logistic-regression

    0

    1答えて

    Rを使って、予測されたロジスティック曲線(経験的データから予測される)の方程式を見つける方法を入力したいと思います。 私が見つけることができるもっとも近いコマンドは、library(ggpmisc)のstat_poly_eq関数で、ggplot2でカーブをプロットするときに使用します。しかし、私はグラフ上にy = 0.48を印刷するためにしかこのメソッドを得ることができませんが、私は全体の方程式を

    2

    1答えて

    私はdoParallelパッケージに出くわしました。私のケースでは便利かもしれません。 次のコードは、パラレル、いくつかのpglm回帰で評価することを目指し: require("foreach") require("doParallel") resVar <- sample(1:6,100,TRUE) x1 <- 1:100 x2 <- rnorm(100) x3 <- rchi

    0

    1答えて

    私はプロジェクトに取り組んでおり、予想される問題にぶつかっています。私のデータにPROC LOGISTICを実行した後、オッズ比と回帰係数のいくつかがの逆数であるように見えて、になるはずです。オッズ比を実行するためにPROC FREQを使用して調査した後、私はPROC LOGISTICからのオッズ比に何らかのエラーが存在すると信じています。 以下の例は、応答変数 "MonthStay"と、問題の変

    0

    1答えて

    TensorFlowとmnistデータセットを使用してロジスティック回帰モデルを実装しました。次のコードを使用して、学習アルゴリズムの完全な精度を得る方法を見つけました。 correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1)) accuracy = tf.reduce_mean(tf.cast(correct_pre

    0

    1答えて

    私はこの関数のグラデーションを取ろうとしています: loss function (N個のオブジェクト、m個の機能)。ここで def L(y,X,w): #loss function return np.sum(np.log1p(np.exp(np.dot(w,(-X.T*y))))) 偏微分の私の計算である:私は、勾配の数値評価を実施していた場合analytic gradient def g(y,

    0

    1答えて

    私は顧客がキャンペーン(航空会社の場合)に加入するかどうかを予測しているバイナリ分類の問題を抱えています。 私のデータセットは顧客名とキャンペーン名のレベルであり、検討中の変数は43個あります。 デシル(1から10)と教育レベル(0から5)のような変数があります。教育のレベルでは、4が2の2倍になるとは言えません。変数をどのように扱うべきですか? 私は、私はダミー変数にこれらを変換する場合、私は変

    0

    2答えて

    私はRの1500万回の観測データの大規模なデータセットを扱っています。ロジスティック回帰を実行して、バイナリ従属変数( "HasShared" )。 共有のイベントは非常にまれです(1%未満)ので、まれなイベントの問題を処理するためにlogistf回帰を試しました。データセットには48の変数があり、そのうち6つだけが回帰に参加する必要があります。私はGoogleのクラウドプラットフォーム上の仮想マ

    2

    1答えて

    scikit-learnのLogisticRegressionソルバーを使用する正しい方法は、数値フィーチャが1つだけの場合ですか? 私は説明が難しいとわかった簡単な例を実行しました。誰でも私がここで間違っていることを説明できますか? import pandas import numpy as np from sklearn.linear_model import LogisticRegres

    0

    1答えて

    私はRでロジスティック回帰をしています。私は、統計情報とRの理解が不足している可能性があります。現在の出力のp値に基づいてモデルを縮小することに関する質問。 Iが与えられたコマンドである: model = glm(col1 ~ 1+(col2+col3+col4+col5+col6+col7)^2, family=binomial, data=ds) summary(model) 列は最初

    -2

    1答えて

    私は14の機能を持つ多変量ロジスティック回帰モデルを実装しようとしています。 2つのフィーチャについては、散布図を使用してデータを視覚化し、仮説関数と決定境界を手動で決定することができます。どのように私は14の機能のために同じことを行うことができますか?そのようなデータを視覚化する方法はありますか?そうでない場合は、どうすればよいフィット感を得ることができますか?