প্রশ্ন ট্যাগ «multicollinearity»

কক্স আনুপাতিক বিপদ মডেল থেকে আপনি কীভাবে বেঁচে থাকার কার্ভটিকে ব্যাখ্যা করবেন? এই খেলনা উদাহরণে, ধরুন আমাদের কাছে ডেটা ageপরিবর্তনের ক্ষেত্রে একটি কক্স আনুপাতিক বিপত্তি মডেল রয়েছে kidneyএবং বেঁচে থাকার বক্ররেখা উত্পন্ন করছে। library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() উদাহরণস্বরূপ, সময়ে , কোন বিবৃতিটি সত্য? নাকি দুটোই …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

আমি একটি নিবন্ধের ফলাফলগুলি ব্যাখ্যা করার চেষ্টা করছি, যেখানে তারা বিভিন্ন ফলাফলের পূর্বাভাস দেওয়ার জন্য একাধিক প্রতিরোধ প্রয়োগ করেছিল। তবে 'গুলি (আদর্শায়িত বি কোফিসিয়েন্টস হিসাবে সংজ্ঞায়িত যেখানে নির্ভরশীল পরিবর্তনশীল এবং একটি পূর্বাভাসক) রিপোর্ট করা রিপোর্ট করা সাথে মেলে না বলে মনে হচ্ছে :ββ\betaβx1=Bx1⋅SDx1SDyβx1=Bx1⋅SDx1SDy\beta_{x_1} = B_{x_1} \cdot \frac{\mathrm{SD}_{x_1}}{\mathrm{SD}_y}yyyx1x1x_1R2R2R^2 -0.83, -0.29, -0.16, …

9 regression  regression-coefficients  multicollinearity  r-squared 

আনু সম্পর্কযুক্ত কিন্তু লিনিয়ার নির্ভরশীল ভেরিয়েবলগুলির একটি সেট থাকা কি সম্ভব ?কেKK যেমন এবংসি ও আর (এক্সআমি,এক্সঞ) = 0cor(xi,xj)=0cor(x_i, x_j)=0Σকেi = 1একটিআমিএক্সআমি= 0Σআমি=1কেএকটিআমিএক্সআমি=0 \sum_{i=1}^K a_ix_i=0 যদি হ্যাঁ আপনি একটি উদাহরণ লিখতে পারেন? সম্পাদনা: উত্তরগুলি থেকে এটি অনুসরণ করা যায় যে এটি সম্ভব নয়। এটি কি কমপক্ষে সম্ভব হবে যে যেখানে …

9 correlation  mathematical-statistics  multicollinearity 

আমি একটি শ্রেণিবিন্যাসিক রিগ্রেশন বিশ্লেষণ চালাচ্ছি এবং আমার কিছুটা সন্দেহ আছে: আমরা কি কেন্দ্রিক ভেরিয়েবলগুলি ব্যবহার করে মিথস্ক্রিয়া শব্দটি গণনা করি? নির্ভরশীল ভেরিয়েবল বাদে আমাদের কী ডেটাসেটে থাকা সমস্ত অবিচ্ছিন্ন ভেরিয়েবলগুলি কেন্দ্র করতে হবে? যখন আমাদের কিছু ভেরিয়েবল লগ করতে হবে (কারণ তাদের এসডিটি তাদের গড়ের চেয়ে অনেক বেশি উচ্চতর), …

9 interaction  multicollinearity  centering 

বেসিক সেটআপ: রিগ্রেশন মডেল: যেখানে সি নিয়ন্ত্রণ ভেরিয়েবলের ভেক্টর।Y= ধ্রুবক +β1এক্স1+ +β2এক্স2+ +β3এক্স3+ +β4এক্স4+ α সে+ + εy=constant+β1x1+β2x2+β3x3+β4x4+αC+ϵy = \text{constant} +\beta_1x_1+\beta_2x_2+\beta_3x_3+\beta_4x_4+\alpha C+\epsilon আমি আগ্রহী এবং expect এবং নেতিবাচক প্রত্যাশা করছি । যাইহোক, মডেল multicollinearity সমস্যা, পারস্পরিক সম্পর্কের সহগ দ্বারা, Corr (দেওযা হল , 0.9345, Corr ( , 0,1765, Corr ( …

9 regression  multicollinearity 

ধরুন আমাদের ফর্মের একটি সেট দেওয়া হয়েছে (y,x1,x2,⋯,xn)(y,x1,x2,⋯,xn)(y,x_{1},x_{2},\cdots, x_{n})এবং । মানের উপর ভিত্তি করে এর পূর্বাভাস দেওয়ার কাজটি আমাদের দেওয়া হয় । আমরা দুটি রিগ্রেশন অনুমান করি যেখানে: (y,x1,x2,⋯,xn−1)(y,x1,x2,⋯,xn−1)(y,x_{1},x_{2},\cdots, x_{n-1})yyyxxxYY=চ1(এক্স1, ⋯ ,এক্সn - 1,এক্সএন)=চ2(এক্স1, ⋯ ,এক্সn - 1)(1)(2)(1)y=f1(x1,⋯,xn−1,xn)(2)y=f2(x1,⋯,xn−1) \begin{align} y &=f_{1}(x_{1},\cdots, x_{n-1}, x_{n}) \tag{1} \\ y &=f_{2}(x_{1},\cdots, x_{n-1}) \tag{2} \end{align} …

9 regression  multiple-regression  missing-data  multicollinearity  multiple-imputation