问题标签 [coefficients]

我想使用 stargazer 或类似工具比较R表中不同模型（lm、glm、plm、pglm）的结果。但是我找不到以科学计数法显示系数的方法。这是一个问题，因为截距相当大（大约一百万），而其他系数很小（大约 e-7），这会导致大量无用的零，从而使表格更难阅读。

我在这里发现了一个类似的问题：Format model display in texreg or stargazer R as science。但是那里的结果需要重新调整变量，因为我使用计数数据，所以我不想重新调整它。

我很感激任何建议。

我正在尝试使用 拟合逻辑回归模型glm，其中我只对截距感兴趣 - 但我仍然希望模型适合已知系数。例子：

或者

所以我想用

并且以某种方式合并了已知的 beta，因此 glm 函数只适合 alpha。我怎样才能做到这一点？

我已经从点云中提取了线段，并用于pcl::SACSegmentation<pcl::PointXYZ> seg; 同时拟合所有线。我所有的文件段都存储在同一个文件夹中，我可以一个一个地读取它们并单独计算它们的模型系数。

解决这个问题的最好方法是通过一个for循环，但viewer.addLine在第二次迭代中给出错误，说addLine在绘制一条线后已经使用过（RANSAC）。我使用 PCL 站点http://pointclouds.org/documentation/tutorials/cylinder_segmentation.php中的方法来确定我所有段的系数。根据我目前所了解的，模型系数是在内部存储的。

目标：使用 RANSAC 从模型系数中同时绘制所有线并将它们添加到 PCL 可视化器中。

这是我用来加载所有文件的片段（示例）

您的帮助将不胜感激。

在java中，我试图找到一个线性方程的系数，以在我的计算器应用程序中找到线性方程的解，例如：

我渴望得到的是 x 的系数和形式中的常数 ax+b =0，

在这个特定的例子中

请提出一个普遍的想法

我已经通过一个小数据集拟合了一个五阶多项式，我想以最大的精度提取系数。

如果我使用可以从 matlab 中提取的系数（使用coeff_6 = MyCoeffs(6)）绘制多项式，则系数将被截断，这完全破坏了拟合。

我可以使用以下方法适当地绘制拟合：

但是，我还不知道如何提取非截断系数。有人可以帮我吗？顺便说一句，我在使用cftool时遇到了同样的问题。

首先十分感谢！

假设我在一个稀疏矩阵上有一个训练有素的 glmnet 模型，该模型具有多个预测变量，其中包含不同级别的因子（以及因此不同数量的虚拟预测变量）。

转换虚拟系数/值或整体公式的最佳（最有效）方法是什么，就好像虚拟列不是稀疏格式（只有一列不同因素）？

编辑：我需要将虚拟系数及其斜率/值转换回每个级别具有不同斜率的单个系数。

在 2-way ANOVA 的背景下，我想在另一个因素（SpeciesA、SpeciesB）的水平内输入一个因素（10、20、30 度）的对比度水平。这假设相互作用效应是显着的，因此不能简单地对温度主效应进行对比。

我试图在 EZanova、multcomp 和 phia 中执行此操作，但一直无法找出有效的语法。我是否错过了允许这样做的包裹？

对比度和系数

对比 1：物种 A 的 10 度与 20 度和 30 度有区别吗？Species:Temp (2,-1,-1,0,0,0) Contrast2：物种 B 的 10 度是否与 20 度和 30 度不同？Species:Temp (0,0,0,2,-1,-1) Contrast3：物种 A 的 10 度与物种 B 的 20 度和 30 度是否不同？物种：Temp (2,0,0,0,-1,-1)

由于 R 包，我正在估计一个分布式滞后非线性模型dlnm。自变量是时间 t 的家庭消费，自变量是时间 t-1 到 tL 的天气状况。第一步包括使用天气暴露历史矩阵来构建一个跨基矩阵，其中暴露和时间维度都可以灵活建模（crossbasis()）。这个交叉基础被插入到用 估计的 ols 回归中lm()。dlnm 包提供了一些函数来绘制和总结结果（crosspred()和crossreduce()）。

我们如何获得“原始”尺度中的参数，即在跨基转换之前？

我找到了一些规范的方法（见下文），但有没有通用的方法？

在下面的示例中，曝光维度被建模为 2 次多项式，时间维度被建模为线性函数。

dlnm如下图所示，B 是正确的（蓝色虚线与通过封装产生的红线完全对齐）。经过一番争论后，我找到了我的“肮脏方式”，背后没有多少数学意义。

在此处输入图像描述

他们是一种更直接地获得 B 并且适用于所有类型的功能形式的方法吗？

我正在尝试构建一个 iOS 来检测来自相机的图像变化。

OpenCV 的 iOS SDK 提供了一个传递 cv::Mat& 的委托方法。

如何使用 cv::Mat&计算“变异系数” ？

我是否应该通过使用 cv::Mat& 组合多种方法来寻找解决方案？

作为 OpenCV 的新手，如果能收到任何提示，我将不胜感激。

我想知道 AR 系数是否有一个“经验法则”范围（或更具体的东西）来表明一个过程是否强烈地还原、均值还原、随机游走等。任何建议将不胜感激。例如：假设我在 AR(1) 分位数回归中给定水平的 AR 系数（假设线不交叉）是：

1. 0.05 = 1.02
2. 0.15 = 0.95
3. 0.50 = 0.72
4. 0.85 = 0.25
5. 0.95 = 1.5

毋庸置疑，该过程在 0.05 和 0.95 处充当随机游走，但其余范围呢？