প্রশ্ন ট্যাগ «logistic»

লজিস্টিক এবং লিনিয়ার রিগ্রেশন-এ বাদ দেওয়া পরিবর্তনশীল পক্ষপাত সম্পর্কে আমার একটি প্রশ্ন রয়েছে। বলুন আমি লিনিয়ার রিগ্রেশন মডেল থেকে কিছু ভেরিয়েবল বাদ দিই। ভান করুন যে এই বাদ দেওয়া ভেরিয়েবলগুলি আমি আমার মডেলটিতে অন্তর্ভুক্ত ভেরিয়েবলগুলির সাথে সম্পর্কযুক্ত are এই বাদ দেওয়া ভেরিয়েবলগুলি আমার মডেলের সহগগুলিকে পক্ষপাতিত্ব করে না। তবে লজিস্টিক …

17 regression  logistic  least-squares  bias 

এই আরডিনাল লজিস্টিক রিগ্রেশনটি আমি আর-তে চালিয়েছি: mtcars_ordinal <- polr(as.factor(carb) ~ mpg, mtcars) মডেলের এই সংক্ষিপ্তসারটি আমি পেয়েছি: summary(mtcars_ordinal) Re-fitting to get Hessian Call: polr(formula = as.factor(carb) ~ mpg, data = mtcars) Coefficients: Value Std. Error t value mpg -0.2335 0.06855 -3.406 Intercepts: Value Std. Error t value 1|2 -6.4706 …

17 r  regression  logistic  interpretation  ordered-logit 

আমার দুটি গ্রুপ, এ, এবং বি রয়েছে, যার প্রতিটি প্রায় 400 এর আকার এবং প্রায় 300 ভবিষ্যদ্বাণীকারী। আমার লক্ষ্য বাইনারি প্রতিক্রিয়া ভেরিয়েবলের জন্য পূর্বাভাস মডেল তৈরি করা। আমার গ্রাহক এ অন বি থেকে তৈরি মডেলটি প্রয়োগের ফলাফল দেখতে চান (তাঁর বই "রিগ্রেশন মডেলিং কৌশলগুলি", @ ফ্র্যাঙ্কহারেল উল্লেখ করেছেন যে দুটি …

17 pca  logistic  predictive-models  robust 

আমরা কিছু লজিস্টিক রিগ্রেশন নিয়ে কাজ করছি এবং আমরা বুঝতে পেরেছি যে গড় অনুমান করা সম্ভাবনা সর্বদা নমুনায় থাকা অনুপাতের সমান; অর্থাৎ, লাগানো মানগুলির গড় গড় নমুনার গড়ের সমান। কেউ আমাকে কারণ ব্যাখ্যা করতে পারেন বা আমাকে একটি রেফারেন্স দিতে পারেন যেখানে আমি এই বিক্ষোভ খুঁজে পাব?

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

আমার একটি মডেল লাগানো আছে (সাহিত্য থেকে)। ভবিষ্যদ্বাণীপূর্ণ ভেরিয়েবলগুলির জন্য আমার কাছে কাঁচা ডেটাও রয়েছে। সম্ভাবনা পাওয়ার জন্য আমার কী সমীকরণটি ব্যবহার করা উচিত? মূলত, সম্ভাব্যতা পেতে কীভাবে আমি কাঁচা ডেটা এবং সহগকে একত্রিত করব?

17 regression  logistic 

আমি আশা করছি যে আমি এই প্রশ্নটি সঠিকভাবে জিজ্ঞাসা করতে পারি। আমার প্লে-বাই-প্লে ডেটাতে অ্যাক্সেস রয়েছে, সুতরাং এটি সর্বোত্তম পদ্ধতির এবং ডেটা সঠিকভাবে তৈরির সাথে সম্পর্কিত একটি সমস্যা। আমি যা করতে চাই তা হ'ল নিয়মকানুনে স্কোর এবং সময় বাকি রেখে কোনও এনএইচএল গেম জয়ের সম্ভাবনা গণনা করা। আমি অনুমান করি …

17 time-series  probability  logistic 

তত্ত্বাবধানে পড়াশোনার সম্ভাব্যতায় আত্মবিশ্বাসের স্তরটি ক্যালব্রেট করার জন্য (কোনও এসভিএম বা সিদ্ধান্তের গাছের ওভারস্প্যাম্পলড ডেটা ব্যবহার করে আত্মবিশ্বাসের মানচিত্রের জন্য বলুন) একটি পদ্ধতি হ'ল প্লাটের স্কেলিং (উদাহরণস্বরূপ, বুস্টিংয়ের কাছ থেকে ক্যালিব্রেটেড সম্ভাব্যতা অর্জন ) use মূলত একজন মানচিত্রে লজিস্টিক রিগ্রেশন ব্যবহার করে থেকে [ 0 ; 1 ] । নির্ভরশীল …

17 logistic  cross-validation  calibration 

বেস ডেটা : আমার কাছে মূল্যায়নগুলি সহ ~ 1000 জন চিহ্নিত রয়েছে: '1,' [ভাল] '2,' [মাঝারি] বা '3' [খারাপ] - এই মানগুলি আমি ভবিষ্যতে মানুষের জন্য ভবিষ্যদ্বাণী করার চেষ্টা করছি । এছাড়াও, আমার কাছে কিছু জনসংখ্যার তথ্য আছে: লিঙ্গ (শ্রেণিবদ্ধ: এম / এফ), বয়স (সংখ্যাসূচক: 17-80), এবং জাতি (বিভাগীয়: কালো …

17 r  regression  logistic  missing-data  ordered-logit 

একদল ব্যক্তি একটি প্রশ্নের উত্তর দেয়। উত্তরটি "হ্যাঁ" বা "না" হতে পারে। গবেষক জানতে চান যে বয়স উত্তরগুলির প্রকারের সাথে সম্পর্কিত কিনা। অ্যাসোসিয়েশনটি একটি লজিস্টিক রিগ্রেশন করে মূল্যায়ন করা হয়েছিল যেখানে বয়স ব্যাখ্যাযোগ্য পরিবর্তনশীল এবং উত্তরের ধরণ (হ্যাঁ, না) নির্ভরশীল পরিবর্তনশীল। যথাক্রমে "হ্যাঁ" এবং "না" জবাব দেওয়া গ্রুপগুলির গড় বয়স …

17 regression  logistic  t-test 

আমার গবেষণায় আমি বেশ কয়েকটি মেট্রিক দিয়ে কাজের চাপ পরিমাপ করব। হার্ট-রেট ভেরিয়েবিলিটি (এইচআরভি), ইলেক্ট্রোডার্মাল অ্যাক্টিভিটি (ইডিএ) এবং সাবজেক্টিভ স্কেল (আইডাব্লুএস) সহ সাধারণীকরণের পরে আইডব্লিউএসের তিনটি মান রয়েছে: স্বাভাবিকের চেয়ে কাজের চাপ কম কাজের চাপ গড়ে কাজের চাপ স্বাভাবিকের চেয়ে বেশি। শারীরবৃত্তীয় ব্যবস্থাগুলি কতটা ভাল বিষয়গত কাজের চাপের পূর্বাভাস দিতে …

17 r  logistic  lme4-nlme  ordered-logit  polr 

প্রশ্নটি গ্রেডিয়েন্ট বুস্টিংয়ের সাথে বাইনারি শ্রেণিবদ্ধকরণ করার সময় [0,1][0,1][0,1] ব্যবধানের মধ্যে কীভাবে ভবিষ্যদ্বাণী করা হয় তা বুঝতে আমি সংগ্রাম করছি । ধরা যাক আমরা একটি বাইনারি শ্রেণিবদ্ধকরণ সমস্যা নিয়ে কাজ করছি এবং আমাদের উদ্দেশ্যগত ফাংশনটি হ'ল লগ ক্ষতি, , যেখানে টার্গেট ভেরিয়েবল এবং আমাদের বর্তমান মডেল।−∑yilog(Hm(xi))+(1−yi)log(1−Hm(xi))−∑yilog⁡(Hm(xi))+(1−yi)log⁡(1−Hm(xi))-\sum y_i \log(H_m(x_i)) + (1-y_i) …

17 logistic  classification  boosting 

আমি খেলনা ডেটা সেটটিতে বাইনারি শ্রেণিবদ্ধকরণ করতে স্কোয়ার ক্ষতি ব্যবহার করার চেষ্টা করছি। আমি mtcarsডেটা সেট ব্যবহার করছি , প্রতি গ্যালন মাইল এবং ওজন ট্রান্সমিশনের ধরণের পূর্বাভাস দিতে ব্যবহার করি। নীচের প্লটটি দুটি ধরণের সংক্রমণ টাইপের ডেটা বিভিন্ন রঙে দেখায় এবং বিভিন্ন ক্ষতির ক্রিয়াকলাপ দ্বারা উত্পন্ন সিদ্ধান্তের সীমানা দেখায়। স্কোয়ারড …

16 r  machine-learning  logistic  optimization  loss-functions 

আমি জানি যে প্রমিতের পিয়ারসন অবশিষ্টাংশগুলি একটি traditionalতিহ্যগত সম্ভাব্য উপায়ে প্রাপ্ত হয়: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πআমিπআমি(1-πআমি) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} এবং ডিভায়েন্সের অবশিষ্টাংশগুলি আরও পরিসংখ্যানগত উপায়ে প্রাপ্ত হয় (সম্ভাবনার প্রতিটি পয়েন্টের অবদান): ঘআমি= এসআমি- 2 [ yআমিলগπআমি^+ + ( 1 - y)আমি)log( 1 - π)আমি) ]--------------------------√ঘআমি=গুলিআমি-2[Yআমিলগ⁡πআমি^+ +(1-Yআমি)লগ⁡(1-πআমি)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + …

16 regression  logistic  generalized-linear-model  residuals  deviance 

যেমনটি আমি বুঝতে পেরেছি, লজিস্টিক সিগময়েড অ্যাক্টিভেশন ফাংশন সহ একটি পার্সেপট্রন / সিঙ্গল-লেয়ার কৃত্রিম নিউরাল নেটওয়ার্ক লজিস্টিক রিগ্রেশন হিসাবে একই মডেল। উভয় মডেল সমীকরণ দ্বারা দেওয়া হয়: F(x)=11−e−βXF(x)=11−e−βএক্সF(x) = \frac{1}{1-e^{-\beta X}} পার্সেপেট্রন লার্নিং অ্যালগরিদমটি অনলাইনে এবং ত্রুটি-চালিত, যেখানে লজিস্টিক রিগ্রেশনের প্যারামিটারগুলি গ্রেডিয়েন্ট বংশোদ্ভূত এবং লিমিটেড-মেমরি বিএফজিএস বা স্টোকাস্টিক গ্রেডিয়েন্ট বংশোদ্ভূত …

16 logistic  communication 

লজিস্টিক রিগ্রেশন-এ, আপনি কীভাবে ওএলএস-এর প্রত্যক্ষ আপ হিসাবে সরাসরি থাকবেন এমন বহুবিশ্বের বিষয়ে উদ্বিগ্ন হওয়ার দরকার আছে? উদাহরণস্বরূপ, একটি লজিস্টিক রিগ্রেশন সহ, যেখানে বহুবিশ্লেষের উপস্থিতি রয়েছে, সেখানে কি আপনাকে বিটা সহগের দিক থেকে অনুগ্রহ করে সতর্ক হওয়া দরকার (যেমন আপনি ওএলএস প্রতিরোধের মতোই হবেন)? ওএলএস-এর রিগ্রেশন-র জন্য একাধিক "বহুবিধ" উচ্চতর …

16 regression  logistic  multicollinearity