问题标签 [linear-regression]

我正在寻找一种numpy基于 - 的普通最小二乘法实现，它允许通过更多观察来更新拟合。类似于应用统计算法 AS 274或 R's 的东西biglm。

如果做不到这一点，使用新行更新 QR 分解的例程也会很有趣。

任何指针？

为了组合同一个变量的 3 个不同的估计量，我需要在 Java 中实现一个多元回归方法（因此有 3 个自变量和 1 个因变量）。我正在寻找一种简单的方法（就像多元回归方法一样简单）。从我所做的搜索来看，我认为最小二乘法可能应该是一种适当的方法，但我想知道您是否建议任何其他方法。此外，我无法找到有关在多变量上下文中实现最小二乘法的任何好的文档，所以如果您能指出我可以使用的任何好的信息/来源，我将不胜感激。

是否有一个 Ruby 库允许我对一组数据进行线性或非线性最小二乘逼近。

我想做的是以下几点：

• 给定一系列 [x,y] 数据点
• 针对该数据生成线性或非线性最小二乘近似
• 该库不必弄清楚它是否需要进行线性或非线性近似。库的调用者应该知道他们需要什么类型的回归

我不想尝试移植一些 C/C++/Java 库来获得这个功能，所以我希望有一些现有的 Ruby 库可以使用。

我正在尝试在我生成的散点图上生成线性回归，但是我的数据是列表格式，并且我可以找到使用的所有示例polyfitrequire using arange。arange虽然不接受列表。我已经搜索了有关如何将列表转换为数组的高低搜索，但似乎没有什么清楚的。我错过了什么吗？

接下来，我怎样才能最好地使用我的整数列表作为输入polyfit？

这是我正在关注的 polyfit 示例：

因此，我试图了解 SVM 算法的工作原理，但我只是无法弄清楚如何在具有数学意义的 n 维平面的点中转换一些数据集，以便通过超平面分离这些点并对其进行分类。

这里有一个例子，他们试图对老虎和大象的图片进行分类，他们说“我们将它们数字化为 100x100 像素的图像，所以我们在 n 维平面上有 x，其中 n=10,000”，但我的问题是它们是如何转换实际上仅代表一些具有数学意义的颜色代码 IN 点的矩阵，以便将它们分类为 2 个类别？

可能有人可以在 2D 示例中向我解释这一点，因为我看到的任何图形表示都只是 2D，而不是 nD。

如您所知，通过选项CORRB，您可以让 SAS 中的逻辑回归或线性回归输出估计矩阵的相关性。有趣的是，我不确定如何阅读这个矩阵。我有两个变量显然是强正相关的。从中PROC CORR，我可以看出这两个变量的皮尔逊相关系数是0.7+。但是逻辑回归和线性回归的估计矩阵都给了我-0.7。相关性的强度大致相似，但符号相反。任何人都可以解释一下吗？非常感谢。

我正在寻找一种最快/最简单的解决方案来计算存储在数组中的一堆双点的回归。
我试图在 Accelerate 框架或教程中找到合适的功能，但没有运气。

有人做过吗？

我想在网络浏览器中使用 Javascript 进行最小二乘拟合。

目前，用户使用 HTML 文本输入输入数据点信息，然后我使用 jQuery 抓取该数据并使用Flot绘制它。

在用户输入他们的数据点后，我想向他们展示一条“最佳拟合线”。我想我会计算线性、多项式、指数和对数方程，然后选择具有最高R^2值的一个。

我似乎找不到任何可以帮助我做到这一点的库。我偶然发现了jStat，但它完全缺少文档（据我所知），并且在深入研究了源代码之后，它似乎没有内置任何线性回归功能——我纯粹基于函数然而名字。

有谁知道任何提供简单回归分析的 Javascript 库？

希望我可以像这样使用图书馆......

如果我在一个数组中有一组散点var points = [[3,4],[15,45],...[23,78]]，我可以将它交给一些函数，如果线性方程是lin_reg(points)，它会返回类似的东西。[7.12,3]y = 7.12 x + 3

我想在不使用 "lm"的情况下计算 R 中的普通最小二乘 ( OLS ) 估计值，这有几个原因。首先，考虑到数据大小在我的情况下是一个问题，“lm”还计算了很多我不需要的东西（例如拟合值）。其次，我希望能够在 R 中自己实现 OLS，然后再用另一种语言（例如，在 C 中使用 GSL）。

你可能知道，模型是：Y=Xb+E；与 E ~ N(0, sigma^2)。如下详述，b 是具有 2 个参数的向量，均值 (b0) 和另一个系数 (b1)。最后，对于我将要做的每个线性回归，我想要 b1（效应大小）的估计值、它的标准误差、sigma^2（残差）和 R^2（确定系数）的估计值。

这是我的数据。我有 N 个样本（例如个人，N~=100）。对于每个样本，我有 Y 个输出（响应变量，Y~=10^3）和 X 个点（解释变量，X~=10^6）。我想分别处理 Y 输出，即。我想启动 Y 线性回归：一个用于输出 1，一个用于输出 2，等等。此外，我想使用解释变量一个 y 一个：对于输出 1，我想在第 1 点回归，然后在第 2 点回归，然后......最后在X点上。（我希望它很清楚......！）

这是我的R 代码，用于检查“lm”的速度与通过矩阵代数计算 OLS 估计我自己的速度。

首先，我模拟虚拟数据：

这是我自己在下面使用的函数：

这是我使用内置“lm”的代码：

这是我的自定义 OLS 代码：

当我使用上面给出的值运行此示例时，我得到：

（当然，当增加 N、X 和 Y 时，情况会变得更糟。）

当然，“lm”具有“自动”分别拟合响应矩阵的每一列（y~xi）的好特性，而我必须使用“应用”Y 次（对于每个 yi~xi）。但这是我的代码变慢的唯一原因吗？你们当中有人知道如何改进吗？

（对不起，这么长的问题，但我真的试图提供一个最小但全面的例子。）

我想在 R 中对正常和双对数图中的数据进行线性回归。

对于普通数据，数据集可能如下：

在那里，我想计算仅为数据点 2、3 和 4 的线性回归绘制一条线。

对于双对数数据，数据集可能如下：

在这里，我想为数据集 1:7 和 8:15 绘制回归线。

我可以计算斜率和y 偏移量以及拟合参数（R^2，p 值）吗？

如何处理正常数据和对数数据？

谢谢你的帮助，

斯文