প্রশ্ন ট্যাগ «least-squares»

কোন পরিস্থিতিতে ওএলএসের পরিবর্তে নিয়মিতকরণ পদ্ধতিগুলি (রিজ, লাসো বা কমপক্ষে অ্যাঙ্গেল রিগ্রেশন) ব্যবহার করা উচিত? যদি এটি আলোচনার দিকে এগিয়ে যেতে সহায়তা করে তবে আমার মূল আগ্রহ ভবিষ্যদ্বাণীমূলক নির্ভুলতার উন্নতি করছে।

83 regression  least-squares  lasso  ridge-regression  fused-lasso 

আমি বুঝতে পারি যে রিজ রিগ্রেশন অনুমানটি হ'ল যা বর্গের অবশিষ্টাংশ এবং আকারের জরিমানার পরিমাণকে হ্রাস করেβββ\betaββ\beta βridge=(λID+X′X)−1X′y=argmin[RSS+λ∥β∥22]βridge=(λID+X′X)−1X′y=argmin⁡[RSS+λ‖β‖22]\beta_\mathrm{ridge} = (\lambda I_D + X'X)^{-1}X'y = \operatorname{argmin}\big[ \text{RSS} + \lambda \|\beta\|^2_2\big] যাইহোক, আমি সম্পূর্ণরূপে সত্য যে তাৎপর্য বুঝতে পারছি না βridgeβridge\beta_\text{ridge} থেকে পৃথক βOLSβOLS\beta_\text{OLS} শুধুমাত্র তির্যক করার জন্য একটি ছোট ধ্রুবক যোগ …

59 regression  least-squares  ridge-regression  shrinkage 

কেন মিনিট অ্যাবসুলিউট ত্রুটি (এমএই) এর পরিবর্তে রুট মিন স্কোয়ার্ড ত্রুটি (আরএমএসই) ব্যবহার করবেন ?? ওহে আমি একটি গণনায় উত্পন্ন ত্রুটিটি তদন্ত করছি - আমি প্রাথমিকভাবে ত্রুটিটিকে রুট মিন নরমালাইজড স্কোয়ার ত্রুটি হিসাবে গণনা করি। কিছুটা কাছ থেকে তাকালে আমি দেখতে পাচ্ছি যে ত্রুটিটিকে স্কোয়ার করার প্রভাবগুলি অজানা আউটলেটারের দিকে …

58 least-squares  mean  rms  mae 

আপাতদৃষ্টিতে স্বনামধন্য সূত্রগুলি দাবি করে যে নির্ভরশীল ভেরিয়েবলটি সাধারণত বিতরণ করা উচিত: মডেল অনুমান: YYY সাধারণত বিতরণ করা হয়, ত্রুটিগুলি সাধারণত বিতরণ করা হয়, ei∼N(0,σ2)ei∼N(0,σ2)e_i \sim N(0,\sigma^2) , এবং স্বতন্ত্র এবং XXX স্থির থাকে, এবং ধ্রুব বৈকল্পিক σ2σ2\sigma^2 । পেন স্টেট, স্টেট 504 বিচ্ছিন্ন ডেটার বিশ্লেষণ দ্বিতীয়ত, লিনিয়ার রিগ্রেশন বিশ্লেষণের …

45 regression  least-squares  linear-model  dependent-variable 

এই সাইটটিতে বেশ কয়েকটি থ্রেড রয়েছে যা কীভাবে নির্ধারণ করবেন যে ওএলএসের অবশিষ্টাংশগুলি সাধারণত অসম্পূর্ণভাবে সাধারণত বিতরণ করা হয়। আর কোড সহ অবশিষ্টাংশের স্বাভাবিকতা মূল্যায়নের আরেকটি উপায় এই দুর্দান্ত উত্তরে সরবরাহ করা হয়েছে । মানকৃত এবং পর্যবেক্ষিত অবশিষ্টাংশগুলির মধ্যে ব্যবহারিক পার্থক্য সম্পর্কে এটি আরেকটি আলোচনা is তবে আসুন আমরা এই …

43 regression  least-squares  residuals  assumptions  normality-assumption 

সর্বাধিক সম্ভাবনা অনুমানের (এমএলই) বনাম ন্যূনতম স্কোয়ারের প্রাক্কলনের (এলএসই) মধ্যে প্রধান পার্থক্য কী? লিনিয়ার রিগ্রেশন এবং এর বিপরীতে মানগুলি পূর্বাভাস দেওয়ার জন্য আমরা কেন এমএলই ব্যবহার করতে পারি না ?Yyy এই বিষয়ে যে কোনও সহায়তা প্রশংসিত হবে।

42 regression  estimation  maximum-likelihood  least-squares 

আমি সাধারণত "সাধারণ ন্যূনতম স্কোয়ার" সম্পর্কে শুনি। লিনিয়ার রিগ্রেশন জন্য কি এটি বহুল ব্যবহৃত আলগোরিদম ব্যবহার করা হয়? একটি আলাদা ব্যবহার করার কারণ আছে?

42 regression  least-squares  algorithms  computational-statistics  numerics 

ডি-ফ্যাক্টো স্ট্যান্ডার্ড সিগময়েড ফাংশন, , (অ-গভীর) নিউরাল-নেটওয়ার্ক এবং লজিস্টিক রিগ্রেশন এ এত জনপ্রিয় কেন?11+e−x11+ +ই-এক্স\frac{1}{1+e^{-x}} দ্রুত গণনার সময় বা ধীরে ধীরে ক্ষয় সহ আমরা কেন অন্যান্য অন্যান্য ব্যয়যোগ্য ফাংশন ব্যবহার করি না (সুতরাং বিন্যাসের গ্রেডিয়েন্ট কম হয়)। সিগময়েড ফাংশন সম্পর্কে উইকিপিডিয়ায় কয়েকটি উদাহরণ রয়েছে । ধীর ক্ষয় এবং দ্রুত হিসাব …

40 logistic  neural-networks  least-squares 

রিজ রিগ্রেশনটির জন্য সমাধানটির ব্যয় নিয়ে আমার কিছু সমস্যা রয়েছে। আমি নিয়মিতকরণ শব্দটি ছাড়াই রিগ্রেশন সমাধানটি জানি: β=(XTX)−1XTy.β=(XTX)−1XTy.\beta = (X^TX)^{-1}X^Ty. তবে ব্যয় কার্যক্রমে L2 শব্দটি করার পরে সমাধান কীভাবে আসেλ∥β∥22λ‖β‖22\lambda\|\beta\|_2^2 β=(XTX+λI)−1XTy.β=(XTX+λI)−1XTy.\beta = (X^TX + \lambda I)^{-1}X^Ty.

40 regression  least-squares  regularization  ridge-regression 

যখন আমরা লিনিয়ার রিগ্রেশন পরিচালনা করি যখন ডেটা পয়েন্টের একগুচ্ছ ফিট করতে , ক্লাসিক পদ্ধতির স্কোয়ার ত্রুটি হ্রাস করে। আমি দীর্ঘদিন ধরে এমন প্রশ্নে বিস্মিত হয়েছি যা স্কোয়ার ত্রুটিটি হ্রাস করে চূড়ান্ত ত্রুটি হ্রাস করার সমান ফল দেয় ? যদি তা না হয় তবে স্কোয়ার ত্রুটি হ্রাস করা কেন ভাল? …

39 least-squares  error 

আমি একটি ওএলএস রিগ্রেশন চালানোর চেষ্টা করছি: ডিভি: এক বছরেরও বেশি সময় ওজনে পরিবর্তন (প্রাথমিক ওজন - শেষ ওজন) চতুর্থ: আপনি অনুশীলন করুন বা না করুন। যাইহোক, এটি যুক্তিসঙ্গত বলে মনে হয় যে ভারী লোকেরা পাতলা মানুষের চেয়ে ব্যায়ামের প্রতি ইউনিট বেশি ওজন হারাবে। সুতরাং, আমি একটি নিয়ন্ত্রণ পরিবর্তনশীল অন্তর্ভুক্ত …

38 regression  repeated-measures  least-squares  change-scores 

পটভূমি ধরা যাক, আমাদের কাছে একটি সাধারণ সর্বনিম্ন স্কোয়ার্স মডেল রয়েছে যেখানে আমাদের রিগ্রেশন মডেলটিতে টটky = এক্স β+ + εY=এক্সβ+ +ε\mathbf{y}=\mathbf{X}\mathbf{\beta} + \mathbf{\epsilon} যেখানে একটি হল কোফিসিয়েন্টস এর ভেক্টর, হয় নকশা ম্যাট্রিক্স দ্বারা সংজ্ঞায়িতββ\mathbf{\beta}(k×1)(k×1)(k\times1)Xএক্স\mathbf{X} X=⎛⎝⎜⎜⎜⎜⎜⎜11⋮1x11x21xn1x12…⋱………x1(k−1)⋮⋮xn(k−1)⎞⎠⎟⎟⎟⎟⎟⎟X=(1x11x12…x1(k−1)1x21…⋮⋮⋱⋮1xn1……xn(k−1))\mathbf{X} = \begin{pmatrix} 1 & x_{11} & x_{12} & \dots & x_{1\;(k-1)} \\ 1 & …

29 regression  linear-model  least-squares  t-distribution 

আমি সবসময় ব্যবহার lm()দ রৈখিক রিগ্রেশনের সম্পাদন করতে উপর । এই ফাংশনটি একটি সহগ যেমনx β y = β x ।yyyxxxββ\betay=βx.y=βx.y = \beta x. আজ আমি মোট সর্বনিম্ন স্কোয়ার সম্পর্কে শিখেছি এবং এটি princomp()সম্পাদন করার জন্য সেই ফাংশন (প্রধান উপাদান বিশ্লেষণ, পিসিএ) ব্যবহার করা যেতে পারে। এটি আমার পক্ষে ভাল …

29 r  pca  least-squares  deming-regression  total-least-squares 

আমি কেবল এই কাগজটি জুড়ে এসেছি , যা মিক্সড ইফেক্টস মডেলিংয়ের মাধ্যমে কোনও পরিমাপের পুনরাবৃত্তিযোগ্যতা (ওরফে বিশ্বাসযোগ্যতা, ওরফে ইন্ট্রাক্লাস পারস্পরিক সম্পর্ক) কীভাবে গণনা করতে হবে তা বর্ণনা করে। আর কোডটি হ'ল: #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

আমি বুঝতে চাই কেন ওএলএস মডেলের অধীনে আরএসএসকে (বর্গক্ষেত্রের অবশিষ্টাংশ) বিতরণ করা হয় ( মডেলের পরামিতিগুলির সংখ্যা, পর্যবেক্ষণের সংখ্যা))।χ2⋅(n−p)χ2⋅(n−p)\chi^2\cdot (n-p)pppnnn আমি এই ধরনের একটি প্রাথমিক প্রশ্ন জিজ্ঞাসা করার জন্য ক্ষমা চাইছি, তবে আমি মনে করি যে উত্তরটি অনলাইনে (বা আমার, আরও অ্যাপ্লিকেশন ভিত্তিক, পাঠ্যপুস্তকে) পাওয়া যাবে না।

28 regression  distributions  least-squares