Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
在 Keras 中训练多元回归模型时损失值非常大
我试图建立一个多元回归模型来使用以下特征来预测房价 bedrooms bathrooms sqft living view grade 0 09375 0 266667 0 149582 0 0 0 6 我使用标准化和缩放功能sklearn
python
machinelearning
Keras
linearregression
lossfunction
如何删除无关紧要的分类交互项 Python StatsModel
在统计模型中 添加交互项很容易 然而 并非所有相互作用都很重要 我的问题是如何去掉那些无关紧要的东西 例如库特尼机场 coding utf 8 import pandas as pd import statsmodels formula a
python
machinelearning
linearregression
StatsModels
`plot.lm()` 生成的“残差与杠杆”图中的红色实线是什么?
fit lt lm dist speed cars plot fit which 5 绘图中间的红实线是什么意思 我认为这与库克的距离无关 它是 LOESS 回归线 其中span 2 3 and degree 2 通过针对杠杆平滑标准化残差
r
plot
Regression
linearregression
LM
R rlm 模型错误:“x”是单数:“rlm”中未实现奇异拟合
我在 R 中有两个列表 y c 420 5568 693 6305 420 5568 946 9677 499 1046 946 9677 x c 32 29 32 27 31 27 我正在尝试使这些数据适合rlm使用此代码的模型 fit
r
linearregression
为什么 R 中内置的 lm 函数这么慢?
我一直以为lm函数在 R 中非常快 但正如本例所示 使用以下函数计算封闭解solve功能更快 data lt data frame y rnorm 1000 x1 rnorm 1000 x2 rnorm 1000 X cbind 1 dat
r
Regression
linearregression
LM
如何在Python中进行指数和对数曲线拟合?我发现只有多项式拟合
我有一组数据 我想比较哪一行最能描述它 不同阶的多项式 指数或对数 我使用 Python 和 Numpy 对于多项式拟合 有一个函数polyfit 但我没有发现这样的指数和对数拟合函数 有吗 或者另外如何解决 用于装配y A B log x
python
NumPy
scipy
curvefitting
linearregression
将 Numpy Lstsq 残差值转换为 R^2
我正在执行如下最小二乘回归 单变量 我想用 R 2 来表达结果的显着性 Numpy 返回一个未缩放的残差值 这将是对其进行标准化的明智方法 field clean back clean rid zeros backscatter field
python
NumPy
linearregression
使用 Python 计算线性回归标准化系数 (beta)
我想计算beta 或标准化系数 https en wikipedia org wiki Standardized coefficient使用 Python 中的标准工具 numpy pandas scipy stats 等 构建线性回归模型
python
NumPy
scipy
statistics
linearregression
python 2.7中对数对数尺度的最佳拟合线
这是以对数刻度表示的网络 IP 频率排名图 完成这部分后 我尝试使用以下方法在对数刻度上绘制最佳拟合线Python 2 7 我必须使用 matplotlib 的 symlog 轴刻度 否则某些值无法正确显示 并且某些值会被隐藏 我正在绘制的
python
matplotlib
ip
linearregression
curvefitting
绘制 pandas 时间序列数据框线性回归线的置信区间
我有一个示例时间序列数据框 df pd DataFrame year 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 count 96 184 148 154 160 149 1
python
matplotlib
scikitlearn
TimeSeries
linearregression
R通过lapply命令从乘法回归中提取回归系数
我有一个包含多个变量的大型数据集 其中一个是状态变量 每个状态编码为 1 50 我想对数据集的其余 27 个变量 总共 55 个变量 运行 28 个变量的回归 并且针对每个州 换句话说 对 covariate1 covariate2 cov
r
linearregression
lapply
使用 NumPy 进行 LMS 批量梯度下降
我正在尝试编写一些非常简单的 LMS 批量梯度下降 但我相信我在梯度方面做错了 数量级与初始值之间的比率theta的元素有很大不同theta所以要么theta 2 不动 例如 如果alpha 1e 8 or theta 1 发射 例如 如果
python
NumPy
linearregression
leastsquares
gradientdescent
python 中的分段线性回归
Is there a library in python to do segmented linear regression http en wikipedia org wiki Segmented regression I d like
python
linearregression
rstudent() 返回“mlm”的错误结果(装有多个 LHS 的线性模型)
我知道对具有多个 LHS 的线性模型的支持是有限的 但是 当可以在 mlm 对象上运行函数时 我希望结果是可信的 使用时rstudent 产生奇怪的结果 这是一个错误还是有其他解释 在下面的例子中fittedA and fittedB是相同
r
Regression
linearregression
LM
MLM
使用 R 进行时间序列预测
我有以下 R 代码 library forecast value lt c 1 2 1 7 1 6 1 2 1 6 1 3 1 5 1 9 5 4 4 2 5 5 6 5 6 6 2 6 8 7 1 7 1 5 8 0 5 2 4 6 3
r
TimeSeries
Regression
linearregression
forecasting
plot.lm():提取诊断 Q-Q 图中标记的数字
对于下面的简单示例 您可以看到在随后的图中标识了某些点 如何提取这些图中识别的行号 尤其是正态 Q Q 图 set seed 2016 maya lt data frame rnorm 100 names maya 1 lt a maya
r
plot
Regression
linearregression
LM
绘制线性回归后预测的条件密度
这是我的数据框 data lt structure list Y c NA 1 793 0 642 1 189 0 823 1 715 1 623 0 964 0 395 3 736 0 47 2 366 0 634 0 701 1 692
r
plot
Regression
linearregression
LM
拟合具有多个 LHS 的线性模型
我是 R 新手 我想用以下脚本来改进 apply函数 我读过apply 但我无法使用它 我想用lm多个自变量 数据框中的列 的函数 我用了 for i in 1 3 assign paste0 lm names data i lm form
r
Regression
linearregression
LM
MLM
摘要不适用于 OLS 估计
我的 statsmodels OLS 估计有问题 该模型运行没有任何问题 但是当我尝试调用摘要以便我可以看到实际结果时 当 a 的形状和权重不同时 我得到需要指定的轴的 TypeError 我的代码如下所示 from future impo
python
linearregression
finance
StatsModels
«
1
2
3
4
5
6
7
8
9
»