non-linear-regression

2熱

2答えて

私が理解しているように、Scikitでベクトル回帰をサポートするには、次数の整数を取る。しかし、多かれ少なかれ多項式を考慮しないように思えます。データをプロット import numpy from sklearn.svm import SVR X = np.sort(5 * np.random.rand(40, 1), axis=0) Y=(2*X-.75*X**2).ravel() Y[

0熱

1答えて

すべてのTensorflow出力がナノです。

import tensorflow as tf # Model parameters A = tf.Variable([.3], dtype=tf.float32) W = tf.Variable([.3], dtype=tf.float32) b = tf.Variable([-.3], dtype=tf.float32) # Model input and output x =

1熱

1答えて

機械学習における連続回帰

出力yを与える一連の入力（x1、x2、...、xn）があるとします。目標はまだ見えなかったx1 ... xnの値からyを予測することです。この問題は機械学習の領域で回帰問題としてモデル化することができます。ただし、データは引き続き送信されます。 x1 ... xnからyを予測することができます。さらに、その予測が良いかどうかを後で確認することができます。それが良いものだったなら、すべてが問題あり

1熱

1答えて

JavaScriptの単純回帰予測アルゴリズム

回帰を使用して過去の記録に基づいて組織の将来の利益を簡単に予測しようとしています。私はthis linkに従っています。テストの目的のために、私はサンプルデータを変更した、それはこれらの結果を生成：私の実際のデータには、日付と利益となり、彼らが上下に行くのではなく連続的な増分方法でされます。上記の方法は、予測が非常に正確であるために増加し続けているサンプルデータに対して機能することに気付きました

0熱

3答えて

RまたはPythonを使用して非線形モデルにパラメータ値をどのように適合させるか

私は関数と点集合を持っています。機能は次のとおりです。mとkは、問題のパラメータです s(t) = m*g*t/k-(m*m/(k*k))*(exp(-k*t/m)-1) 。は、私は私のデータにこの式を合わせてm最高とkを見つける必要がある、と私は少しプログラミングの経験を持っている(t, s(t)) のデータを持っています。 Rに簡単に見えた：最高の試みだったこと df<-read.tab

0熱

1答えて

非線形モデル

私はのStataによる上記非線形モデルを推定してみてください。残念ながら、私はStataには不満です。誰もStataで上記の関数を書くのを助けることができますか？ Stataのnlコマンドで地域ダミー、時間固定効果、国固定効果をどのように書くことができますか？ Stataの上記の式に合計を書き込む方法はありますか？あるいは、個々の領域ごとに方程式を推定する方が簡単ですか？

-3熱

1答えて

Pythonでパラメータを見つけるための非線形回帰

私は関数Y = a + b *（x）^ cとxとyの実験値のリストを持っています。どうすればPythonでカーブフィッティングを行い、パラメータa、b、cの値を調べることができますか？ x y 5.107 3.57 15.593 4.09 178.942 9.19 351.23 14.3 523.172 19.41 1039.449 32.17

1熱

1答えて

これら2つのコスト関数はオクターブで同等ですか？

one = sum((X*theta) - y) .^2)/(2*m); two = ((X'*theta - y)*(X*theta - y))/2*m; % where X' == X transpose, so I can do matrix multiplication. "1"は、線形回帰の単変量コスト関数に（正常に）使用されます。 "1"は多変量線形回帰問題のコストを計算する

3熱

1答えて

RNのKnn回帰

私はKnn回帰法とそれ以降のカーネルスムージングについて調べています。私はここに9.2に「knn.reg」の使用方法の説明に従うことをしようとしている x = runif(100,0,pi) e = rnorm(100,0,0.1) y = sin(x)+e ：は、私は、次のコードを使用してデータセットを生成したR.でプロットを使用して、これらの方法を実証することを望みます： https

-1熱

1答えて

XとYは相関関係はありませんが、YはXinランダムフォレスト分類子の予測子です。統計と機械学習を使ってこれを表現する方法は？

XとYは相関しない（0.3）。しかし、Xを2つ（A、B）の他の（関連する）変数と共にYを予測するランダムフォレスト分類子にXを入れたとき、Xと他の2つの変数（A、B）はYの重要な予測子です。 B）変数もYと相関していません。統計と機械学習の考え方に従って、これをどのように解釈できますか？変数が強い相関性を持たない別の変数（X）に対して1つ以上の変数（A、BまたはY）を表す。