প্রশ্ন ট্যাগ «intercept»

আমি লিনিয়ার রিগ্রেশন মডেলগুলি চালাচ্ছি এবং ভাবছি যে ইন্টারসেপ্ট শব্দটি সরানোর জন্য শর্তগুলি কী। দুটি পৃথক প্রবণতা থেকে ফলাফলের তুলনা করার ক্ষেত্রে যেখানে একজনের বাধা রয়েছে এবং অন্যটি না করে, আমি লক্ষ্য করেছি যে বিরতি ছাড়াই ফাংশনের এর চেয়ে অনেক বেশি। ইন্টারসেপ্ট টার্ম অপসারণ বৈধ কিনা তা নিশ্চিত করার জন্য …

118 regression  linear-model  r-squared  intercept 

একটি একক ব্যাখ্যামূলক চলক সহ একটি সাধারণ লিনিয়ার মডেলটিতে, αi=β0+β1δi+ϵiαi=β0+β1δi+ϵi\alpha_i = \beta_0 + \beta_1 \delta_i + \epsilon_i আমি দেখতে পেলাম যে ইন্টারসেপ্ট শব্দটি অপসারণ করলে ফিটের ব্যাপক উন্নতি হয় ( মান R2R2R^20.3 থেকে 0.9 হয়)। তবে ইন্টারসেপ্ট শব্দটি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ বলে মনে হয়। বিরতি সহ: Call: lm(formula = alpha ~ …

101 r  linear-model  interpretation  r-squared  intercept 

একটি রৈখিক মডেল জন্য , সংকোচন শব্দটি সর্বদা ।পি ( β )y=β0+xβ+εy=β0+xβ+εy=\beta_0+x\beta+\varepsilonP(β)P(β)P(\beta) কী কারণে আমরা বায়াস (ইন্টারসেপ্ট) শব্দটি সঙ্কুচিত করি না ? নিউরাল নেটওয়ার্ক মডেলগুলিতে কি আমাদের পক্ষপাতের শব্দটি সঙ্কুচিত করা উচিত?β0β0\beta_0

21 regression  neural-networks  ridge-regression  intercept  shrinkage 

আমি একটি লাসো চালিয়ে যাচ্ছি যার কয়েকটি শ্রেণিবদ্ধ পরিবর্তনশীল ভবিষ্যদ্বাণী রয়েছে এবং কিছু ধারাবাহিক রয়েছে। শ্রেণীবদ্ধ ভেরিয়েবল সম্পর্কে আমার একটি প্রশ্ন আছে। আমি যে প্রথম পদক্ষেপটি বুঝতে পারি তা হ'ল তাদের প্রত্যেককে ডামিতে বিভক্ত করা, ন্যায্য দণ্ডের জন্য তাদের মানিক করা এবং তারপরে পুনরায় চাপ দেওয়া। ডামি ভেরিয়েবলের চিকিত্সার জন্য …

17 categorical-data  regression-coefficients  lasso  intercept  categorical-encoding 

আমি এর মাধ্যমে গ্রেডিয়েন্ট বুস্টিং মেশিন অ্যালগরিদম নিয়ে পরীক্ষা করছি caret আর। প্যাকেজটির ing একটি ছোট কলেজ ভর্তি ডেটাসেট ব্যবহার করে, আমি নিম্নলিখিত কোডটি চালিয়েছি: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

আমি লজিস্টিক রিগ্রেশনে ইন্টারসেপ্ট মডেলটির সাথে বা ছাড়াই পার্থক্যটি বুঝতে পছন্দ করি তাদের মধ্যে কোন পার্থক্য আছে কি তা ছাড়া বাধা সহগের সাথে বেসলাইন গ্রুপের তুলনায় লগ (বিজোড় অনুপাত) বিবেচনা করে এবং বিরতি ছাড়াই তারা লগ (প্রতিক্রিয়া) বিবেচনা করে? আমি যা দেখেছি উভয় ক্ষেত্রে সহগগুলি একই রকম রয়েছে তবে তা …

14 regression  logistic  interpretation  model  intercept 

ধরুন আমাদের কাছে নিম্নলিখিত লজিস্টিক রিগ্রেশন মডেল রয়েছে: logit(p)=β0+β1x1+β2x2logit(p)=β0+β1x1+β2x2\text{logit}(p) = \beta_0+\beta_{1}x_{1} + \beta_{2}x_{2} এবং হলে ইভেন্টের প্রতিকূলতা কি ? অন্য কথায়, এবং সর্বনিম্ন স্তরে থাকলেও এটি ইভেন্টটির প্রতিকূলতা রয়েছে (এমনকি এটি 0 না হলেও)? উদাহরণস্বরূপ, যদি এবং কেবল এবং এর মান নেয় তবে আমরা সেগুলিকে 0 এ সেট করতে পারি …

14 logistic  interpretation  intercept 

আর এর পরিবর্তে formulaসেটটিতে লিনিয়ার রিগ্রেশন করার মধ্যে পরিসংখ্যানগত পার্থক্য কী ? আমি কীভাবে এই দুটি ভিন্ন ফলাফলের ব্যাখ্যা করব?y ~ x + 0y ~ x

11 multiple-regression  generalized-linear-model  intercept