প্রশ্ন ট্যাগ «multicollinearity»

ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলির মধ্যে দৃ strong় রৈখিক সম্পর্ক থাকার কারণে পরিস্থিতি, যাতে তাদের পারস্পরিক সম্পর্ক ম্যাট্রিক্স (প্রায়) একবচন হয়ে যায়। এই "অসুস্থ অবস্থা" ভবিষ্যদ্বাণীকারীদের প্রতিটি খেলছে তার অনন্য ভূমিকা নির্ধারণ করা শক্ত করে তোলে: অনুমানের সমস্যা দেখা দেয় এবং মান ত্রুটিগুলি বৃদ্ধি করা হয়। বিভাজনিয়ালি খুব হাই রিলেটেড প্রেডিক্টরগুলি মাল্টিকলাইনারিটির একটি উদাহরণ।

3
পাইথনে কীভাবে পদ্ধতিতে কলিনারি ভেরিয়েবলগুলি মুছবেন? [বন্ধ]
বন্ধ থাকে। এই প্রশ্নটি অফ-টপিক । এটি বর্তমানে উত্তর গ্রহণ করছে না। এই প্রশ্নটি উন্নত করতে চান? প্রশ্নটি আপডেট করুন যাতে এটি ক্রস ভ্যালিডেটের জন্য অন-বিষয় । 2 বছর আগে বন্ধ । এখনও অবধি, আমি প্রাসঙ্গিক টেবিলগুলি দেখে এবং নির্দিষ্ট থ্রেশোল্ডের উপরে যে ভেরিয়েবলগুলি অপসারণ করে ডেটা প্রস্তুতি প্রক্রিয়ার অংশ …
2
রিগ্রেশনে গুণগত পরিবর্তনশীল কোডিং "এককাম"
আমার কাছে "মানের" নামে একটি স্বাধীন ভেরিয়েবল রয়েছে; এই পরিবর্তনশীলটির 3 টির প্রতিক্রিয়া রয়েছে (খারাপ মানের; মাঝারি মানের; উচ্চ মানের)। আমি এই স্বতন্ত্র পরিবর্তনশীলটিকে আমার একাধিক লিনিয়ার রিগ্রেশনটিতে প্রবর্তন করতে চাই। আমার যখন বাইনারি ইন্ডিপেন্ডেন্ট ভেরিয়েবল থাকে (ডামি ভেরিয়েবল, আমি কোড করতে পারি 0/ 1) এটি একাধিক লিনিয়ার রিগ্রেশন মডেল …
1
লজিস্টিক রিগ্রেশন - মাল্টিকোল্লাইনারিটি কনসার্নস / পিটফলস
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 …
3
আমরা কখন সহবাসের কথা বলতে পারি?
লিনিয়ার মডেলগুলিতে আমাদের ব্যাখ্যামূলক ভেরিয়েবলগুলির মধ্যে কোনও সম্পর্ক বিদ্যমান কিনা তা পরীক্ষা করা দরকার need যদি তারা খুব বেশি সম্পর্ক স্থাপন করে তবে কোলাইনারিটি আছে (অর্থাত্ ভেরিয়েবলগুলি একে অপরকে আংশিকভাবে ব্যাখ্যা করে)। আমি বর্তমানে প্রতিটি ব্যাখ্যামূলক ভেরিয়েবলের মধ্যে জুটিওয়ালা পারস্পরিক সম্পর্ক দেখছি। প্রশ্ন 1: খুব বেশি পারস্পরিক সম্পর্ক হিসাবে শ্রেণিবদ্ধ …
1
এই ভঙ্গিটি নিখুঁত বহুবিশেষের কারণে কেন ব্যর্থ হয় না, যদিও একটি পরিবর্তনশীল অন্যের রৈখিক সংমিশ্রণ হয়?
আজ, আমি একটি ছোট ডেটাসেট নিয়ে ঘুরে বেড়াচ্ছিলাম এবং একটি সাধারণ ওএলএস রিগ্রেশন সম্পাদন করেছি যা আমি আশা করি নিখুঁত বহুবিশেষের কারণে ব্যর্থ হব । তবে তা হয়নি। এর থেকে বোঝা যায় যে বহুবিধ লাইনারিটি সম্পর্কে আমার বোঝাটি ভুল। আমার প্রশ্ন: আমি কোথায় ভুল করছি? আমি মনে করি যে আমি …
1
নাল অনুমানের অধীনে বিনিময়যোগ্য নমুনার পিছনে অন্তর্দৃষ্টি কী?
পারমুয়েশন টেস্ট (যাকে এলোমেলোকরণ পরীক্ষা, পুনরায় র্যান্ডমাইজেশন পরীক্ষা বা একটি সঠিক পরীক্ষাও বলা হয়) খুব কার্যকর হয় এবং কার্যকর হয় যখন উদাহরণস্বরূপ প্রয়োজনীয় বন্টনের অনুমানটি t-testপূরণ হয় না এবং যখন র‌্যাঙ্কিংয়ের মাধ্যমে মানগুলির রূপান্তর হয় নন-প্যারাম্যাট্রিক পরীক্ষার Mann-Whitney-U-testফলে আরও তথ্য নষ্ট হতে পারে। যাইহোক, এই ধরণের পরীক্ষাটি নাল হাইপোথিসিসের অধীনে …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 
2
ভিআইএফ, শর্ত সূচি এবং ইগেনালিয়ুগুলি
আমি বর্তমানে আমার ডেটাসেটে বহুবিধ লাইন মূল্যায়ন করছি। নীচে / উপরে ভিআইএফ এবং শর্ত সূচকের কোন প্রান্তিক মান কোনও সমস্যা প্রস্তাব করে? ভিআইএফ: আমি শুনেছি ভিআইএফ একটি সমস্যা।। 10≥10\geq 10 দুটি সমস্যা ভেরিয়েবল অপসারণের পরে, প্রতিটি ভেরিয়েবলের জন্য ভিআইএফ । ভেরিয়েবলগুলির আরও চিকিত্সার দরকার আছে বা এই ভিএফটি কি ঠিক …
1
মাল্টিকলাইনারিটির উপস্থিতিতে রিজ রিগ্রেশন কেন ভাল কাজ করে?
আমি রিজ রিগ্রেশন সম্পর্কে শিখছি এবং জানি যে মাল্টিকোলাইনারিটির উপস্থিতিতে রিজ রিগ্রেশন আরও ভাল কাজ করে। আমি ভাবছি কেন এটি সত্য? হয় স্বজ্ঞাত উত্তর বা গাণিতিক উত্তর সন্তুষ্টিজনক হবে (উভয় প্রকারের উত্তর আরও তৃপ্তিদায়ক হবে)। এছাড়াও, আমি জানি যে always সর্বদা পাওয়া যায় তবে সঠিক কলিনারিটির উপস্থিতিতে রিজ রিগ্রেশন কতটা …
3
Kmeans চালানোর আগে আমার কি পারস্পরিক সম্পর্কযুক্ত / কল্লাইনারযুক্ত ভেরিয়েবলগুলি ফেলে দেওয়ার দরকার আছে?
আমি গ্রাহকদের ক্লাস্টার সনাক্ত করতে কামান চালাচ্ছি। ক্লাস্টারগুলি সনাক্ত করতে আমার প্রায় 100 পরিবর্তনশীল রয়েছে। এই প্রতিটি ভেরিয়েবল কোনও বিভাগে কোনও গ্রাহকের ব্যয়ের% উপস্থাপন করে। সুতরাং, আমার যদি 100 টি বিভাগ থাকে তবে আমার কাছে এই 100 ভেরিয়েবলগুলি রয়েছে যে এই ভেরিয়েবলগুলির যোগফল প্রতিটি গ্রাহকের জন্য 100%। এখন, এই ভেরিয়েবলগুলি …
4
অ-রৈখিক মডেলগুলি ব্যবহার করার সময় কি কোনও একাধিক কলিনারিটির বিষয়ে উদ্বিগ্ন হওয়া উচিত?
বলুন আমাদের বেশিরভাগ শ্রেণিবদ্ধ বৈশিষ্ট্যযুক্ত বাইনারি শ্রেণিবদ্ধকরণ সমস্যা রয়েছে। আমরা এটি শিখতে কিছু অ-লিনিয়ার মডেল (যেমন এক্সজিবিস্ট বা র্যান্ডম বন) ব্যবহার করি। এখনও কি বহু-তাত্পর্য সম্পর্কে উদ্বিগ্ন হওয়া উচিত? কেন? যদি উপরের উত্তরটি সত্য হয় তবে কোনওরাই কী এই লড়াইয়ের সাথে বিবেচনা করবেন যে এই ধরণের নন-লিনিয়ার মডেল ব্যবহার করা …
2
লিনিয়ার রিগ্রেশন যখন আপনি কেবল
ধরুন Xβ=YXβ=YX\beta =Y । আমরা জানি না YYY ঠিক, প্রতিটি predictor সঙ্গে শুধুমাত্র তার পারস্পরিক সম্পর্ক XtYXtYX^\mathrm{t}Y । সাধারণ লিস্ট স্কোয়ারগুলির (OLS ঔজ্জ্বল্যের প্রেক্ষাপটে) সমাধান β=(XtX)−1XtYβ=(XtX)−1XtY\beta=(X^\mathrm{t} X)^{-1} X^\mathrm{t}Y এবং একটি সমস্যা নয়। তবে ধরুন XtXXtXX^\mathrm{t}X একবাক্য (মাল্টিকোলাইনারিটি) এর নিকটবর্তী এবং আপনার সর্বোত্তম রিজ প্যারামিটারটি অনুমান করতে হবে। সমস্ত পদ্ধতিতে সঠিক …
2
খণ্ড পরীক্ষা কি?
উপর এক প্রশ্নের উত্তরে multicollinearity উপস্থিতিতে মডেল নির্বাচন , ফ্রাঙ্ক Harrell প্রস্তাব : মডেলটিতে সমস্ত ভেরিয়েবল রাখুন তবে প্রতিদ্বন্দ্বী ভেরিয়েবলের প্রভাবগুলির জন্য অ্যাডজাস্ট করা একটি ভেরিয়েবলের প্রভাবের জন্য পরীক্ষা করবেন না ... প্রতিযোগী ভেরিয়েবলের খণ্ড পরীক্ষা শক্তিশালী কারণ কলিনারি ভেরিয়েবলগুলি স্বাধীনতা সংস্থার পরীক্ষার সামগ্রিক একাধিক ডিগ্রীতে বাহিনীতে যোগ দেয়, পরিবর্তে …
6
বহুবিচ্ছিন্নতা যখন পৃথক প্রতিক্রিয়াগুলি তাত্পর্যপূর্ণ হয় তবে ভিআইএফ কম থাকে
আমি 6 ভেরিয়েবল (আছে ) যে আমি ভবিষ্যদ্বাণী করা ব্যবহার করছি Y । আমার ডেটা বিশ্লেষণ সম্পাদন করার সময়, আমি প্রথমে একাধিক লিনিয়ার রিগ্রেশন চেষ্টা করেছি। এটি থেকে মাত্র দুটি পরিবর্তনশীল তাৎপর্যপূর্ণ ছিল। যাইহোক, যখন আমি প্রতিটি চলককে পৃথকভাবে y এর সাথে তুলনা করে একটি লিনিয়ার রিগ্রেশন চালাই, তখন একটি …
3
ভেরিয়েবলগুলি ছড়িয়ে না দিয়ে আপনি কীভাবে অস্থির
উচ্চ মাল্টি-কোলাইনারিটির সাথে লিনিয়ার রিগ্রেশনে বিটা স্থিতিশীলতা? আসুন একটি লিনিয়ার রিগ্রেশন বলি, ভ্যারিয়েবল এবং এর উচ্চ মাল্টি-কোলাইনারিটি রয়েছে (পারস্পরিক সম্পর্ক 0.9 এর কাছাকাছি)।x 2এক্স1x1x_1এক্স2x2x_2 আমরা সহগ স্থিতিশীলতার জন্য উদ্বিগ্ন তাই আমাদের বহু-প্রান্তিকের চিকিত্সা করতে হবে।ββ\beta পাঠ্যপুস্তকের সমাধানটি কেবলমাত্র একটি ভেরিয়েবলকে ফেলে দেওয়া হবে। তবে আমরা কেবল ভেরিয়েবলগুলি ফেলে দিয়ে দরকারী …
2
মাল্টিকোলাইনারিটির সাথে ডিল করা
আমি শিখেছি যে প্যাকেজ vif()পদ্ধতিটি ব্যবহার করে car, আমরা একটি মডেলের ইনপুটগুলির বহুবিধ লাইন ডিগ্রি গণনা করতে পারি। উইকিপিডিয়া থেকে , vifমানটি যদি এর চেয়ে বেশি হয় 5তবে আমরা বিবেচনা করতে পারি যে ইনপুটটি বহুবিধ লাইন সমস্যাটি ভুগছে। উদাহরণস্বরূপ, আমি lm()পদ্ধতি ব্যবহার করে একটি লিনিয়ার রিগ্রেশন মডেল বিকাশ করেছি এবং …
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.