«logistic» 태그된 질문

동료 통계학 자의 의견을 듣고 싶은 의미론에 대한 질문이 있습니다. 우리는 로지스틱, 포아송 등과 같은 모델이 일반화 된 선형 모델의 우산에 속한다는 것을 알고 있습니다. 모델에는 매개 변수의 비선형 함수가 포함되어 있으며, 적절한 링크 함수를 사용하여 선형 모델 프레임 워크를 사용하여 모델링 할 수 있습니다. 로지스틱 회귀와 같은 상황을 다음과 …

23 logistic  generalized-linear-model  poisson-regression  nonlinear  link-function 

나는 두 가지 유형의 물류 손실 공식을 보았다. 우리는 그것들이 동일하다는 것을 쉽게 보여줄 수 있습니다. 유일한 차이점은 레이블 의 정의입니다 .yyy 공식화 / 표기법 1, :y∈{0,+1}y∈{0,+1}y \in \{0, +1\} L(y,βTx)=−ylog(p)−(1−y)log(1−p)L(y,βTx)=−ylog⁡(p)−(1−y)log⁡(1−p) L(y,\beta^Tx)=-y\log(p)-(1-y)\log(1-p) 여기서 에서 로지스틱 함수는 실수 \ beta ^ T x 를 0.1 간격으로 매핑 합니다. βTxp=11+exp(−βTx)p=11+exp⁡(−βTx)p=\frac 1 {1+\exp(-\beta^Tx)}βTxβTx\beta^T …

23 logistic  generalized-linear-model  notation  loss-functions 

짧은 버전 : 로지스틱 회귀 및 프로 빗 회귀는 관측하기 전에 일정한 임계 값에 따라 이산화되는 연속 잠재 변수를 포함하는 것으로 해석 될 수 있음을 알고 있습니다. 포아송 회귀에 대해 유사한 잠재 변수 해석이 가능한가? 불연속 결과가 두 개 이상일 때 이항 회귀 (예 : 로짓 또는 프로 빗)는 어떻습니까? …

21 logistic  generalized-linear-model  poisson-regression  probit  latent-variable 

불균형 데이터 (9 : 1)로 로지스틱 회귀를 모델링하려고합니다. glmR 의 함수에서 가중치 옵션을 시도하고 싶었지만 100 % 확실하지 않습니다. 내 출력 변수가 c(0,0,0,0,0,0,0,0,0,1)입니다. 이제 "1"의 무게를 10 배 더 늘리고 싶습니다. 그래서 가중치 인수를 제공합니다 weights=c(1,1,1,1,1,1,1,1,1,1,1,10). 그렇게하면 최대 가능성을 계산할 때 고려됩니다. 내가 맞아? "1"의 오 분류는 "0"의 오 분류보다 …

21 regression  logistic  classification  unbalanced-classes  weighted-data 

누군가가 cloglog 링크를 사용하여 로지스틱 회귀 분석에서 추정치를 해석하는 방법에 대해 조언 할 수 있습니까? 나는 다음 모델을 장착했다 lme4: glm(cbind(dead, live) ~ time + factor(temp) * biomass, data=mussel, family=binomial(link=cloglog)) 예를 들어, 예상 시간은 0.015입니다. 단위 시간당 사망률에 exp (0.015) = 1.015113 (단위 시간당 ~ 1.5 % 증가)을 곱한 것이 …

21 logistic  regression-coefficients 

본질적으로, 내 질문은 다층 퍼셉트론에서 퍼셉트론이 시그 모이 드 활성화 기능과 함께 사용된다는 것입니다. 업데이트 규칙에서 는 다음과 같이 계산됩니다.와이^와이^\hat{y} 와이^= 11 +특급( − w티엑스나는)와이^=11+특급⁡(−승티엑스나는)\hat{y} = \frac{1}{1+\exp(-\mathbf{w}^T\mathbf{x}_i)} 이 "sigmoid"Perceptron은 로지스틱 회귀와 어떻게 다릅니 까? 단일 계층 시그 모이 드 퍼셉트론은 업데이트 규칙의또한 예측에서 을 합니다. 그러나 다층 퍼셉트론에서, S 자형 …

21 logistic  classification  neural-networks  gradient-descent  perceptron 

로지스틱 회귀와 로짓 회귀의 차이점은 무엇입니까? 나는 그것들이 비슷하거나 심지어 같은 것임을 알고 있지만 누군가이 두 가지의 차이점을 설명 할 수 있습니까? 확률에 관한 것입니까?

21 regression  logistic  terminology  logit  odds 

내가 작업하고 있는 작은 데이터 세트 ( )에서 여러 변수가 완벽한 예측 / 분리를 제공 합니다. 따라서 Firth 로지스틱 회귀 를 사용하여 문제를 해결합니다.n∼100n∼100n\sim100 AIC 또는 BIC에 의해 최상의 모델을 선택할 경우 이러한 정보 기준을 계산할 때 Firth 페널티 항을 가능성에 포함시켜야합니까?

21 logistic  model-selection  aic  separation 

종속 변수가 백분율 인 반복 측정 실험이 있고 독립 변수로 여러 요인이 있습니다. 이 설정을 직접 수용하는 것처럼 보이기 때문에 glmerR 패키지 를 사용 lme4하여 로지스틱 회귀 문제 (을 지정하여 family=binomial) 로 취급 하고 싶습니다 . 내 데이터는 다음과 같습니다 > head(data.xvsy) foldnum featureset noisered pooldur dpoolmode auc 1 0 …

21 r  logistic  mixed-model  glmm  lme4-nlme 

누구든지 로그 선형 회귀와 로지스틱 회귀의 명확한 차이점 목록을 제공 할 수 있습니까? 전자가 단순한 선형 회귀 모델이라는 것을 알고 있지만 각 모델을 언제 사용해야하는지 명확하지 않습니다.

21 regression  logistic  logit  log-linear 

과거 관측치에 따라 방금 도착한 데이터의 종속 변수 (예 : 행)의 값을 예측하기 위해 스트리밍 데이터 (다차원 시계열) 컨텍스트에서 이진 로지스틱 회귀 모델을 사용하고 싶습니다. 내가 아는 한, 로지스틱 회귀 분석은 전통적으로 사후 분석에 사용되며, 각 종속 변수는 이미 검사 또는 연구의 특성에 의해 설정되었습니다. 그러나 시계열의 경우 어떻게됩니까? 우리는 …

21 r  time-series  logistic 

R에서 Generalized Linear Mixed Model을 실행하고 두 예측 변수 간의 상호 작용 효과를 포함 시켰습니다. 교호 작용은 유의하지 않았지만 주 효과 (두 예측 변수)는 둘 다였습니다. 이제 많은 교과서 예에서 상호 작용에 중요한 영향이 있으면 주된 효과를 해석 할 수 없다고 말합니다. 그러나 상호 작용이 중요하지 않은 경우 어떻게해야합니까? 두 …

21 logistic  mixed-model  interaction  interpretation  regression-coefficients 

데이터에는 많은 기능 (예 : 100)이 있으며 인스턴스 수는 100,000입니다. 데이터가 드물다. 로지스틱 회귀 또는 svm을 사용하여 데이터를 맞추고 싶습니다. 비선형 인 경우 커널 트릭을 사용할 수 있도록 기능이 선형인지 비선형인지 어떻게 알 수 있습니까?

21 machine-learning  logistic  svm  data-mining 

로지스틱 회귀 분석에서 완벽한 분리에 대한 많은 토론이 있습니다. 예를 들어 R의 로지스틱 회귀는 완벽한 분리 (Hauck-Donner 현상)를 초래했습니다. 이제 뭐? 및 로지스틱 회귀 모델은 수렴하지 않습니다 . 개인적으로 여전히 문제가되는 이유와 정규화를 추가하면 문제가 해결되는 것은 직관적이지 않다고 생각합니다. 애니메이션을 만들어서 도움이 될 것이라고 생각합니다. 따라서 자신의 질문을 게시하고 …

20 logistic  generalized-linear-model  optimization  intuition  separation 

예제가 두 클래스 중 하나에 속하는 확률을 출력하는 분류자를 찾고 있습니다. 나는 로지스틱 회귀와 순진한 베이 즈에 대해 알고 있지만 비슷한 방식으로 작동하는 다른 사람들에 대해 말해 줄 수 있습니까? 즉, 예제가 속한 클래스가 아니라 예제가 특정 클래스에 적합 할 확률을 예측하는 분류 자입니까? 로지스틱 회귀 및 순진한 베이를 포함하여 …

20 machine-learning  probability  logistic  classification  naive-bayes