คำถามติดแท็ก regression


5
การเพิ่มเส้นการถดถอยบน ggplot
ฉันพยายามอย่างมากที่จะเพิ่มเส้นการถดถอยใน ggplot ฉันลองใช้ abline ครั้งแรก แต่ฉันไม่สามารถทำให้มันใช้งานได้ จากนั้นฉันก็ลองสิ่งนี้ ... data = data.frame(x.plot=rep(seq(1,5),10),y.plot=rnorm(50)) ggplot(data,aes(x.plot,y.plot))+stat_summary(fun.data=mean_cl_normal) + geom_smooth(method='lm',formula=data$y.plot~data$x.plot) แต่มันก็ใช้ไม่ได้เช่นกัน

6
วิธีบังคับให้ R ใช้ระดับปัจจัยที่ระบุเป็นข้อมูลอ้างอิงในการถดถอย
ฉันจะบอกให้ R ใช้ระดับหนึ่งเป็นข้อมูลอ้างอิงได้อย่างไรหากฉันใช้ตัวแปรอธิบายไบนารีในการถดถอย มันใช้เพียงระดับหนึ่งโดยค่าเริ่มต้น lm(x ~ y + as.factor(b)) ด้วยb {0, 1, 2, 3, 4}. สมมติว่าฉันต้องการใช้ 3 แทนศูนย์ที่ใช้โดย R

5
เรียกใช้การถดถอย OLS ด้วย Pandas Data Frame
ฉันมีpandasกรอบข้อมูลและต้องการทำนายค่าของคอลัมน์ A จากค่าในคอลัมน์ B และ C นี่คือตัวอย่างของเล่น: import pandas as pd df = pd.DataFrame({"A": [10,20,30,40,50], "B": [20, 30, 10, 40, 50], "C": [32, 234, 23, 23, 42523]}) ตามหลักการแล้วฉันจะมีบางอย่างที่คล้ายกันols(A ~ B + C, data = df)แต่เมื่อฉันดูตัวอย่างจากไลบรารีอัลกอริทึมscikit-learnดูเหมือนว่าจะฟีดข้อมูลไปยังโมเดลด้วยรายการแถวแทนที่จะเป็นคอลัมน์ สิ่งนี้ทำให้ฉันต้องฟอร์แมตข้อมูลใหม่เป็นรายการภายในลิสต์ซึ่งดูเหมือนจะเอาชนะจุดประสงค์ของการใช้แพนด้าตั้งแต่แรก วิธีใดที่เป็นวิธี pythonic ที่สุดในการเรียกใช้การถดถอย OLS (หรืออัลกอริธึมการเรียนรู้ของเครื่องโดยทั่วไป) กับข้อมูลในกรอบข้อมูลแพนด้า

10
Linear Regression และจัดกลุ่มตามใน R
ฉันต้องการทำการถดถอยเชิงเส้นใน R โดยใช้lm()ฟังก์ชัน ข้อมูลของฉันเป็นอนุกรมเวลารายปีโดยมีหนึ่งฟิลด์สำหรับปี (22 ปี) และอีกฟิลด์หนึ่งสำหรับรัฐ (50 สถานะ) ฉันต้องการให้พอดีกับการถดถอยสำหรับแต่ละสถานะดังนั้นในตอนท้ายฉันมีเวกเตอร์ของการตอบสนอง lm ฉันนึกภาพออกว่าทำลูปสำหรับแต่ละสถานะจากนั้นทำการถดถอยภายในลูปและเพิ่มผลลัพธ์ของการถดถอยแต่ละครั้งให้กับเวกเตอร์ อย่างไรก็ตามนั่นดูเหมือนจะไม่เหมือน R มากนัก ใน SAS ฉันจะทำคำสั่ง 'โดย' และใน SQL ฉันจะทำ 'จัดกลุ่มตาม' R ทำแบบนี้คืออะไร?
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.