linear-regression

0热度

1回答

我有一个多元回归模型的训练，现在我想用它来预测。读documents据我所知，输入是标记的矢量和输出是与元组数据集[inputValue的，PredictValue]，是吗？创建我的标记矢量： val mapped = data.map {x => new org.apache.flink.ml.common.LabeledVector (x._4, org.apache.flink.ml.m

0热度

1回答

Tensorflow：具有多个特征列和具有多个维度的一个特征列之间有什么区别？

我想用简单的tf.contrib.learn.LinearRegressor开始使用TensorFlow。我的数据集是一个时间序列，我希望使用T-n, ..., T-1作为特征的步骤以及T-0作为标签。所有的值都是浮点数，所以当然我想我会把每个时间步转换为real_valued_column特性。但是，这些列具有dimension=属性，并且在TF网站上的Iris数据集的示例中，具有四维的单列作

1热度

2回答

如何使用多索引数据框创建一个seaborn回归图？

我有上（年，月）多索引为这里看到的时间序列数据： print(df.index) print(df) MultiIndex(levels=[[2016, 2017], [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]], labels=[[0, 0, 0, 0, 0, 0, 0, 0], [2, 3, 4, 5, 6, 7, 8, 9]],

0热度

1回答

贝叶斯vs OLS

我在网上发现这个问题。有人可以详细解释一下，为什么使用OLS更好？仅仅是因为样本数量不够？另外，为什么不使用全部1000个样本来估计先前的分布？我们有1000个随机抽样的数据点。目标是尝试构建一个回归模型，其中包含来自k个回归因子变量的一个响应变量。哪个更好？ 1.（贝叶斯回归）使用第一个 500个样本来估计假设的先验分布的参数，然后使用最后的500个样本更新之前的后验分布，后验分布用于最

1热度

1回答

一个功能为bigglm模型选择像glm的疏浚工作

我使用glm与dredge在MuMIn包。但现在，因为我的数据很大，我使用biglm包中的bigglm。现在我该如何做模型选择，因为dredge不适用于bigglm？是否有另一个我可以用来实现这个目标的软件包？在施加上bigglm的dredge我收到以下错误： Error in nobs.default(global.model) : no 'nobs' method is available

-1热度

1回答

如何在Python中训练常量模型（回归）？

我试图训练Python中的线性回归模型（使用sklearn），但斜率等于零，即恒定模型h（x）= b（h：model，b：截距）。你知道sklearn中的任何方法来完成这个吗？（我对LinearRegression非常熟悉，但我无法在那里找到答案）。谢谢！

24热度

1回答

大熊猫滚动回归：替代循环

我已经在已弃用的stats/ols模块中使用了熊猫的MovingOLS类（源here）。不幸的是，它完全被熊猫0.20吞噬。在我看来，如何以高效的方式运行滚动OLS回归的问题已被多次提出（例如here），但是表达方式有点宽泛，没有一个很好的答案。这里是我的问题：我怎样才能最好地模拟大熊猫MovingOLS的基本框架？这个类最吸引人的特点是能够将多个方法/属性视为不同的时间序列 - 即，系数，

1热度

4回答

如何使用矢量值作为R中的变量

我有一个名为repay的数据框，并且我为变量名称创建了一个我感兴趣的变量名称的变量。 variables<-names(repay)[22:36] 我想写一个for循环，对变量中的每个变量做一些单变量分析。例如： for (i in 1:length(variables)) { model<-glm(Successful~ variables[i] ,data=repay ,famil

1热度

2回答

故障配件在sklearn

多项式回归曲线我是新来sklearn和我有一个适当的简单的任务：给定的15点的散点图，我需要把他们的11作为我的训练样本'，通过这11个点拟合3次多项式曲线; 在15个点上画出得到的多项式曲线。但是我陷入了第二步。这是数据图： %matplotlib notebook import numpy as np from sklearn.model_selection import tra

1热度

1回答

蟒蛇线性回归只提取系数和常数

我已经编写了一个多线性回归模型的代码。但是当我使用results.summary()。蟒蛇吐出这整个事情了 if i >1: xxx = sm.add_constant(xxx) results = sm.OLS(y_variable_holder, xxx).fit() print (results.summary()) OLS Regression R