linear-regression

1热度

2回答

例如，考虑数据帧df由3个变量v1，v2，v3组成。 v1=rnorm(10,mean=1,sd=2) v2=rnorm(10,mean=2,sd=2) v3=rnorm(10,mean=3,sd=2) df=data.frame(v1,v2,v3) 现在我想用for循环做线性回归： for (i in names(df)){ fit <- lm(i~.,data=df) }

-1热度

1回答

有没有办法将R中的线性回归摘要导出为图像？我需要将摘要导出为.jpeg或.png

我试图使用“R2PPT”包通过R将线性回归摘要导出到PowerPoint幻灯片。但是没有选择将“.txt”文件导出为powerpoint，因此只有“jpeg”文件可以。有人可以帮助我吗？

0热度

1回答

传递给statsmodels的参数的含义OLS.predict

我使用Old Faithful Geyser Dataset来学习一些介绍性线性回归和预测。该数据集包含两个功能;自去年爆发和随后的火山喷发的持续时间： eruptions waiting 0 3.600 79 1 1.800 54 2 3.333 74 3 2.283 62 4 4.533 85 以下是汇总数据：这里的模型： import statsmodels.api as s

-1热度

1回答

sklearn.linear_model.LinearRegression

的平方残差之和我正在使用sklearn.linear_model.LinearRegression并希望计算我的系数的标准误差。据我所知，sklearn不包含这样做的函数，所以我需要手动计算它们（有关线性回归系数估计的标准误差示例，请参阅https://en.wikipedia.org/wiki/Ordinary_least_squares）。我使用我的线性回归的残差_属性来得到平方残差的总和。

0热度

1回答

boxTidwell汽车包装不能正常工作

我想使用boxTidwell中的包car改善线性回归的结果。但是，它总是不起作用。该代码是这样的： library(car) boxTidwell(mpg~cyl+disp+hp+drat+wt+qsec, data=mtcars) 结果表明 “错误在lm.fit（cbind（1，x1.p，X2）中，Y，...）：NA/NaN/Inf in'x'“ 有人能告诉我导致错误的原因吗？我如何才能使

0热度

1回答

摘要抽取相关系数

我在R的大数据集上使用lm()。使用summary()可以获得关于这两个参数之间的线性回归的大量细节。我感到困惑的部分是摘要的Coefficients:部分中的哪一个是正确的参数，用作相关系数？样本数据 c1 <- c(1:10) c2 <- c(10:19) output <- summary(lm(c1 ~ c2)) 摘要 Call: lm(formula = c1 ~ c2)

0热度

1回答

statsmodels - 稳健线性回归中的权重

我在查看statsmodels中的稳健线性回归，我找不到指定此回归的“权重”的方法。例如用最小二乘回归为每个观测值分配权重。类似于WLS在statsmodels中所做的。还是有办法解决它吗？ http://www.statsmodels.org/dev/rlm.html

1热度

2回答

用于二维多元线性回归的matplotlib plot_surface

我有许多三维数据点：x1，x2和y。我可以计算这些点的多重线性回归，并且我可以在三维散点图上显示这些点，但我不知道如何绘制我为这些点计算的多重线性回归：相同你可以在一维线性回归中绘制一条最适合的线，我有兴趣为2D线性回归绘制一个“最佳拟合平面”。我的代码如下： import numpy as np from mpl_toolkits.mplot3d import Axes3D import

1热度

2回答

如何提取函数内部使用R语言的函数参数？！

我试图创建一个函数来创建一个模型，并可以预测任何给定data.frame（例如.mtcars）的目标变量。 #Function to create a model for predicting a target variable myRegModel = function(myFormula,myData){ sampleIndex = sample(1:nrow(myData),size=

2热度

1回答

R中的自定义调整栅格符号包

我有一个加权因子的线性模型，用于对最近的观察值进行加权。权重使用调整参数，我想使用调整网格进行优化。一个简单的例子是以下： require(data.table) require(caret) SMOOTHING_PARAMETER <- 0.2 dt <- data.table(y = rnorm(10), x = rnorm(10)) model <- train(y