问题标签 [linear-regression]

我正在尝试解决以下问题：

给定一个输入，比如说，

我需要找到该字段中所有矩形的宽度和高度。输入实际上是一次单列（就像扫描仪从左到右移动一样）并且在程序的持续时间内是连续的（也就是说，扫描列不移动，但矩形在它上面移动）。

在这个例子中，我可以“等待一个矩形开始”（即观察零变为 1）然后观察它结束（一个回到零）并以“网格单位”测量该块。这对于上面概述的简单情况可以正常工作，但是如果矩形倾斜一个角度就会失败，例如：

我最初认为以下问题将适用：

动态规划 - 最大方块

但现在我不太确定。

我对回归或回归测试几乎没有经验，但我认为我可以将其表示为 8 个变量的输入.....

老实说，我根本不知道我会怎么做。这部分代码提取的大小需要与已知大小的矩形相匹配（即，来自数据库）。

我最初认为我可以将已知数据作为训练练习提供并存储阳性测试结果，但我真的不知道从哪里开始。

感谢您提供的任何建议。

我有一组像Point(x,y). 在汽车在同一条道路上经过这么多路之后，它几乎弄乱了最终的地图。我听说卡尔曼滤波器可以从可用路径中创建一条路径。

任何机构都可以说如何制作吗？我不是计算机科学专业的。所以请向我解释一下这个概念和那些矩阵。然后我会给它们编码。请任何人告诉我这个概念。

我有一组数据，我想比较哪一行描述得最好（不同阶的多项式，指数或对数）。

我使用 Python 和 Numpy，对于多项式拟合，有一个函数polyfit()。但是我发现没有这样的函数用于指数和对数拟合。

有吗？或者如何以其他方式解决它？

这似乎是一个简单的问题，所以我希望它是一个简单的答案。我正在绘制我的观点并拟合一个线性模型，我可以做到。然后我想在绘图上绘制一些汇总统计数据，例如 R 平方值。我似乎只能在命令行获得 R Squared 值。任何建议；我是否需要查看 ggplot 或其他任何内容？提前致谢。

MATLAB 有一个很棒robustfit的功能，可以通过线性回归拟合解决排除异常值的问题。是否有任何类似的用 Java 或 C（或可以采用的 X 语言）编写的东西？

如果我在回归中使用二元解释变量，如何告诉 R 使用某个水平作为参考？

它只是默认使用某个级别。

与b {0, 1, 2, 3, 4}. 假设我想使用 3 而不是 R 使用的零。

我正在尝试制作一个简单的线性回归函数，但继续遇到

numpy.linalg.linalg.LinAlgError：奇异矩阵错误

现有功能（带调试打印）：

带有我的测试数据的控制台输出是：

然后它在 linalg.solve 行上出错。这是一个教科书线性回归函数，我似乎无法弄清楚它为什么会失败。

什么是奇异矩阵误差？

我有一组变量X, Y, ..., Z。我的工作是设计一个函数，它采用这组变量并产生一个整数。我有一个健身功能来测试这个。

我对这个问题的第一次尝试是假设我可以建模f为一个线性函数：

我的第一个想法是使用 PSO（粒子群优化）或遗传算法来解决问题f，a, b, .., c我相信它们肯定会产生良好的结果。

另一方面，我觉得也许真的不需要那种进化算法。首先，我可以为a,b, .., c. 作为f一个线性函数，尝试几个点然后对它们进行线性回归之类的事情不是更容易吗？在线性回归之后，尝试更多点，这一次更接近看起来像一个好的“点”，再次对它们进行线性回归？

它有什么缺点？任何有此类问题经验的人？我能想到的最大的一个可能是，我认为好的起始值a,b, .., c可能是“局部最优”，并且拥有某种进化算法会给我一个全局算法。

f如果重要的话，应该是类似国际象棋游戏的 Minimax 算法的近似函数。

谢谢

在应用 L 方法来确定数据集中 k 均值簇的数量之前，是否有人尝试过对评估指标应用更平滑的方法？如果是这样，它是否改善了结果？或者允许较少数量的 k-means 试验，从而大大提高速度？您使用了哪种平滑算法/方法？

“L-方法”在： Determining the Number of Clusters/Segmenting in Hierarchical Clustering/Segmentation Algorithms , Salvador & Chan

这计算了一系列不同试验集群计数的评估指标。然后，为了找到拐点（出现在最佳数量的聚类中），使用线性回归拟合两条线。应用一个简单的迭代过程来改善膝关节拟合 - 这使用现有的评估度量计算并且不需要重新运行 k-means。

对于评估指标，我使用的是 Dunns 指数的简化版本的倒数。为速度而简化（基本上我的直径和集群间计算被简化了）。倒数是为了使指数在正确的方向上工作（即，通常越低越好）。

K-means 是一种随机算法，因此通常会运行多次并选择最佳拟合。这工作得很好，但是当您为 1..N 个集群执行此操作时，时间很快就会增加。因此，控制运行次数符合我的利益。总体处理时间可能决定我的实现是否实用——如果我不能加快速度，我可能会放弃这个功能。

我的问题很简单，但是在尝试了很多事情后我无法解决。

我有两个数据框。

我可以做一个来lm(a ~ b)适应数据吗？ab

如果我这样做，我如何忽略NA数据？

谢谢，丹