Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
如何仅打印(调整后的)回归模型的 R 平方?
我是 R 初学者 我有一个关于空气污染的数据集 这些列是站点 测量浓度和可能影响浓度的 80 个变量 v1 v80 我想用我自己的代码创建一个基于 R squared adj 的前向逐步回归模型 所以我不想使用诸如 step 或 regsu
r
linearregression
在 R 中使用 PCA 删除变量
我尝试搜索此内容但找不到信息 我正在使用 10 个变量 1 个 y 变量和 9 个 x 变量 进行线性回归 所有变量都是相关的 我想看看我是否需要所有 9 个变量 如何使用 PCA 的数据来消除变量 我使用以下方法对所有 10 个变量进行了
r
linearregression
警告消息“newdata”有 1 行,但在 R 中找到的变量有 16 行
我应该使用预测函数来预测何时fjbjor是 5 5 我总是收到此警告消息 我尝试了很多方法 但它总是出现 所以有人能看到我在这里做错了什么吗 这是我的代码 fit lm lt lm fjbjor amagn data bjor summar
r
Regression
linearregression
LM
Predict
线性回归上的 R 循环
我浏览了论坛 但找不到我要找的东西 我想运行几次简单的线性回归 每次使用不同的列作为自变量时 因变量保持不变 运行后 我希望能够从每个回归中提取 R 平方 我的思考过程是使用一个简单的 for 循环 但是 我无法让它发挥作用 假设我使用以下
r
loops
Regression
linearregression
LM
如何用Python进行二维回归分析?
首先 我对Python不熟悉 对Python代码的机制还勉强了解 但我需要通过Python做一些统计分析 我尝试了很多很多方法来弄清楚但我失败了 基本上 我有 3 个数据数组 假设这些数组是X Y Z 我做了一些分析 X Y and Z Y
python
plot
Regression
linearregression
使用 lm() 和 Predict() 进行滚动回归和预测
我需要申请lm 到我的数据框的扩大子集dat 同时对下一次观察进行预测 例如 我正在做 fit model predict dat 1 3 dat 4 dat 1 4 dat 5 dat 1 dat nrow dat 我知道我应该为特定子集
r
Regression
linearregression
LM
Predict
求解正规方程会给出与使用“lm”不同的系数?
我想使用以下方法计算一个简单的回归lm和普通矩阵代数 然而 我从矩阵代数获得的回归系数只有使用矩阵代数获得的回归系数的一半lm我不知道为什么 这是代码 boot example lt data frame x1 c 1L 1L 1L 0L
r
Regression
linearregression
LM
leastsquares
在 R 中为 LM 模型创建变量列表循环
我正在尝试从变量组合列表创建多个线性回归模型 如果更有用的话 我也将它们单独作为数据框 变量列表如下所示 Vars x1 x2 x3 x1 x2 x4 x1 x2 x5 x1 x2 x6 x1 x2 x7 我正在使用的循环如下所示 for
r
forloop
linearregression
Pandas/Statsmodel OLS 预测未来值
我一直在尝试在我创建的模型中预测未来值 我已经尝试过 pandas 和 statsmodels 中的 OLS 这是我在 statsmodels 中的内容 import statsmodels api as sm endog pd DataF
python
pandas
linearregression
StatsModels
如何在 R 中建立多项式回归模型?
我有一个包含 70 个变量的数据集 我想尝试对其进行多项式回归 如果列数是三 四 我可以手动编写这样的代码 model lt lm y poly var1 3 poly var2 3 poly var4 4 如果我们有 70 个变量 我们将
r
linearregression
Polynomials
R中的线性回归无需复制内存中的数据?
进行线性回归的标准方法是这样的 l lt lm Sepal Width Petal Length Petal Width data iris 然后使用predict l new data 进行预测 其中 new data 是一个数据帧 其列
r
memorymanagement
linearregression
LM
如何使用聚类协方差矩阵对回归系数进行线性假设检验?
我有兴趣计算 R 中线性回归后系数线性组合的估计值和标准误差 例如 假设我有回归和测试 data mtcars library multcomp lm1 lt lm mpg cyl hp data mtcars summary glht l
r
Regression
linearregression
covariance
LM
约束线性回归/二次规划 python
我有一个这样的数据集 import numpy as np a np array 1 2 2 3 4 2 b np array 1 5 6 c np array 5 4 6 2 1 9 m np vstack a b c y np arra
python
scipy
linearregression
quadraticprogramming
R 中截距回归模型的 abline 线不正确
给出了可重现的示例 在下面 我得到一条 y 截距约为 30 的 abline 线 但回归表明 y 截距应该是 37 2851 我哪里错了 mtcars mpg 21 0 21 0 22 8 21 4 32 obs mtcars wt 2 6
r
plot
Regression
linearregression
LM
系数表在秩缺陷拟合中没有 NA 行;如何插入它们?
library lmPerm x lt lmp formula a b c d e data df perm Prob summary x truncated output I can see NA rows here Coefficien
r
Regression
permutation
linearregression
LM
R中的lm函数没有给出分类数据中所有因子水平的系数[重复]
这个问题在这里已经有答案了 我正在尝试使用分类属性使用 R 进行线性回归 并观察到我没有获得每个不同因子水平的系数值 请参阅下面的代码 我的状态有 5 个因子级别 但只看到 4 个系数值 gt states c WA TE GE LA SF
r
linearregression
LM
使用“lm()”进行线性回归:聚合预测值的预测区间
我在用着predict lm fit newdata newdata interval prediction 获取新观测值的预测及其预测区间 PI 现在 我想根据附加变量 即单个家庭预测的邮政编码级别的空间聚合 对这些预测及其 PI 进行聚
r
Regression
linearregression
Prediction
LM
如何使用scikit线性回归模型同时求解多个独立时间序列
我尝试使用 sklearn 线性回归模型同时预测多个独立时间序列 但我似乎无法正确预测 我的数据组织如下 Xn是一个矩阵 其中每行包含 4 个观测值的预测窗口 yn是每行的目标值Xn import numpy as np training
python
NumPy
scikitlearn
linearregression
绘制 2 度线性回归的困难
我在用机器学习模型的 2 度曲线绘制 2d 线性回归时遇到了一些麻烦 这是我的代码 m 100 X 6 np random rand m 1 3 y 0 5 X 2 X 2 np random randn m 1 plt plot X y
python
NumPy
matplotlib
linearregression
Curve
获取组均值差的 p 值,无需使用新的参考水平重新拟合线性模型
当我们有一个带有因子变量的线性模型时X 有等级A B and C y factor X Var2 Var3 结果显示估计值XB and XC这就是差异B A and C A 假设参考文献是A 如果我们想知道之间差异的 p 值B and C
r
Regression
linearregression
LM
hypothesistest
«
1 ...
3
4
5
6
7
8
9
»