«logistic» 태그된 질문

로지스틱 및 선형 회귀 분석에서 생략 된 변수 바이어스에 대한 질문이 있습니다. 선형 회귀 모델에서 일부 변수를 생략했다고 가정 해보십시오. 생략 된 변수는 모델에 포함 된 변수와 관련이없는 것으로 가정하십시오. 생략 된 변수는 내 모델의 계수를 바이어스하지 않습니다. 그러나 로지스틱 회귀 분석에서 나는 이것이 사실이 아니라는 것을 알게되었습니다. 생략 된 …

17 regression  logistic  least-squares  bias 

이 서수 로지스틱 회귀 분석을 R에서 실행했습니다. mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) 이 모델의 요약을 얻었습니다. summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error t value 1|2 -6.4706 1.6443 …

17 r  regression  logistic  interpretation  ordered-logit 

나는 각각 약 400의 크기와 약 300 개의 예측 변수를 가진 두 그룹의 주제 A와 B를 가지고 있습니다. 내 목표는 이진 반응 변수에 대한 예측 모델을 구축하는 것입니다. 고객은 A에서 B로 작성된 모델을 적용한 결과를보고 싶어합니다. 그의 저서 "Regression Modeling Strategies"에서 @FrankHarrell은 두 개의 데이터 세트를 결합하고 그에 대한 모델을 …

17 pca  logistic  predictive-models  robust 

우리는 로지스틱 회귀 분석을 진행하고 있으며 평균 추정 확률은 항상 표본의 확률과 같다는 것을 깨달았습니다. 즉, 적합치의 평균은 샘플의 평균과 같습니다. 아무도 나에게 이유를 설명 하거나이 데모를 찾을 수있는 참조를 줄 수 있습니까?

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

(문헌에서 나온) 모델이 적합합니다. 또한 예측 변수에 대한 원시 데이터가 있습니다. 확률을 얻기 위해 사용해야하는 방정식은 무엇입니까? 기본적으로 원시 데이터와 계수를 결합하여 확률을 얻으려면 어떻게해야합니까?

17 regression  logistic 

이 질문에 올바른 방법으로 물어볼 수 있기를 바랍니다. Play-by-Play 데이터에 액세스 할 수 있으므로 최상의 접근 방식과 데이터 구성에 문제가 있습니다. 내가하고자하는 것은 규정에 남은 점수와 시간이 주어지면 NHL 게임에서 이길 확률을 계산하는 것입니다. 로지스틱 회귀를 사용할 수 있다고 생각하지만 데이터 세트의 모양을 잘 모르겠습니다. 게임마다 그리고 내가 관심있는 시간마다 …

17 time-series  probability  logistic 

과도하게 샘플링 된 데이터를 사용하여 SVM 또는 의사 결정 트리의 신뢰도를 매핑하는 등지도 학습의 확률로 신뢰 수준을 보정하려면 한 가지 방법은 Platt의 스케일링을 사용하는 것입니다 (예 : 부스팅에서 교정 확률 확보 ). 기본적으로 로지스틱 회귀를 사용하여 를 로 매핑 합니다. 종속 변수는 실제 레이블이고 예측 변수는 보정되지 않은 모델의 신뢰도입니다. …

17 logistic  cross-validation  calibration 

기본 데이터 : '1,'[good] '2,'[middle] 또는 '3'[bad]와 같이 평가 대상으로 ~ 1,000 명을 보유하고 있습니다. 이는 미래에 사람들에게 예측하려는 값입니다. . 또한 성별 (범주 : M / F), 연령 (숫자 : 17-80) 및 인종 (범주 : 흑인 / 백인 / 라티노)과 같은 인구 통계 정보가 있습니다. 주로 네 가지 질문이 …

17 r  regression  logistic  missing-data  ordered-logit 

한 그룹의 사람들이 하나의 질문에 대답합니다. 대답은 "예"또는 "아니오"일 수 있습니다. 연구원은 연령이 답변 유형과 관련이 있는지 알고 싶어합니다. 연관성은 연령이 설명 변수이고 응답 유형 (예, 아니오)이 종속 변수 인 로지스틱 회귀 분석을 수행하여 평가되었습니다. "예"와 "아니오"로 응답 한 그룹의 평균 연령을 각각 계산하고 평균 을 비교하기 위해 T 테스트를 …

17 regression  logistic  t-test 

질문 그라디언트 부스팅을 사용하여 이진 분류를 수행 할 때 예측이 간격 내에 유지되는 방식을 이해하기 위해 고심 하고 있습니다.[0,1][0,1][0,1] 이진 분류 문제에 대해 작업 목적 함수가 로그 손실 . 여기서 대상 변수 이고 는 현재 모델입니다.y ∈ { 0 , 1 } H−∑yilog(Hm(xi))+(1−yi)log(1−Hm(xi))−∑yilog⁡(Hm(xi))+(1−yi)log⁡(1−Hm(xi))-\sum y_i \log(H_m(x_i)) + (1-y_i) \log(1-H_m(x_i))yyy∈{0,1}∈{0,1}\in \{0,1\}HHH 우리의 …

17 logistic  classification  boosting 

내가 알다시피, 로지스틱 시그 모이 드 활성화 기능을 가진 퍼셉트론 / 단일 층 인공 신경망은 로지스틱 회귀와 같은 모델입니다. 두 모델 모두 다음 방정식으로 제공됩니다. F(x)=11−e−βXF(x)=11−e−βXF(x) = \frac{1}{1-e^{-\beta X}} 퍼셉트론 학습 알고리즘은 온라인 및 오류 중심의 반면 로지스틱 회귀에 대한 매개 변수는 기울기 하강 및 제한 메모리 BFGS 또는 확률 …

16 logistic  communication 

로지스틱 회귀 분석에서 OLS 회귀 분석과 마찬가지로 다중 공선성에 대해 우려 할 필요가 있습니까? 예를 들어, 다중 공선 성이 존재하는 로지스틱 회귀 분석을 사용하면 베타 계수에서 추론 할 때주의해야합니다 (OLS 회귀 분석에서와 같이)? OLS 회귀 분석의 경우 높은 다중 공선성에 대한 하나의 "수정"은 능선 회귀입니다. 로지스틱 회귀 분석과 같은 것이 …

16 regression  logistic  multicollinearity 

장난감 데이터 세트에서 이진 분류를 수행하기 위해 제곱 손실을 사용하려고합니다. mtcars데이터 세트를 사용하고 있으며 갤런 당 마일과 무게를 사용 하여 전송 유형을 예측합니다. 아래 그림은 서로 다른 색상의 두 가지 유형의 전송 유형 데이터와 서로 다른 손실 함수로 생성 된 결정 경계를 보여줍니다. 제곱 손실은 여기서 는 기본 진리 레이블 …

16 r  machine-learning  logistic  optimization  loss-functions 

표준화 된 Pearson 잔차는 전통적인 확률 론적 방식으로 얻어진다는 것을 알고 있습니다. ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} 이탈 잔차는보다 통계적인 방법 (각 지점의 가능성에 대한 기여도)을 통해 얻습니다. di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} 여기서, 경우 (1) = Y 난 = 1과 s의 난 = -1 …

16 regression  logistic  generalized-linear-model  residuals  deviance 

내 질문은 : 베타 분포 와 로지스틱 회귀 모델 의 계수 사이의 수학적 관계는 무엇입니까 ? 설명하기 : 로지스틱 (시그 모이 드) 기능은 f(x)=11+exp(−x)f(x)=11+exp⁡(−x)f(x) = \frac{1}{1+\exp(-x)} 로지스틱 회귀 모델에서 확률을 모델링하는 데 사용됩니다. 하자 이분법 수 득점 결과와 디자인 매트릭스. 로지스틱 회귀 모델은AAA(0,1)(0,1)(0,1)XXX P(A=1|X)=f(Xβ).P(A=1|X)=f(Xβ).P(A=1|X) = f(X \beta). 참고 는 상수 …

16 regression  logistic  mathematical-statistics  beta-distribution