regression相关内容
我将预测扩展到五个值from this link。现在,我想要添加新的五个预测值(New_Interest_Rate和New_Unlosives_Rate),这样我就可以将它们与原始时间序列一起绘制成一个新的数字。 import pandas as pd from sklearn import linear_model import statsmodels.api as sm Stock_
..
我有一个一般性的问题。有没有什么办法可以标识(或标记)R中回归中使用的观测数据? lligator = data.frame(lnLength = c(3.87, 3.61, NA, 3.43, 3.81, 3.83, 3.46, 3.76, 3.50, 3.58, 4.19, 3.78, 3.71, 3.73, 3.78),lnWeight = c(4.87, 3.93, 6.46, 3.
..
我的gggraph中有两条单独的回归线,每条线对应一个单独的变量。但是,与local对应的第二行不会延伸到整个图。是否有解决此问题的解决方法或使两条斜线在图形区域内均匀延伸的方法? ggplot(metrics, aes(x=popDensity, y= TPB, color = factor(type))) + geom_point() +theme_minimal() + stat_sm
..
我遇到了一个问题,我正在尝试构建我自己的类以放入到python中的管道中,但它不起作用。 我尝试解决的问题是一个多类分类问题。 我要做的是在管道中添加一个步骤来检测和删除离群值。 我发现这个detect and remove outliers in pipeline python与我所做的非常相似。 这是我的班级: from sklearn.neighbors import Lo
..
我想知道是否有办法编写逻辑测试(TRUE/FALSE)来显示lme4包中的模型是否已收敛? 下面是一个示例,我想捕获是否有任何模型带有收敛警告(即Model failed to converge)消息? library(lme4) dat
..
DataSet和DataLoader的部分正常,我回收了我构建的另一个代码,但在代码中的该部分有一个无限循环: def train(train_loader, MLP, epoch, criterion, optimizer): MLP.train() epoch_loss = [] for batch in train_loader: optimizer.zero_gr
..
我要加载我以前训练的模型,然后使用新的训练数据更新此模型。但我发现这项任务很难完成。 我从Weka Wiki了解到 可以以增量方式训练实现weka.ategfiers.Updateable分类器接口的分类器。 但是,我训练的回归模型使用的是weka.classifiers.functions.MultilayerPerceptron分类器,该分类器没有实现可更新分类器。 然
..
是否可以在sklearn中运行带有和不带有预测值(即只有截取)的回归(例如,Logistic回归)?这似乎是一个相当标准的类型分析,可能这个信息已经在输出中可用。 我找到的唯一相关内容是sklearn.svm.l1_min_c,但这将返回一个非空模型。 我正在寻找类似的东西,只截取的回归(Y = a + ε)与标准回归(Y = a + bX + ε):http://www.philen
..
我正在尝试按照这篇博客文章中引用的结构(http://sqldatamine.blogspot.com/2013/12/true-multiple-regression-using-sql.html)在Snowflake中构建一个多元回归模型,但我正在努力使其适应Snowflake的SQL结构,特别是使用Java脚本中的存储过程。 以下是我试图复制的博客帖子的部分: declare @
..
我正在处理一个回归问题,我使用StackingRegressor来训练数据,然后在测试集上进行预测。出于模型可解释性目的,我使用了SHAP,如下所示: import xgboost from sklearn.ensemble import RandomForestRegressor from sklearn.ensemble import StackingRegressor import s
..
我有一些时间序列数据,我想计算Pandas过去n天的GroupWise滚动回归,并将该回归的斜率存储在新列中。 我搜索了较旧的问题,它们要么没有得到回答,要么使用了Pandas OLS,我听说Pandas OLS已被弃用。 我想我可能可以将df.rolling.apply()与scipy.stats.linregress函数结合使用,但我找不出一个lambda函数来做我想做的事情。
..
四处看看,也找不到我的问题的答案,终于不再潜伏了。我一直在创建多个散点图,将每一列与其他列进行比较,如下所示 我使用了脚本 attach(`File`) plot(`Files`[,c(2,3,4,5,6,7,8)]) 但是,我似乎无法正确输入将回归线和R2值注释到图表上的命令。 推荐答案 以下是解决方案。假设Z是您的设计矩阵。 z=matrix(rnorm(50
..
我正在试验MultiOutputRegressor(),我想知道一旦测量到损耗后,是否有可能达到多输出回归任务的Trains&;Testset上的损耗曲线。 我尝试的内容: import matplotlib.pyplot as plt import numpy as np #from sklearn import datasets, ensemble #from sklearn
..
我正在使用betareg程序包进行测试版回归,但收到以下错误: OpTim中的错误(par=启动,fn=logLike,gr=gradun,方法=方法,: OpTim提供的非限定值 我可以将此错误追溯到为optim创建初始值。具体地说,这些betareg.fit行使用lm.wfit生成起始值。 结果,我的数据集的一个起始值被返回为NA。我不确定为什么会这样,因为lm.wfit的数据/
..
我正在对具有一致的自变量集的结果变量列表进行多变量回归。对于单变量回归,我遵循this example在嵌套数据框上使用tl_uvregressionfromgtsummary,但我试图通过在嵌套数据框上使用tbl_regression将其推广到多变量回归,当我尝试unnest表时,我得到了输入必须是向量列表的错误。&下面是我尝试过的-我假设我遗漏了一些小但关键的步骤,但我找不出它是什么。我想要的
..
我正在寻找一种在R中使用BROOM和DPLYR执行多步回归的方法。我使用多步回归作为回归分析的占位符,在这些占位符中,您可以集成以前回归模型的最终回归模型元素,如FIT或残差。工具变量(IV)回归的2SLS方法就是这种多步回归的一个例子。 我的(分组)数据如下: df
..
我希望对FEATURE_A执行线性回归,并希望用户动态选择另一个变量。我还想显示有关我的整体预测模型拟合调整后的R2、每个模型估计的参数系数和系数p值的统计信息。 下面是我能想到的。不用说,这是行不通的。我一直在努力解决这个问题,任何帮助我都将不胜感激。 library(shiny) library(ggplot2) library(dplyr) library(purrr)
..
我见过像this one这样的类似帖子,它们说收到错误消息说:Coefficients: (1 not defined because of singularities)是因为lm()调用中使用的预测值之间几乎完全相关。 但在我的例子中,预测值之间没有近乎完美的相关性,但在lm()的输出中仍有一个系数(X_wthn_outcome)返回NA。 我想知道返回NA的系数有什么问题?
..
我不知道“对数回归”是否是正确的术语,我需要在我的数据上拟合一条曲线,就像一条多项式曲线,但末尾是平坦的。 这是一张图片,蓝色的曲线就是我所拥有的(二阶多项式回归),洋红色的曲线就是我需要的。 我搜索了很多,但没有找到,只有线性回归,多项式回归,但没有在skLearning上的对数回归。我需要绘制曲线,然后使用该回归进行预测。 编辑 以下是我发布的绘图图像的数据: x
..
我正在训练Keras(python,后端:TensorFlow)中的神经网络作为回归。因此,我的输出层不包含激活函数,并且我使用均方误差作为我的损失函数。 我的问题是:我希望确保所有产量估计的总和(几乎)等于所有实际标签的总和。 我的意思是:我不仅要确保每个训练示例i的(Y_Real)^i~(Y_Recast)^i,而且要保证sum(Y_Real)=sum(Y_Recast),对所有i求和
..