linear-regression

0熱度

1回答

我對統計數據很感興趣，並深入瞭解最佳方式以及如何根據天氣數據分析性能數據。我的假設是性能數據受天氣數據影響，我想證明這一點。我試圖在散點圖上繪製日常性能數據& meantemp數據做迴歸分析，看起來很奇怪。我認爲這是由於天氣數據的負面價值。下面是所有可用給我的天氣信息：霧，雨，雪，冰雹，雷電，龍捲風，meantempm，meantempi，meandewptm，meandewpti，mea

0熱度

1回答

如何根據每個方面的因子創建兩個不同的迴歸線？ R，ggplot2

我正在嘗試爲每個方面（按性別）基於exercise = 0或exercise = 1創建兩個不同的行。第一個代碼沒有facet_wrap，基於性別的兩行代碼是不同的。第二個代碼是facet_wrap，兩行似乎是同一行。我怎樣才能改變代碼，使兩條線在每個方面都有所不同？ ggplot(cdc, aes(weight,wtdesire, color = exercise, group = inter

1熱度

2回答

使用Tensorflow的多變量線性迴歸

我想用tensorflow實現多變量線性迴歸。我有一個包含200行和3列（功能）的csv文件，最後一列作爲輸出。事情是這樣的：我寫了下面的下面的代碼： from __future__ import print_function import tensorflow as tf import numpy as np import matplotlib.pyplot as plt impor

2熱度

2回答

從最佳擬合線發現斜率趨勢

我想弄清楚如何從具有點的最佳擬合線確定斜率趨勢。基本上，一旦我有了傾斜的趨勢，我想在同一個陰謀中繪製多條其他線條。例如：這個情節基本上是我想要做的，但我不知道該怎麼做。正如你所看到的，它有幾條最佳擬合線，點的斜率在x = 6處相交。在這些線之後，它有幾條基於其他斜坡趨勢的線。我假設使用這段代碼我可以做類似的事情，但我不確定如何操作代碼來做我想做的事情。 import numpy as np i

0熱度

1回答

Heteroskedasticity是否已解決？

我創建了兩個連續變量收入和費用的線性迴歸模型。前者是自變量，後者是依賴變量。我最初發現模型中存在異方差性，然後考慮數據的擴散，然後計算一個估算函數（Breusch-Pagan測試），該函數計算出p值爲012e2.2e-16。由於這小於0.05的顯着性水平，我拒絕了有同方差的零假設，並得出異方差確實存在的結論。在試圖糾正我用下面的代碼用於對因變量的Box-Cox變換的異方差： lmodI = lm

0熱度

1回答

Scikit瞭解sklearn.linear_model.LinearRegression：查看模型的結果產生

所以，我可以得到sklearn.linear_model.LinearRegression來處理我的數據 - 至少沒有提出任何例外情況或警告來運行該腳本。唯一的問題是，我不想用matplotlib繪製結果，而是想看看模型的估計值和診斷統計量。我怎樣才能獲得一個模型總結如斜率和截距（B0，B1）中，R的平方調整等繪製此的在控制檯顯示或填充到一個變量，而不是？這是我跑的腳本的普通副本： impor

5熱度

1回答

R線性迴歸中的分類變量

我想將R中的線性迴歸擬合爲具有3個級別的分類變量。特別是，我的數據是這樣的： Y = 1, X= "Type 1", A=0.5 Y = 2, X= "Type 2", A=0.3 Y =0.5,X= "Type 3", A=2 難道我只是做到以下幾點： lm(Y~ X+ A)？

0熱度

2回答

在Python中使用隨機梯度下降進行嶺迴歸

我正在嘗試使用隨機梯度下降作爲求解器來實現Python中嶺迴歸的解決方案。我對SGD代碼如下： def fit(self, X, Y): # Convert to data frame in case X is numpy matrix X = pd.DataFrame(X) # Define a function to calculate the error gi

1熱度

1回答

WEKA中的貝葉斯線性迴歸

WEKA是否有貝葉斯線性迴歸執行？微軟Azure有貝葉斯線性迴歸https://msdn.microsoft.com/en-us/library/azure/dn906022.aspx這在我的情況下表現更好，WEKA的線性迴歸。

0熱度

1回答

包含Nans的線性迴歸

我正在研究一個可以預測來自其他觀點的數字的模型。爲此，我將使用Sklearn的線性迴歸。例如，我有5個代理從女巫收集數據隨着時間的推移他們在每次迭代最後的變化，如果他們還沒有插入它，數據包含Nan，直到他們的第一次變更。數據看起來像這樣： a1 a2 a3 a4 a5 target 1 nan nan nan nan 3 4.5 2 4 nan nan nan 3 4.5 3 4 5