«logistic» 태그된 질문

예 : 직업 설명에 "영국의 Java Senior Engineer"문장이 있습니다. 나는 2 개 종류로 예측하는 깊은 학습 모델을 사용하려면 : English 와 IT jobs. 기존 분류 모델을 사용하는 경우 softmax마지막 레이어에서 함수가있는 레이블 하나만 예측할 수 있습니다 . 따라서 두 모델 신경망을 사용하여 두 범주 모두에서 "예"/ "아니오"를 예측할 수 있지만 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

나는 그것을 두 가지 방식으로 보았다는 것을 알고 있으므로 둘 사이에 차이점이 있으며 어떤 것이 더 일반적으로 언급됩니까?

9 logistic  terminology  logarithm  loss-functions 

기계 학습 서적에서 선형 회귀의 매개 변수는 기울기 하강에 의해 (다른 방법 중에서도) 추정 될 수 있지만, 로지스틱 회귀의 매개 변수는 일반적으로 최대 우도 추정에 의해 추정됩니다. 왜 선형 / 로지스틱 회귀 분석을 위해 다른 방법이 필요한지 초보자에게 설명 할 수 있습니까? aka 왜 선형 회귀에 대해 MLE가 아니고 로지스틱 …

9 regression  logistic  maximum-likelihood 

레벨 1 (개별 레벨)에 하나의 설명 변수와 레벨 2 (그룹 레벨)에 하나의 설명 변수가있는 다음 다중 레벨 물류 모델 : logit(pij)=π0j+π1jxij…(1)logit(pij)=π0j+π1jxij…(1)\text{logit}(p_{ij})=\pi_{0j}+\pi_{1j}x_{ij}\ldots (1) π0 j=γ00+γ01지제이+유0 j… ( 2 )π0j=γ00+γ01zj+u0j…(2)\pi_{0j}=\gamma_{00}+\gamma_{01}z_j+u_{0j}\ldots (2) π1 개 j=γ10+γ11지제이+유1 개 j… ( 3 )π1j=γ10+γ11zj+u1j…(3)\pi_{1j}=\gamma_{10}+\gamma_{11}z_j+u_{1j}\ldots (3) 여기서 그룹 레벨 잔차 및 는 기대 값이 0 인 다변량 정규 …

9 r  logistic  generalized-linear-model  simulation  multilevel-analysis 

@gung 의 코멘트 에서 나는 그들이 (약 25 %) 약간 겹칠 수 있으며 여전히 5 % 수준에서 중요하다고 생각합니다. 95 % CI는 개별 OR에 대한 것이지만 2 개의 OR에 대한 테스트는 그 차이에 관한 것입니다. 그러나 겹치지 않으면 확실히 크게 다르며 95 % CI가 다른 OR 포인트 추정치와 겹치면 확실히 …

9 logistic  confidence-interval  odds-ratio  references 

내 이해는 회귀조차도 인과 관계를 제공하지 않는다는 것입니다. y 변수와 x 변수 및 가능한 방향 사이의 연관성 만 제공 할 수 있습니다. 제가 맞습니까? 나는 대부분의 교과서와 온라인의 다양한 교과서 페이지에서도 "x predicts y"와 비슷한 문구를 발견했습니다. 그리고 회귀자를 종종 예측 변수라고하고 y를 반응이라고합니다. 선형 회귀에 사용하는 것이 얼마나 공정합니까? …

9 regression  logistic  predictive-models  terminology  causality 

MASS 패키지의 'polr'함수를 사용하여 15 개의 연속 설명 변수가있는 순서 형 범주 형 반응 변수에 대해 순서 형 로지스틱 회귀 분석을 실행했습니다. 코드를 사용하여 (아래 그림 참조) 내 모델이 UCLA 안내서에 제공된 조언에 따라 비례 승산 가정을 충족하는지 확인했습니다 . 그러나 다양한 컷 포인트의 계수가 비슷할뿐만 아니라 정확히 동일하다는 것을 …

9 r  logistic  assumptions  ordered-logit  polr 

약 5000 개의 기능으로 구성된 데이터 세트가 있습니다. 해당 데이터에 대해 먼저 피처 선택에 Chi Square 테스트를 사용했습니다. 그 후 응답 변수와의 유의미한 관계를 나타내는 약 1500 개의 변수를 얻었습니다. 이제 로지스틱 회귀 분석을 적용해야합니다. R에 glmulti 패키지를 사용하고 있습니다 (glmulti 패키지는 vlm에 효율적인 하위 세트 선택을 제공합니다). 한 번에 …

9 r  logistic  generalized-linear-model  modeling  regression-strategies 

로지스틱 회귀 모델 (탄성 그물 정규화가있는 R의 glmnet을 통해 적합)이 있으며 참 긍정과 거짓 긍정의 차이를 최대화하고 싶습니다. 이를 위해 다음 절차를 염두에 두었습니다. 표준 로지스틱 회귀 모형 적합 예측 임계 값을 0.5로 사용하여 모든 긍정적 예측 예측 긍정적으로 예측 된 관측 값에는 가중치 1을 할당하고 다른 모든 측정 값에는 …

9 r  regression  logistic  classification  glmnet 

최근에 연구 논문의 개정 본을 받았으며 다음은 논문에 대한 검토 자의 의견입니다. 하나의 모델에서 얻은 결과는 특히 설득력이 없지만 특히 선형 회귀는 특이 치를 다루는 데 부족합니다. 저자는 로지스틱 회귀 분석을 시도하고 해당 결과를 현재 결과와 비교할 것을 제안합니다. 유사한 관찰 결과가 얻어지면 결과는 더 확실해집니다. 검토 자의 의견이 맞습니까? …

9 regression  logistic  multiple-regression 

입력 변수를 이진 출력 변수에 맞추기 위해 표준 버전의 로지스틱 회귀를 사용하고 있습니다. 그러나 내 문제에서는 음수 출력 (0)이 양수 출력 (1s)보다 훨씬 큽니다. 비율은 20 : 1입니다. 따라서 분류자를 훈련시킬 때 양의 출력 가능성을 강력하게 제안하는 기능조차도 해당 매개 변수에 대해 매우 낮은 (매우 음수) 값을 갖는 것으로 보입니다. …

9 regression  logistic  weighted-regression 

하나의 로지스틱 회귀 설명을 이해하는 데 어려움이 있습니다. 로지스틱 회귀는 온도와 물고기 사이에서 죽거나 죽지 않는 것입니다. 로지스틱 회귀의 기울기는 1.76입니다. 그러면 물고기가 죽을 확률은 exp (1.76) = 5.8만큼 증가합니다. 즉, 온도가 섭씨 1 도씩 변할 때마다 물고기가 죽을 확률은 5.8 배 증가합니다. 2012 년 50 % 어류가 죽기 때문에 …

9 logistic  odds-ratio  odds 

그래서 나는 R에서 로지스틱 회귀 모델을 사용하고 있습니다. 통계에 익숙하지 않지만 지금까지 회귀 모델에 대해 약간의 이해가 있다고 생각하지만 여전히 나를 귀찮게하는 것이 있습니다. 링크 된 그림을 보면 내가 만든 예제 모델에 대한 요약 R 인쇄가 표시됩니다. 데이터 세트의 이메일이 다시 발견되거나 (이진 변수 isRefound) 데이터 세트와 관련이있는 두 개의 …

9 r  regression  logistic  p-value  interpretation 

로지스틱 회귀 분석을위한 테스트 데이터를 만들려고했는데이 게시물을 찾았습니다. 로지스틱 회귀 분석을 위해 인공 데이터를 시뮬레이션하는 방법은 무엇입니까? 좋은 대답이지만 연속 변수 만 만듭니다. 링크에서와 동일한 예에서 y와 연관된 5 단계 (ABCDE)를 갖는 범주 형 변수 x3은 어떻습니까?

9 r  logistic  simulation 

"적용된 회귀에 대한 R 동반자"232 페이지 Fox 및 Weisberg note 가우시안 군만이 일정한 분산을 가지며, 다른 모든 GLM에서 에서 y의 조건부 분산은 에 따라 달라집니다엑스x\bf{x}μ ( x )μ(x)\mu(x) 이전에는 포아송의 조건부 분산이 이고 이항 의 조건부 분산 이 이라는 점에 주목합니다 .μμ\muμ ( 1 − μ )엔μ(1−μ)N\frac{\mu(1-\mu)}{N} 가우시안의 경우 이것은 …

9 logistic  generalized-linear-model