问题标签 [predict]

我在 R 中使用loess()and时遇到了一些问题predict()。我使用以下代码来模拟数据：

抱歉，但我不知道如何附上图片来展示它的样子！

最后两行代码最终只是在图表的一半处添加了一条随机黑线，尽管当我之前在不同（非常相似的）数据上使用此命令时，它似乎工作正常。我错过了什么？！任何帮助都会很棒，谢谢:)

所以我正在使用 survreg，我希望我的预测结果遵循 0 的下限，但它们经常表示负面结果。我认为它以某种方式估计了线性结果，而不是我试图创建的生存模型。这是我所做的：

首先，我估计了一些点来加快我的估计过程。如果没有这个第一阶段，它就无法收敛。我按照 ?survreg 中的代码创建了一个生存对象，该代码提供了一个明确的 tobit 回归示例。我在下面为 x 和 y 复制了这个。在我的数据集中，y 只能观察到非负值，但如果它是正值，它往往会在 200 左右正态分布，sd 约为 20。X 可以取任何值，理论上不受约束通过立即想到的任何特定数字。

我运行生存回归，它应该相当于一个 Tobit。为了确认我对事件的解释是相同的，我运行了以下命令：

该图在零处显示一条平线，因此在目视检查时，这些命令应该是相同的。但是，在这两种情况下，都会预测到低于 0 的结果。这是有问题的，因为我已经说过可观察信息的左边界是 0。我的期望是所有预测值都必须 > 0。

我尝试使用“链接”、“响应”、“线性”类型进行预测，但无济于事。我假设 predict 命令正在产生结果，就好像审查没有发生一样。如何生成服从下限 0 的预测？

参考：

1. 在包 AER 中的 tobit() 之后运行 predict()
2. https://stats.stackexchange.com/questions/11440/standardized-residuals-of-a-tobit-model-in-r

我正在阅读 R 中的 predict() 并且很困惑：

有一个 Spam 数据集，我们从中使用随机抽样创建了训练数据和测试数据。我们使用了 trainSpam（训练数据集来训练系统）。我们想通过测试数据集（testSpam）来看看模型有多好。

在我们说的那一行：

如何predictionModel$fitted预测测试数据中的垃圾邮件。它似乎正在使用从训练数据中拟合的 predictionModel$。然后我们继续与测试数据的垃圾邮件进行比较。有人可以解释吗？

这是我的理解。在行中：

predictionModel = glm(numType ~ charDollar, family = "binomial", data = trainSpam)

我们使用 trainSpam 数据创建模型。

在下一行：

predictionTest = predict(predictionModel, testSpam)

我们使用相同的模型创建预测测试，但使用测试数据。

在下一行：

predictSpam = rep("nonspam", dim(testSpam)[1])

我们创建了一个包含所有值“非垃圾邮件”的向量

在下一行：

预测垃圾邮件[predictionModel$fitted > 0.5] = "垃圾邮件"

我们正在使用 predictionModel$fitted，它已在训练数据上进行拟合，以决定将哪些行分类为垃圾邮件。难道我们不应该使用类似 predictTest 的东西来识别垃圾邮件吗？

我的想法应该是：

我的数据由 x 轴上的时间 (sec) 和 y 轴上的位置 (x,y,z) 组成。我希望能够使用时间（秒）预测位置（x，y，z）。我可以使用什么机器学习算法？如何在 Matlab/Octave 中实现这一点？

具体来说，我有以下数据

如何从时间预测位置？

我感谢您的帮助。

谢谢

我试图使用 Weka 的 NaiveBayesUpdateable 分类器。我的数据包含名义属性和数字属性：

我需要根据其他属性预测销售数量（数字！）。

我知道我不能在 Weka 中使用数字属性进行贝叶斯分类。一种技术是将数值属性的值拆分为长度为 k 的 N 个区间，并使用名义属性代替，其中 n 是类名，如下所示：@attribute class {1,2,3,...N}。

然而，我需要预测的数字属性范围从 0 到 1 000 000。创建 1 000 000 个类根本没有意义。如何使用 Weka 预测数字属性，或者在 Weka 没有用于此任务的工具的情况下寻找什么算法？

所以我有一个名为x. 内容很简单，写出来就行了，这里就简单介绍一下：

• Report第一列中的因变量是二进制是/否（0 = 否，1 = 是）
• 随后的 3 列都是分类变量（race.f、sex.f、gender.f），它们都已转换为因子，并由数字指定（例如 1 = 白色，2 = 黑色等）

我对 x 进行了逻辑回归，如下所示：

我可以通过查看来检查拟合概率summary(glm$fitted)。

我的问题：如何在该数据集的右侧创建第五列，x其中将包含 的预测（即拟合概率）Report？当然，我可以只插入glm$fitted一个列，但我想尝试编写一个代码，根据种族、性别、性别列中的任何内容来预测它，以便更广泛地使用。

现在我遵循以下代码，我希望创建一个预测列以及置信区间的下限和上限。

不幸的是我得到了错误：

在cbind代码之后。

有人知道吗？

我正在对一些树木数据进行多元回归。

我可以轻松地运行回归，但我在预测时遇到了麻烦。我正在随机删除 3 个观察结果并重新运行回归，然后预测这三个观察结果以计算 MAPE。

正如我所期望的那样，这在大约 80% 的时间里有效，为三个删除的观察返回三个预测值。但偶尔我会收到警告：

我不知道这是从哪里来的，因为代码大部分时间都在工作，而且我没有任何有 2 行的对象。我有 3 个像这样的单独计算，每个都使用树数据。我试图在没有公共变量的情况下将它们分开，但它们是否会相互干扰？警告是否来自 g 的采样？有没有更好的方法来删除观察或进行多变量预测？谢谢。

PS - 另外，当我附加树时，尽管我可以自己打电话，Merch.Vol但我仍然不能直接打电话。没什么大不了的，但如果有一个明显的解释（我敢肯定）我想听听。trees$Merch.VolDBHHeight

我想使用生成的模型来预测值。这是简单的部分：

但是：对于每种情况，我都不想使用这种情况来构建该模型（不使用 for 循环）

例子：

假设我想预测 St.Adam 学生的平均成绩，但不想用它们来构建模型。

我使用RapidMiner，我有一个包含 40 行的数据集，每行有 14 列。行是Android应用程序的不同类型的指标+，行尾是google-play排名（第一行是包含指标名称的标题）。

（所以目标是根据指标预测 google play 排名。）

数据集： http: //pastebin.com/Cw1BR4K6

• 第 1-13 列：不同类型的指标
• 第十四栏：google play排名
• 第 2-40 行：Android 项目的指标

我在 RapidMiner 中使用了PolynomialRegression ，我得到了这个结果：

我的问题： 我如何检查这个结果是否正确？如何将此结果检查到已经可用的线路？例如，我想将此结果应用于第 25 行：25,8,5,10,0,1,0,0,0,239,10,14,4,3.8

我的另一个问题： 我可以用什么方法来预测这个集合？最好的方法是什么？如果可能的话，我想请你向我解释一下。

在此先感谢，彼得

我想确定概率回归中每个因变量的边际效应，如下所示：

• 用每个变量的平均值预测（基础）概率
• 对于每个变量，如果变量取平均值 + 1x 变量标准差，则预测与基本概率相比的概率变化

在我的一个回归中，我有一个乘法变量，如下所示：

两个问题：

1. 当我使用上述方法确定边际效应时，乘法项的值是否会反映 b 或 c 的值，取值均值 + 1x 变量标准差？
2. 同样的问题，但使用交互项（* 并且没有 I()）而不是乘法项。

非常感谢