Je comprends le principe de base derrière l'algorithme pour LLE se compose de trois étapes. Trouver le voisinage de chaque point de données par une métrique telle que k-nn. Trouvez des poids pour chaque voisin qui dénotent l'effet du voisin sur le point de données. Construire l'incorporation de...
J'ai lu quelques explications sur les propriétés des modèles linéaires par rapport aux modèles non linéaires, mais je ne sais toujours pas si un modèle disponible est linéaire ou non linéaire. Par exemple, le modèle suivant est-il linéaire ou non linéaire? yt= β0+ β1B ( L ; θ ) Xt+...
Je travaille sur un très gros problème de régression linéaire, avec une taille de données si grande qu'elles doivent être stockées sur un cluster de machines. Il sera beaucoup trop volumineux pour regrouper tous les échantillons dans la mémoire d'une seule machine (même le disque) Pour effectuer la...
Je sais qu'en régression linéaire, la variable de réponse doit être continue mais pourquoi en est-il ainsi? Je n'arrive pas à trouver quoi que ce soit en ligne qui explique pourquoi je ne peux pas utiliser de données discrètes pour la variable de
J'ai un tableau de contingence à trois niveaux, avec des données de comptage pour plusieurs espèces, la plante hôte à partir de laquelle elles ont été collectées et si cette collecte a eu lieu un jour de pluie (cela importe vraiment!). En utilisant R, de fausses données pourraient ressembler à...
J'ai lu sur la méthode Nyström pour aproximation du noyau de bas rang. Cette méthode est implémentée dans scikit-learn [1] comme méthode pour projeter des échantillons de données à une approximation de bas rang du mappage des fonctionnalités du noyau. À ma connaissance, étant donné un ensemble...
Quelle est l'importance de la distinction entre modèles linéaires et non linéaires? La question du modèle linéaire non linéaire ou généralisé: comment référez-vous à la régression logistique, Poisson, etc.? et sa réponse a été une clarification extrêmement utile de la linéarité / non-linéarité des...
J'apprends la régression linéaire en utilisant Introduction à l'analyse de régression linéaire par Montgomery, Peck et Vining . J'aimerais choisir un projet d'analyse de données. J'ai la pensée naïve que la régression linéaire ne convient que lorsque l'on soupçonne qu'il existe des relations...
J'étudie et j'essaie de mettre en œuvre des réseaux de neurones convolutionnels, mais je suppose que cette question s'applique aux perceptrons multicouches en général. Les neurones de sortie de mon réseau représentent l'activation de chaque classe: le neurone le plus actif correspond à la classe...
Disons que nous avons un vecteur aléatoire , tiré d'une distribution avec la fonction de densité de probabilité . Si nous le transformons linéairement par une matrice n \ fois n de rang complet A pour obtenir \ vec {Y} = A \ vec {X} , alors la densité de \ vec {Y} est donnée par f _ {\ vec {Y} } (\...
Fermé . Cette question est basée sur l'opinion . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin d'y répondre avec des faits et des citations en modifiant ce message . Fermé il y a 2 ans . Je suis actuellement dans une classe de...
Après avoir regardé cette question: en essayant d'émuler la régression linéaire en utilisant Keras , j'ai essayé de rouler mon propre exemple, juste à des fins d'étude et pour développer mon intuition. J'ai téléchargé un simple ensemble de données et utilisé une colonne pour en prédire une autre....
Pour analyser les données d'une expérience de biophysique, j'essaie actuellement de faire un ajustement de courbe avec un modèle hautement non linéaire. La fonction modèle ressemble essentiellement à: y= a x + b x- 1 / deuxy=ax+bx−1/2y = ax + bx^{-1/2} Ici, la valeur de est particulièrement...
Quelqu'un peut-il expliquer pourquoi nous utilisons les modèles logarithmiques linéaires en termes très profanes? Je viens du milieu de l'ingénierie, et cela s'avère vraiment être un sujet difficile pour moi, les statistiques. Je serai reconnaissant pour une
Les modèles d'effets mixtes linéaires sont des extensions des modèles de régression linéaire pour les données collectées et résumées en groupes. Les principaux avantages sont que les coefficients peuvent varier par rapport à une ou plusieurs variables de groupe. Cependant, je me bats avec quand...
Lorsque nous voulons estimer des paramètres de régression linéaire, nous faisons des équations normales autant que le modèle linéaire contient un nombre d'inconnues. Pourquoi ces équations sont-elles appelées équations
J'espère que la question générale suivante aura un sens. Veuillez garder à l'esprit qu'aux fins de cette question particulière, je ne suis pas intéressé par les raisons théoriques (domaine) d'introduire la non-linéarité. Par conséquent, je formulerai la question complète comme suit: Qu'est-ce qu'un...
J'espère sincèrement avoir formulé cette question de manière à ce qu'elle puisse être résolue définitivement - sinon, faites-le moi savoir et je vais réessayer! Je devrais également, je suppose, noter que j'utiliserai R pour ces analyses. J'ai plusieurs mesures plant performance (Ys)dont je...
Les modèles pénalisés peuvent être utilisés pour estimer les modèles où le nombre de paramètres est égal ou même supérieur à la taille de l'échantillon. Cette situation peut se produire dans les modèles log-linéaires de grandes tables clairsemées de données catégorielles ou de dénombrement. Dans...
Mon ensemble de données ( ) a une variable dépendante (DV), cinq variables "de base" indépendantes (P1, P2, P3, P4, P5) et une variable indépendante d'intérêt (Q).N≈10,000N≈10,000N \approx 10,000 J'ai exécuté des régressions linéaires OLS pour les deux modèles suivants: DV ~ 1 + P1 + P2 + P3 + P4 +...