Tag: regression

Ich versuche mit einem einfachen least-squares-regression in R und haben sich Fehler ständig. Das ist wirklich frustrierend, kann mir jemand erklären, was ich falsch mache? Zuerst lege ich den Datensatz (17 Variablen, 440 Beobachtungen, jede Beobachtung auf

Ich bin ein R-Neuling, aber ich bin auf der Suche nach einem Weg, um zu bestimmen, die drei Parameter A, B und C verwandt sind, indem Sie die folgende Funktion in R: y = A * (x1^B)

Lief ich eine regression: CopierDataRegression <- lm(V1~V2, data=CopierData1) und meine Aufgabe war die Erlangung eines 90% Konfidenzintervall für die mittlere Antwort gegeben V2=6 und 90% Vorhersage-Intervall wenn V2=6. Ich verwendete den folgenden code: X6 <- data.frame(V2=6) predict(CopierDataRegression,

Arbeite ich an einer desktop-Anwendung, die verwendet Infragistic Netze. Wir müssen die Automatisierung des Regressionstests. QTP allein dies nicht unterstützt, müssen wir kaufen neue plug-ins für die gleiche, die meine Firma ist nicht sehr viel interessiert. Haben

Wenn ich eine regression in R und Typ-Faktor, es hilft mir zu vermeiden, bis der kategorischen Variablen in den Daten. Aber wie Entferne ich ein Faktor, der nicht signifikant von der regression nur zeigen signifikante Variablen? Beispiel:

Möchte ich zur Bewertung einer regression Modell erstellen, mit scikitlearn mit der Kreuzvalidierung und immer verwirrt, welche der beiden Funktionen cross_val_score und cross_val_predict ich verwenden soll. Eine Möglichkeit wäre : cvs = DecisionTreeRegressor(max_depth = depth) scores =

Ich versuche mit diesem code-snippet. Ich bin mit scikits.lernen 0.8.1 from scikits.learn import linear_model import numpy as np num_rows = 10000 X = np.zeros([num_rows,2]) y = np.zeros([num_rows,1]) # assume here I have filled in X and y

Gegeben, zwei einfache Sätze von Daten: head(training_set) x y 1 1 2.167512 2 2 4.684017 3 3 3.702477 4 4 9.417312 5 5 9.424831 6 6 13.090983 head(test_set) x y 1 1 2.068663 2 2 4.162103 3

Ich bin mit eine Logistische regression in R und tun "backward elimination" inorder, um meine endgültige Modell: FulMod2 <- glm(surv~as.factor(tdate)+as.factor(tdate)+as.factor(sline)+as.factor(pgf) +as.factor(weight5)+as.factor(backfat5)+as.factor(srect2) +as.factor(bcs)+as.factor(loco3)+as.factor(fear3) +as.factor(teats)+as.factor(preudder)+as.factor(postudder) +as.factor(colos)+as.factor(tb5) +as.factor(respon3) +as.factor(feed5)+as.factor(bwt5)+as.factor(sex) +as.factor(fos2)+as.factor(gest3)+as.factor(int3), family=binomial(link="logit"),data=sof) Beim ausführen der rückwärts-elimination-Skript: step(FulMod2,direction="backward",trace=FALSE) Habe ich diese Fehlermeldung:

Will ich tun, schrittweise regression mit AIC auf eine Liste von linearen Modellen. Idee ist, e eine Liste von linearen Modelle und wenden Sie dann die stepAIC auf jedes element in der Liste. Es fehlschlägt. Hallo Leute

Ich bin beschäftigt mit einem Regressionsmodell in R, und ich habe über 16 000 Beobachtungen. Eine dieser Beobachtungen mich veranlasst, die folgenden Fehlermeldung erhalten, (1 observation deleted due to missingness) Gibt es eine Möglichkeit in R so,

Ok, ich habe auf der Suche nach einer Funktion, die mir hilft, ändern Sie die Größe meiner Regressionsgerade in xyplot. Ich habe versucht panel.abline(reg = coef, size = 2) aber es funktioniert nicht. Hören ist mein code,

Ich bin mit einer regression, die auf Daten der Volkszählung, wo meine abhängige variable ist die Lebenserwartung, und ich habe acht unabhängigen Variablen. Die Daten aggregiert werden Städte, so habe ich viele tausend Beobachtungen. Mein Modell ist

Ich bin versucht durchzuführen, lasso-regression, die mit der lars-Paket, aber kann nicht scheinen, um Holen Sie sich die lars-bit arbeiten. Ich habe eingegeben code: diabetes<-read.table("diabetes.txt", header=TRUE) diabetes library(lars) diabetes.lasso = lars(diabetes$x, diabetes$y, type = "lasso") Allerdings bekomme

So, ich bin versucht, zwei Modelle vergleichen, fit1 und fit2. Erst war ich nur tun anova(fit1,fit2), und dort ergab sich eine Ausgabe, die ich verstanden habe (darunter ein p-Wert). Jedoch, wenn ich wechselte meine Modelle von lm()-based

Ich bin derzeit mit scipy ist linregress-Funktion für Einzel-regression. Ich bin nicht in der Lage zu finden, wenn die gleiche Bibliothek, oder andere, in der Lage ist zu tun, multiple regression, abhängige variable und mehr als eine

Ich verstehe nicht ganz, was der p-Wert in dieser Ausgabe bedeutet. Ich meine nicht die p-Werte als solche, aber in diesem Fall. > Model 1: sl ~ le + ky > Model 2: sl ~ le Res.Df

Weiss einer eine einfache Möglichkeit, um Stata zum anzeigen von mehr als nur drei Ziffern für den p-Wert beim ausführen einer Tobit-regression? Normalerweise Stata berichtet, dass der p-Wert ist .001 oder .065, aber ich würde gerne sehen,

Ich versuche, führen Sie eine nichtlineare multiple regression in R mit einem Datensatz, es hat Tausende von Zeilen, so dass ich werde einfach die ersten paar hier: Header.1 Header.2 Header.3 Header.4 Header.5 Header.6 Header.7 1 -60 -45

Ich habe Daten auf die Einnahmen eines Unternehmens aus dem Verkauf von verschiedenen Produkten (csv-Dateien), von denen einer aussieht wie der folgende: > abc Order.Week..BV. Product.Number Quantity Net.ASP Net.Price 1 2013-W44 ABCDEF 92 823.66 749 2 2013-W44

Ich habe eine multiple regression-Modell. Ich möchte hinzufügen, die ausgestattet Werte und Residuen der ursprünglichen data.frame als zwei neue Spalten. Wie kann ich das erreichen? Mein Modell in R wie folgt ist: BD_lm <- lm(y ~ x1+x2+x3+x4+x5+x6,

Ich versuche die Residuen für das Streudiagramm der beiden Variablen. Ich könnte das least-squares linear regression line mit lsline - Funktion von matlab. Jedoch möchte ich, um die Residuen als gut. Wie kann ich diese in matlab.

Lief ich eine multiple regression mit mehreren kontinuierliche Prädiktoren, von denen einige kam sich bedeutend, und ich möchte ein scatterplot-oder scatter-wie plot von meiner DV gegen eine der Prädiktoren, darunter eine "Regressionsgerade". Wie kann ich dies tun?

Ich würde gerne erzeugen ein Streudiagramm von ein Pandas dataframe mit dem folgenden code: df.plot.scatter(x='one', y='two, title='Scatterplot') Gibt es einen Parameter, die ich senden kann mit der Aussage, es zeigt eine regressionslinie und zeigt die Parameter der

Ich bin neu auf der Maschine lernen, und ich bin versucht zu behandeln Keras zum durchführen von regression-Aufgaben. Ich habe Erfahrung in diesem code, basierend auf diese Beispiel. X = df[['full_sq','floor','build_year','num_room','sub_area_2','sub_area_3','state_2.0','state_3.0','state_4.0']] y = df['price_doc'] X = np.asarray(X)