：-1。我的代码现在如下：
def fit_line2(x, y):
X = sm.add_constant(x, prepend=True) #Add a column of ones to allow the calculation of the intercept
model
浏览 2提问于2014-01-23得票数 4
回答已采纳
我正在尝试使用caret::train()函数从多个响应变量的数据框架中创建一个带左一出交叉验证的线性模型。我想要记录转换的一些响应变量。其他一些响应变量具有NA变量。我得到了以下错误：
Error in seq_len(p) : argument must be coercible to non-negative integer
In addition: Warning messages:
1: In predict.lm(trainlm, newdata = df2, type = "response") :
calling predict.lm(<fake-lm
浏览 2提问于2020-11-04得票数 1
回答已采纳
假设我有一个数据框架，即：
df:
x|y
1|2
2|3
3|5
4|8
如果我做了
lm(y~x)
我会得到线性模型
y=-0.5+2*x.
如何将这个线性模型的估计直接存储到数据帧，所以它看起来像
df:
x|y|estimate.from.LM
1|2|1.5
2|3|3.5
3|5|5.5
4|8|7.5
当然，这样做的一种方法就是手工创建一个新列，并将其赋值为线性模型的直接值，如
df$estimate.from.LM=-.5+2*df$x
这在本例中很容易实现。但是，当线性模型变得复杂得多的丑陋系数和更多的变量，有没有一个优雅的方法来存储他们的估计在df？
浏览 4提问于2016-06-22得票数 1
回答已采纳
我需要用线性回归。由于每个预测器分别被添加到模型中，所以我应该使用一个for循环来拟合模型。
set.seed(98274) # Creating example data
y <- rnorm(1000)
x1 <- rnorm(1000) + 0.2 * y
x2 <- rnorm(1000) + 0.2 * x1 + 0.1 * y
x3 <- rnorm(1000) - 0.1 * x1 + 0.3 * x2 - 0.3 * y
data <- data.frame(y, x1, x2, x3)
head(
浏览 9提问于2022-10-09得票数 2
回答已采纳
1回答
我试图用线性回归来绘制误差带。我正在使用R中内置的trees数据集，这是我的代码。情节里没有台词。请帮帮我！
xdev <- log(Volume) - mean(log(Volume))
xdev
ydev <- Girth - mean(Girth)
ydev
b1 <- sum((xdev)*(ydev))/sum(xdev^2)
b0 <- mean(Girth) - mean(log(Volume))*b1
plot(log(Volume) ~ Girth)
abline(coef(lm(log(Volume) ~ Girth)), col=2)
(paste
浏览 5提问于2022-12-03得票数 1
回答已采纳
我可能忽略了一些关于预测的东西--但我的多元线性回归似乎像预期的那样起作用了：
> bigmodel <- lm(score ~ lean + gender + age, data = mydata)
> summary(bigmodel)
Call:
lm(formula = score ~ lean + gender + age, data = mydata)
Residuals:
Min 1Q Median 3Q Max
-25.891 -4.354 0.892 6.240 18.537
Coefficient
浏览 0提问于2014-04-17得票数 2
回答已采纳
2回答
我使用了一个回眸窗口对动物园数据框架执行了一个多元线性回归，如下所示：
df y X1 X2 X3 X4 2015-01-05 -0.017697886 -0.0303143773 -0.037748414 -2.015346e-02 2015-01-06 0.026334273 -0.0003695332 -0.005050541 -7.924213e-03 -0.02709586 2015-01-07 -0.033780880 0.0051106504 0.006257167 8.340199e-03 -0.02316465 2015-08 0.0124208440.0330091413
浏览 3提问于2017-10-25得票数 0
回答已采纳
我正在尝试使用R中的glm进行逻辑回归。我的数据表measurement.csv的结构如下： subject,intensity,infarcted
MR101325,1.05767712056061,1
MR1017924,0.942893526332193,1
MR1034135,1.04579279903598,1
MR1048784,0.782340895322641,1
MR1085298,0.806187306821611,0
MR1132243,0.856600956071013,0
MR1140359,0.709137967989653,0
MR1142453,0.60188
浏览 23提问于2021-01-04得票数 0
回答已采纳
1回答
我有以下数据框架，其中显示了每个指标的月平均日销售量(adv)和平均销售价格(pkg_yld)以及12个月的百分比变化： df： ? 在2021年7月到2021年12月期间，我需要：(1)使用线性回归模型预测pkg_yld，然后(2)计算yoy_pkg_yld。 如上所示，这两列都显示了预测范围内的NaN。 我估计了一个粗略的回归，其中Y= adv，X= pkg_yld；估计在2020年7月到2021年6月之间： X = df['adv']
y = df['pkg_yld']
X = sm.add_constant(X)
model = sm.OLS
浏览 27提问于2021-08-18得票数 0
1回答
小鼠R模拟与回归()
、、、、
我正在使用R中的鼠标包进行多重计算，并试图理解其背后的算法。
从它的文档来看，老鼠算法被认为是被使用的。据我理解，它使用吉布斯采样器来执行MCMC，其中模拟参数β，它定义了给定Y-(所有其他变量都没有Y)的Y(带有缺失值的变量)的条件分布。利用模拟β定义了相应的条件分布。然后从条件分布中提取值，并用它替换缺失的值。它在所有缺少值的变量中重复该过程。
但是，我不明白的是，回归是在哪里发生的？在小鼠()函数中，我们确实需要指定'method‘参数。例如，“logreg”表示二项式分布变量，“polyreg”表示超过2级的因子变量。如果归责是由MCMC完成的，我们为什么要指定回归呢？
一些文
浏览 1提问于2015-01-28得票数 1
我需要训练一个回归模型，能够估计完全的预测分布，而不是点预测估计。
有什么能让R做这个的包吗？我通常使用tidymodel框架。
浏览 2提问于2021-12-23得票数 0
回答已采纳
我正在尝试编写一个函数来回归多个项目，然后尝试根据模型预测数据：
"tnt" <- function(train_dep, train_indep, test_dep, test_indep)
{
y <- train_dep
x <- train_indep
mod <- lm (y ~ x)
estimate <- predict(mod, data.frame(x=test_indep))
rmse <- sqrt(sum((test_dep-estimate)^2)/length(test_d
浏览 2提问于2011-08-07得票数 3
回答已采纳
我在尝试弄清楚如何使用plyr而不是循环传递给predict.lm的新数据来获得预测的逻辑。有人能帮上忙吗？示例：
因为我是r的新手，并且不是一个熟练的程序员，所以我的代码将非常低效。Stackflow社区:感谢您的建议，以创建问题的伪代码。我希望这能帮助我解决这个头疼的问题。
我的目标是使用在训练数据集上构建的模型中的系数对新的验证数据集进行预测。一旦我能得到解决这个问题的帮助，我最终会构建一个ARIMA以及一个线性模型。我正在构建24个回归模型。一天中每小时一个模型。我的训练数据是90天，我的验证数据是31天。
创建一些数据
require(plyr)
# setting up some
浏览 0提问于2013-09-05得票数 1
1回答
我正在尝试编写一个函数，该函数对我的数据子集运行线性回归。我想对每个id运行两个单独的回归。应该使用这些回归来添加一个新列，该列给出每个模型的剩余值。变量e_hat是我想要创建的预期结果。
#create sample data
x <- rnorm(10,10,1)
id <- c("1","1","1","1","1","1","1","1","1","1")
e <- rnorm(10,0,1)
data <
浏览 0提问于2020-05-07得票数 0
回答已采纳
我感到困惑的是，在glm()中定义一个偏移量(应该是上述的)和在predict.glm()中使用不使用日志转换偏移量的newdata定义偏移量(显然)不一致。
我用lambda=2构造了一个数据集，每个数据集有5个“处理”，唯一的区别是计数的时间，即偏移量。
pmean <- 2
Offset <- rep(c(10,31.6,100,316,1000),5)
set.seed(7919)
data <- data.frame(cnt = rpois(length(Offset),pmean*Offset),
浏览 1提问于2020-04-21得票数 4
1回答
我试图使用rollapply()和step()生成滚动逐步回归，但是注意到所得到的zoo序列的日期范围是滞后的。下面是使用两年的“数据”(2016-01-01:2017-12-31)和365天的回溯周期进行回归参数估计的插图。
在第一种情况下，会生成正确的日期范围(‘zoo’序列，从2016-12-30到2017-12-31)。在第二种情况下，会生成滞后的日期范围(‘zoo’序列，从2016-07-01到2017-07-02)。第二种情况下的日期范围应该是不可能的，因为回归需要365天的观察，数据从2016-01-01开始。在我看来，生成的滚动参数是正确的，但它们对应的日期戳是错误的。
非常感
浏览 4提问于2018-01-18得票数 0
我在互联网上读到过一些文章，认为线性回归可能过于合适。然而，当我们不使用多项式特征时，这是可能的吗？当我们有一个特征或有两个特征时，我们只是通过数据点绘制一条线，或者一个平面。
浏览 0提问于2020-08-08得票数 7
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
