প্রশ্ন ট্যাগ «generalized-linear-model»

লিনিয়ার রিগ্রেশনের একটি সাধারণীকরণ একটি "লিঙ্ক ফাংশন" এর মাধ্যমে অলৈখিক সম্পর্কের জন্য এবং পূর্বাভাসিত মানের উপর নির্ভর করে প্রতিক্রিয়াটির বৈচিত্র্যের জন্য মঞ্জুরি দেয়। ("সাধারণ লিনিয়ার মডেল" এর সাথে বিভ্রান্ত হওয়ার দরকার নেই যা সাধারণ রৈখিক মডেলটিকে সাধারণ সমবায় কাঠামো এবং বহুবিবাহ প্রতিক্রিয়ার ক্ষেত্রে প্রসারিত করে।)

10
লগইট এবং প্রবিট মডেলগুলির মধ্যে পার্থক্য
মধ্যে পার্থক্য কি Logit এবং Probit মডেল ? লজিস্টিক রিগ্রেশন কখন ব্যবহার করতে হবে এবং কখন প্রবিট ব্যবহার করতে হবে তা জানার ক্ষেত্রে আমি এখানে আরও আগ্রহী। আর এর সাহায্যে এটিকে সংজ্ঞায়িত করে এমন কোনও সাহিত্য থাকলে তাও সহায়ক হবে।
4
গণনা প্রতিরোধের জন্য ডায়াগনস্টিক প্লট
ফলাফলগুলি একটি গণনার পরিবর্তনশীল যেখানে অবস্থাগুলির জন্য আপনি ডায়াগনস্টিক প্লটগুলি (এবং সম্ভবত আনুষ্ঠানিক পরীক্ষা) সর্বাধিক তথ্যবহুল খুঁজে পান? আমি বিশেষ করে পোইসন এবং নেতিবাচক দ্বিপদী মডেলগুলির পাশাপাশি প্রতিটিগুলির শূন্য-স্ফীত এবং প্রতিবন্ধক অংশগুলিতে আগ্রহী। আমি যে উত্সগুলি পেয়েছি তার বেশিরভাগই এই প্লটগুলির "কী" দেখতে হবে তা নিয়ে আলোচনা না করেই বনাম …
4
কখন গামা জিএলএম ব্যবহার করবেন?
গামা বিতরণ আকারের বেশ বিস্তৃত পরিসর নিতে পারে এবং এর দুটি পরামিতিগুলির মধ্য দিয়ে এবং ভিন্নতার মধ্যবর্তী লিঙ্কটি দেওয়া হয়, এটি অ-নেতিবাচক তথ্যগুলিতে হেটেরোস্কেস্টাস্টিকির সাথে আচরণ করার পক্ষে উপযুক্ত বলে মনে হয়, যাতে লগ-রুপান্তরিত ওএলএস পারে ডাব্লুএলএস বা কোনও ধরণের হেটেরোস্কেস্টাস্টিটি-সামঞ্জস্যপূর্ণ ভিসিভি অনুমানকারী ছাড়া না করে। আমি এটি রুটিন অ-নেতিবাচক …
3
একটি উদাহরণ: বাইনারি ফলাফলের জন্য গ্ল্যামনেট ব্যবহার করে লাসো রিগ্রেশন
আমি লাসো রিগ্রেশন সহ যেখানে আমার আগ্রহের ফলাফলটি দ্বিধাহীন তা ব্যবহার glmnetকরে ধকল শুরু করছি । আমি নীচে একটি ছোট মক ডেটা ফ্রেম তৈরি করেছি: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
5
পদক্ষেপের প্রতিরোধের আধুনিক, সহজেই ব্যবহৃত বিকল্পগুলি কী কী?
আমার প্রায় 30 টি স্বাধীন ভেরিয়েবল সহ একটি ডেটাসেট রয়েছে এবং তাদের এবং নির্ভরশীল ভেরিয়েবলের মধ্যে সম্পর্কটি অনুসন্ধান করার জন্য একটি জেনারেলাইজড লিনিয়ার মডেল (জিএলএম) তৈরি করতে চাই। আমি সচেতন যে এই পরিস্থিতির জন্য আমাকে যে পদ্ধতিটি শিখানো হয়েছিল, ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে ধাপে …
4
জিএলএম এর জন্য একটি "লিঙ্ক ফাংশন" এবং "ক্যানোনিকাল লিঙ্ক ফাংশন" এর মধ্যে পার্থক্য কী
'লিঙ্ক ফাংশন' এবং 'ক্যানোনিকাল লিঙ্ক ফাংশন' পদগুলির মধ্যে পার্থক্য কী? এছাড়াও, একে অপরকে ব্যবহার করার কোনও (তাত্ত্বিক) সুবিধা রয়েছে কি? উদাহরণস্বরূপ, বাইনারি প্রতিক্রিয়া ভেরিয়েবল অনেক লিংক ফাংশন যেমন লজিট , প্রবিট ইত্যাদির সাহায্যে মডেল করা যায় তবে লগিট এখানে "ক্যানোনিকাল" লিঙ্ক ফাংশন হিসাবে বিবেচিত হয়।
1
পইসন রিগ্রেশন-এ সহগের কীভাবে ব্যাখ্যা করবেন?
কীভাবে আমি পয়েসন রিগ্রেশনে মূল প্রভাবগুলি (ডামি কোডড ফ্যাক্টরের সহগ) ব্যাখ্যা করতে পারি? নিম্নলিখিত উদাহরণটি ধরুন: treatment <- factor(rep(c(1, 2), c(43, 41)), levels = c(1, 2), labels = c("placebo", "treated")) improved <- factor(rep(c(1, 2, 3, 1, 2, 3), c(29, 7, 7, 13, 7, 21)), levels = c(1, 2, 3), labels …
3
লজিস্টিক রিগ্রেশন-এর অবশিষ্টাংশগুলি কী বোঝায়?
এই প্রশ্নের জবাবে জন ক্রিস্টি পরামর্শ দিয়েছিলেন যে লজিস্টিক রিগ্রেশন মডেলগুলির ফিটগুলির অবশিষ্টাংশগুলি মূল্যায়ন করে মূল্যায়ন করা উচিত। আমি কীভাবে ওএলএসে অবশিষ্টাংশগুলি ব্যাখ্যা করতে পারি তার সাথে আমি পরিচিত, তারা ডিভির মতো একই স্কেলে এবং মডেল দ্বারা ভবিষ্যদ্বাণী করা y এবং y এর মধ্যে খুব স্পষ্টভাবে পার্থক্য। তবে লজিস্টিক রিগ্রেশন …
1
বর্গমূলের রূপান্তর কেন গণনা ডেটার জন্য সুপারিশ করা হয়?
আপনার কাছে ডেটা গণনা করার সময় প্রায়শই স্কোয়ার রুটটি গ্রহণ করার পরামর্শ দেওয়া হয়। (সিভি কিছু উদাহরণের জন্য, @ HarveyMotulsky এর উত্তর দেখার এখানে , অথবা @ whuber এর উত্তর এখানে ।) অন্যদিকে, যখন একটি প্রতিক্রিয়া পরিবর্তনশীল পইসন হিসাবে বিতরণ করা সহ একটি সাধারণ রৈখিক মডেল ঝুলানো, লগ হয় ক্যানোনিকাল …
4
লগ-ট্রান্সফর্মড রেসপন্স ভেরিয়েবলের জন্য LM এবং GLM এর মধ্যে নির্বাচন করা
আমি জেনারালাইজড লিনিয়ার মডেল (জিএলএম) বনাম লিনিয়ার মডেল (এলএম) ব্যবহার করার পিছনে দর্শনটি বোঝার চেষ্টা করছি। আমি নীচে সেট করে একটি উদাহরণ ডেটা তৈরি করেছি যেখানে: log(y)=x+εlog⁡(y)=x+ε\log(y) = x + \varepsilon উদাহরণটির মধ্যে ত্রুটি নেই এর এর ফাংশন হিসাবে , তাই আমি ধরে নেব যে লগ-ট্রান্সফর্মড y এর লিনিয়ার মডেলটি …
9
উন্নত পরিসংখ্যান বইয়ের সুপারিশ
প্রারম্ভিক পরিসংখ্যান এবং মেশিন লার্নিংয়ের বিষয়ে বইয়ের সুপারিশের জন্য এই সাইটে বেশ কয়েকটি থ্রেড রয়েছে তবে আমি অগ্রাধিকারের ক্রম সহ অগ্রণী পরিসংখ্যানগুলির একটি পাঠ্যের সন্ধান করছি: সর্বাধিক সম্ভাবনা, সাধারণীকরণীয় রৈখিক মডেল, প্রধান উপাদান বিশ্লেষণ, অ-লিনিয়ার মডেল । আমি এসি ডেভিসনের স্ট্যাটিস্টিকাল মডেলগুলি চেষ্টা করেছি তবে সত্যি বলতে আমাকে এটি দুটি …
1
একটি লজিস্টিক রিগ্রেশন মডেল ফিট থেকে পূর্বাভাসিত মানগুলি (Y = 1 বা 0) প্রাপ্ত
ধরা যাক যে আমার ক্লাসের একটি অবজেক্ট রয়েছে glm(একটি লজিস্টিক রিগ্রেশন মডেলের সাথে সম্পর্কিত) এবং আমি predict.glmযুক্তিটি type="response"বাইনারি প্রতিক্রিয়াগুলিতে প্রদত্ত ভবিষ্যদ্বাণী করা সম্ভাব্যতাগুলি বন্ধ করতে চাই , অর্থাৎ বা । আর-তে এটি করার দ্রুততম এবং সর্বাধিক প্রচলিত উপায় কী?ওয়াই= 1ওয়াই=1Y=1ওয়াই= 0ওয়াই=0Y=0 যদিও, আমি আবার সচেতন predict.glm, আমি জানি না ঠিক …
2
জিএলএম আর তে অবশিষ্ট ও নাল ডিভ্যান্সের ব্যাখ্যা করা
আর-এ জিএলএম-এ নাল এবং অবশিষ্ট অব্যবস্থাটি কীভাবে ব্যাখ্যা করবেন? মত, আমরা বলি যে ছোট এআইসি আরও ভাল। বিচ্যুতিগুলির জন্যও কি একই রকম এবং দ্রুত ব্যাখ্যা আছে? নাল বিচ্যুতি: স্বাধীনতার 1077 ডিগ্রিতে 1146.1 অবশিষ্ট অব্যাহতি: স্বাধীনতার 1099 ডিগ্রিতে 4589.4 এআইসি: 11089
3
লগ-ট্রান্সফর্মড প্রতিক্রিয়া সহ লিনিয়ার মডেল বনাম লগ লিঙ্ক সহ লিনিয়ার মডেলটি সাধারণ
ইন এই কাগজ খেতাবধারী "মধ্যে সাধারণ রৈখিক মডেল প্রয়োগ মেডিক্যাল ডেটা NEWLINENEWLINE" লেখক লিখুন: একটি সাধারণ রৈখিক মডেলটিতে, প্রতিক্রিয়াটি নিজেই পরিবর্তিত না করে লিংক ফাংশন দ্বারা গড়টি রূপান্তরিত হয়। রূপান্তরের দুটি পদ্ধতি বেশ ভিন্ন ফলাফলের দিকে নিয়ে যেতে পারে; উদাহরণস্বরূপ, লগ-ট্রান্সফর্মড প্রতিক্রিয়াগুলির গড়টি গড় প্রতিক্রিয়ার লগারিদমের মতো নয় । সাধারণভাবে, …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.