목표 : 여러 치료법을 사용한 성장 곡선의 회귀 분석 (ggplot 곡선 및 모델 매개 변수)을 얻고 싶습니다. 나는 영양원 N = {x, y}에서 자라는 세균 배양 C = {a, b, c, d}에 대한 데이터를 가지고 있습니다. 그들의 이상적인 성장 곡선은 (세포 배양 매 시간마다의 탁도를 측정)과 같이 보일 : 에 대한 계수 곡선을 얻기 위해 8 개 개
제가 알고 있듯이, Scikit에서 벡터 회귀를 지원하는 것은 그 정도를위한 정수를 취합니다. 그러나, 저차 다항식을 고려하지 않은 것처럼 보입니다. 다음 예제의 실행 : import numpy
from sklearn.svm import SVR
X = np.sort(5 * np.random.rand(40, 1), axis=0)
Y=(2*X-.75*X*
출력 y를 제공하는 일련의 입력 (x1, x2, ..., xn)이 있다고 가정합니다. 목표는 아직 보이지 않은 x1 ... xn의 값에서 y를 예측하는 것입니다. 이 문제는 기계 학습 영역에서 회귀 문제로 모델링 할 수 있습니다. 그러나 데이터가 계속 전송된다고 가정 해 보겠습니다. x1 ... xn에서 y를 예측할 수 있습니다. 또한, 그 예측이 좋은 것
나는 STATA에 의해 위의 비선형 모델을 추정하려고합니다. 불행히도 Stata에 만족하지 않습니다. Stata에서 위 함수를 작성하는 데 도움을 줄 수 있습니까? Stata에서 nl 명령에 지역 더미, 시간 고정 효과 및 국가 고정 효과를 어떻게 쓸 수 있습니까? Stata의 위 공식에 합계를 쓰는 방법이 있습니까? 또는 각 개별 영역의 방정식을 더 쉽게
Fox & Weisberg을 기반으로 brian s. cheng과 같은 로그 함수를 사용하여 비선형 회귀를하고 싶습니다. 은 내가 most pain-free way 을 가고 싶어하고 nls 갔다,하지만 난 어떤 NaN, Inf or similar이없는 것을 확인 오류 Error in lm.fit(x, y, offset = offset, singular.ok
전형적인 Sigmoid 단위 대신 ReLUs를 사용하여 DNN을 교육하고 싶습니다. 분류 문제 (softmax layer)에 대해 아래 예제를 성공적으로 구현했지만 회귀 예측을 구현하려고합니다. 내 데이터 세트는 부하 예측을 기반으로합니다. enter link description here
저는 함수 Y = a + b * (x)^c와 x와 y의 실험 값리스트를 가지고 있습니다. 파이썬에서 어떻게 커브 피팅을 수행하고 매개 변수 a, b 및 c의 값을 찾을 수 있습니까? x y
5.107 3.57
15.593 4.09
178.942 9.19
351.23 14.3
523.172 19.41
1039.449 32.17
나는 Knn 회귀 분석법과 나중의 커널 평활화에 대해 조사 중이다. 내가 여기에 9.2에서 "knn.reg"사용하는 방법에 대한 설명을 따르도록 시도하고있다 x = runif(100,0,pi)
e = rnorm(100,0,0.1)
y = sin(x)+e
: 나는 나는 다음과 같은 코드를 사용하여 데이터 세트를 생성 한 R.에서 플롯을 사용하여 이
에 맞게 새로운 데이터를 예측하기 위해 적합한 매개 변수를 사용하십시오. I는 모두 다양한 데이터 군에이 모델을 실행 opt_parms, parm_cov = o.curve_fit(eq_m, x, y,maxfev=50000)
lamb , mu, sigm = opt_parms
: 그러나이 eq_m 비 선형 따라서 I가 다음 코드를 사용하여, 람다, 뮤 시
X와 Y는 상관 관계가 없습니다 (0.3). 그러나 X를 2 개의 (A, B) 다른 변수들과 함께 Y를 예측하는 임의의 포리스트 분류기에 X를 배치하면 X와 두 개의 다른 변수 (A, B)가 Y의 중요한 예측 변수입니다. 두 개의 다른 (A, B) 변수도 Y와 상관 관계가 없습니다. 통계 및 기계 학습 아이디어에 따라 어떻게 해석 할 수 있습니까? 변수가