问题标签 [linear-regression]

我用于训练模型并使用模型再次分类。

我正确地获得了第一部分的统计数据，但不是第二部分。它在再次评估它时给出 nullPointerException。我尝试了各种操作，例如在代码中创建的一个实例上对其进行测试等。

我写的代码片段是：

我可以通过这种方式从 ols 对象中提取斜率和截距的 p 值：

但是当我对 robcov 对象尝试相同的操作时，summary.lm 给了我原始模型 (m1) 的 p 值，而不是 robcov 模型：

我认为这一定与来自 robcov 帮助页面的警告有关，

警告

调整后的 ols 拟合没有使用 print.ols 打印的更正标准错误。使用 sqrt(diag(adjfit$var)) 得到这个，其中 adjfit 是 robcov 的结果。

但我不确定如何。

有没有办法从 robcov 对象中提取 p 值？（我真的只对斜坡的那个感兴趣，如果这有所作为......）

我正在尝试找出最有效的方法来找到数据集的线性回归方程（y = mx + c），给定一个 2 x n 数组。

基本上我想知道当 X 为 50 时 Y 的值是多少。

我目前的方法还有很多不足之处：

inputData 是我的 2 x n 数组，第一列是 X，第二列是 Y。

如您所见，我上面的方法只是尝试找到在给定 X 值 5 以内的 Y 值并获得平均值。这是一种糟糕的方法，而且处理起来绝对需要很长时间。

我真正需要的是一种稳健的方法来计算 X 和 Y 的线性回归，这样我就可以通过方程 y = mx + c 找到值...

PS。在我上面的方法中，我实际上预先分配了内存并在最后删除了尾随零，但为了简单起见，我删除了这部分。

我想线性拟合未独立采样的数据。我遇到了广义最小二乘法：

方程为Matlab格式；X和Y是数据点的坐标，V是“方差矩阵”。

问题在于，由于它的大小（1000 行和列），V 矩阵变得奇异，因此不可逆。有关如何解决此问题的任何建议？也许使用解决 GLS 以外的广义线性回归问题的方法？我可以使用并且（稍微）熟悉的工具是 Numpy/Scipy、R 和 Matlab。

我尝试使用 abline 函数在散点图上创建线性回归线。

请有任何建议

http://en.wikipedia.org/wiki/Perceptron#Example

我的问题是，当 NAND 只取 2 个参数并返回 1 时，为什么每个向量中有 3 个输入值：

http://en.wikipedia.org/wiki/Sheffer_stroke#Definition

为方便起见，粘贴代码：

我们如何计算非方阵的平方根？ps 我尝试了 Jordan Matrix Decomposition 方法，但它似乎只适用于方阵。

我正在尝试使用多元回归来打篮球。具体来说，我需要根据 X、Y 和与目标的距离来预测俯仰、偏航和大炮强度。我正在考虑对每个输出参数使用具有多个变量的多元回归。有一个更好的方法吗？

另外，我应该直接使用求解来获得最佳拟合，还是使用梯度下降？

我正在使用在区间 [0,10] 中具有实值标签的数据集训练线性回归模型。我在测试集上的预测值有一些超过 10 的预测。有没有办法将预测限制为 10。

我正在考虑进行条件检查，如果预测超过 10，我将其明确设置为 10。

有没有更好的办法？

我有 2 个数据框。一个是训练数据 ( pubs1)，另一个是 ( pubs2) 测试数据。我可以创建线性回归对象，但无法创建预测。这不是我第一次这样做，也不知道出了什么问题。

这里有什么我想念的吗？