Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
从 FlinkML 多元线性回归中提取权重
我正在运行 Flink 0 10 SNAPSHOT 的示例多元线性回归 我不知道如何提取权重 例如斜率和截距 beta0 beta1 无论你想怎么称呼它们 我对 Scala 不太熟悉 这可能是我问题的一半 感谢任何人可以提供的任何帮助 ob
scala
machinelearning
linearregression
apacheflink
flinkml
回归分析中的分类特征数据和序数特征数据差异?
在进行回归分析时 我试图完全理解分类数据和序数数据之间的差异 目前 已经明确的是 分类特征和数据示例 颜色 红 白 黑为什么分类 red lt white lt black逻辑上是不正确 序数特征和数据示例 状况 旧的 翻新的 新的为什么序
特征缩放后重新缩放,线性回归
似乎是一个基本问题 但我需要在梯度下降线性回归的实现中使用特征缩放 获取每个特征值 减去平均值 然后除以标准差 完成后 我希望将权重和回归线重新调整为原始数据 我只使用一个特征 加上 y 轴截距项 使用缩放数据获得权重后 如何更改权重 以便
machinelearning
linearregression
gradientdescent
将 OLS 回归摘要打印到文本文件
我正在使用 OLS 回归pandas stats api ols用一个groupby使用以下代码 from pandas stats api import ols df pd read csv r F file csv result df
python
csv
pandas
linearregression
StatsModels
如何使 group_by 和 lm 更快?
这是一个样本 df lt tibble subject rep letters 1 7 c 5 6 7 5 2 5 2 day c 3 7 2 7 1 7 3 7 6 7 3 7 6 7 x1 runif 32 x2 rpois 32 3
r
performance
Regression
linearregression
LM
如何为 lm() 设置平衡单向方差分析
我有数据 dat lt data frame NS c 8 56 8 47 6 39 9 26 7 98 6 84 9 2 7 5 EXSM c 7 39 8 64 8 54 5 37 9 21 7 8 8 2 8 Less 5 c 5 9
r
Regression
linearregression
LM
ANOVA
R:plm——年度固定效应——年度和季度数据
我在设置面板数据模型时遇到问题 这是一些示例数据 library plm id lt c 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 year lt c 1999 1999 1999 1999 2000 2000 200
r
Regression
linearregression
plm
如何使用相关或协方差矩阵而不是使用 R 的数据框来获得回归系数和模型拟合?
我希望能够通过提供相关或协方差矩阵而不是 data frame 来从多元线性回归中回归系数 我意识到您丢失了一些与确定截距等相关的信息 但甚至相关矩阵也应该足以获得标准化系数和解释的方差估计 例如 如果您有以下数据 get some dat
r
Regression
linearregression
LM
如何在张量流中实现多元线性随机梯度下降算法?
我从单变量线性梯度下降的简单实现开始 但不知道将其扩展到多元随机梯度下降算法 单变量线性回归 import tensorflow as tf import numpy as np create random data x data np r
python
machinelearning
linearregression
tensorflow
如何使用 R 中的 lm() 函数从回归中删除不显着的因子水平?
当我在 R 中执行回归并使用类型因子时 它可以帮助我避免在数据中设置分类变量 但是如何从回归中删除不重要的因素以仅显示重要变量呢 例如 dependent lt c 1 10 independent1 lt as factor c d a
r
Regression
linearregression
在线性回归模型中包含误差项
我想知道是否有一种方法可以包含线性回归模型的误差项 例如 r lm y x1 x2 代码r lm y x1 x2 意味着我们将 y 建模为 x1 和 x2 的线性函数 由于模型并不完美 因此会存在残差项 即模型未能拟合的剩余项 在数学方面
r
linearregression
带变换的 R lm() 公式的格式
我不太清楚如何在一行中执行以下操作 data attenu x temp attenu accel 1 4 y temp log attenu dist best line lm y temp x temp 由于上述工作有效 我认为我可以执
r
linearregression
transformation
LM
如何在因子变量的多个子集上循环线性回归
我正在尝试编写一个 for 循环 该循环在因子变量的 4 个不同级别上分别运行相同的回归 相同的因变量和自变量 4 次 然后我想保存每个线性回归的输出每个级别都有大约 500 行数据 我最初的想法是做这样的事情 但我对 R 和不同的迭代方法
r
forloop
linearregression
如何调试线性模型和预测的“因子具有新水平”错误[重复]
这个问题在这里已经有答案了 我正在尝试制作并测试线性模型 如下所示 lm model lt lm Purchase data train lm prediction lt predict lm model test 这会导致以下错误 指出P
r
Regression
linearregression
Prediction
LM
使用字符串/分类特征(变量)进行线性回归分析?
回归算法似乎正在研究以数字表示的特征 例如 该数据集不包含分类特征 变量 如何对这些数据进行回归并预测价格是非常清楚的 但现在我想对包含分类特征的数据进行回归分析 有5特征 District Condition Material Secur
python
machinelearning
Regression
linearregression
featureselection
将 lm() 和 Predict() 应用于数据框中的多列
我下面有一个示例数据集 train lt data frame x1 c 4 5 6 4 3 5 x2 c 4 2 4 0 5 4 x3 c 1 1 1 0 0 1 x4 c 1 0 1 1 0 0 x5 c 0 0 0 1 1 1 假设我
r
Regression
linearregression
LM
MLM
Python 并行计算 - Scoop
我正在尝试熟悉 Scoop 库 此处的文档 https media readthedocs org pdf scoop 0 7 scoop pdf https media readthedocs org pdf scoop 0 7 scoo
“mean_squared_error”的负值
我正在使用 scikit 并使用mean squared error作为 cross val score 中模型评估的评分函数 rms score cross validation cross val score model X y cv
Regression
scikitlearn
linearregression
lassoregression
从 Leaps regsubsets 获取所有模型
我使用 regsubsets 来搜索模型 是否可以自动创建所有lm从参数选择列表中 library leaps leaps lt regsubsets y x1 x2 x3 data nbest 1 method exhaustive su
r
Regression
linearregression
LM
证明多元线性回归模型效率的最佳 RMSE(均方根误差)值范围是多少? [关闭]
Closed 这个问题不符合堆栈溢出指南 help closed questions 目前不接受答案 我是机器学习领域的新人 遵循一些简单的 ML 技术 我构建了一个基于多元线性回归的 ML 模型 用于预测系统的计算资源使用情况 因此 当我
machinelearning
linearregression
«
1
2
3
4
5
6
7
...9
»