regression

6열

1답변

자기 상관 문제를 다루기 위해 패널 데이터에서 일반화 된 최소 제곱 모델 (R에서 gls)을 사용하려고합니다. 어떤 변수에 대해서도 어떤 래그도 갖고 싶지 않습니다. 내 일반화 최소 사각형 모델 (gls)에서 자기 상관 문제를 확인하기 위해 Durbin-Watson 테스트 (R은 dwtest)를 사용하려고합니다. 그러나 dwtest은 gls 기능에 적용 할

1열

1답변

가중치 적용 샘플 (sklearn)을 사용한 탄성 그물 회귀 또는 올가미 회귀

Scikit-learn을 사용하면 표본 가중치를 선형, 물류 및 산마루 등의 회귀에 제공 할 수 있지만 탄성 그물 또는 올가미 회귀는 허용하지 않습니다. 샘플 가중치에 따르면 입력에 대한 각 요소 (및 해당 출력)의 중요성은 다양하므로 가중치에 비례하여 추정 계수에 영향을 주어야합니다. 내 견본 가중치를 통합하기 위해 ElasticNet.fit()에 전달하

0열

1답변

2 차항과 선형 및 2 차항 동시 사용

데이터 세트에서 예측할 수있는 최상의 모델을 생성해야하는 데이터 분석 랩에서 작업 중입니다. 선형 용어와 함께 예측 변수로 상호 작용 용어 (2 차항)를 포함하는 회귀 모델은 선형 용어 만 사용하는 해당 모델보다 일반적입니다. 선형 용어를 사용하는 것이 두 가지 방법을 모두 사용하는 것보다 효과가 좋은 것은 언제입니까? 개인적인 용어가 그다지 관련이 없다면

0열

1답변

SQL에서 가중 회귀

저는 SQL에 익숙하지 않아 누군가가 나에게 희망적인 조명을 줄 때까지 기다리고 있습니다. 간단한 선형 회귀를 사용하여 저장 프로 시저를 얻습니다. 이제 lamda, 즉 l, lamda, 2, ..., lamda^n의 할인 계수를 사용하여 일부 가중치를 적용하려고합니다. n은 원래 시리즈의 길이입니다. 할인 된 무게 시리즈를 생성하고 아래의 현재 코드 구조

0열

1답변

Tensorflow 문제

나는 tensorflow를 배우려고 노력하고 있으며, tensorflow가 자사의 웹 사이트 튜토리얼에서 제공하는 선형 회귀 코드를 수정하여 2 차 회귀를 수행했습니다. 그러나 선형 모델 에서처럼 손실을 줄이는 대신 손실이 폭발하고 왜 그렇게하는지 알 수 없습니다. 코드, 파이썬 2.7.12에 : A: [ -1.85999073e+10] B: [ -6.900

2열

2답변

Scikit에서 혼합 다항식을 찾는 것은 벡터 회귀를 지원합니다.

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*

0열

1답변

GridSearchCV를 사용하여 각 매개 변수 세트에 대한 예측을 얻는 방법은 무엇입니까?

나는 다음과 같은 코드로 GridSearchCV를 사용하여 NN 회귀 모델에 가장 적합한 매개 변수를 찾으려고 노력 해요 : 내가 알고있는 것처럼 param_grid = dict(optimizer=optimizer, epochs=epochs, batch_size=batches, init=init grid = GridSearchCV(estimator=mod

0열

1답변

두 가지 주요 구성 요소를 병합 할 수 있습니까?

나는 커다란 성격 특성에 대해 회귀를하고 있으며, 출생 순서가 그러한 특성에 어떻게 영향을 미치는지 알아 보려고합니다. 먼저 이러한 특성을 포착하는 설문 조사를 기반으로 5 가지 변수를 작성하려고합니다. 카테고리 (특성)에서 각 질문에 대한 인형을 만든 다음 평균을 취하는 방법에 대해 생각해 보았지만 질문 중 일부는 상관 관계가 높기 때문에 무게가 잘못되었

0열

1답변

lightgbm.sklearn.LGBMRegressor가 단순한 라인에 맞지 않았습니다.

저는 LightGBM에서 새롭고 LGBMRegressor를 통해 간단한 선을 맞추려고합니다. import numpy as np import lightgbm as lgbm xs = np.linspace(0, 10, 30).reshape((-1, 1)) ys = np.linspace(0, 10, 30) reg = lgbm.sklearn.LGBMRegr

0열

1답변

고차 선형 회귀와 함께 cross_val_score를 사용하는 방법은 무엇입니까?

나는 우리가 lnrreg = LinearRegression() scores = cross_val_score(lnrreg, X, Y, cv=4, scoring='neg_mean_squared_error') 으로 단순 선형 회귀 분석에서 교차 유효성 검사를 할 수 있다는 사실을 알고하지만 우리는 고차의 선형 회귀에 cross_val_score() 어떻게해