Как выполнить несколько функций линейной регрессии, таких как lm в R, чтобы соответствовать правилу предсказания y = cx^a_1x^b_2 (где x1 и x2 являются атрибутами, a, b, c являются параметрами, и y - предсказанная метка) моему учебному набору, состоящему из наблюдений ((xi, 1, xi, 2), yi), i = 1, ..., n, причем yi все положительные?множественная линейная регрессия в R
0
A
ответ
3
Это очень трудно читать ваше уравнение, но если вы имеете в виду:
у = с × х × х б
то есть (по крайней мере,) два варианта:
- Использование
lm(...)
с Формула:log(y) ~ log(x1) + log(x2)
. Это будет генерировать оценку перехвата (log(c)
) и коэффициентыlog(x1)
иlog(x2)
(a и b соответственно). Этот подход является рискованным, поскольку он зависит от ответа (log(y)
в этом случае), имеющего ошибки, которые являются нормальными с постоянной дисперсией. Если ошибка вy
является нормальной с постоянной дисперсией, то ошибки вlog(y)
не будет, поэтому вам нужно тщательно изучить остаточный график Q-Q, чтобы убедиться, что это ограничение выполнено. - Используйте уравнение непосредственно в нелинейной модели,
Например,
fit = nls(y ~ c*x1^a*x2^b, data=mydata, start=c(a=1, b=1, c=1))
Проблема nls(...)
в том, что она не может сходиться, если ваши первоначальные оценки а, Ь, c (здесь, 1, 1 и 1) слишком далеки от наилучших значений. Обычно я бы рекомендовал нелинейную регрессию для этого типа проблем.
Смежные вопросы
- 1. Множественная множественная линейная регрессия
- 2. Множественная линейная регрессия
- 3. Множественная линейная регрессия и MSE от R
- 4. Множественная линейная регрессия с питоном
- 5. Множественная линейная регрессия с numpy
- 6. Эффективная множественная линейная регрессия в C#/.Net
- 7. Множественная регрессия с использованием R
- 8. Множественная линейная регрессия для набора данных в R с ggplot2
- 9. Предсказывать функцию lm в R (множественная линейная регрессия)
- 10. Множественная линейная регрессия в Matlab R2014a
- 11. Многомерная/множественная линейная регрессия в Scikit Learn?
- 12. Множественная линейная регрессия scikit-learn и statsmodel
- 13. R линейная регрессия
- 14. OLS множественная линейная регрессия с commons-math
- 15. Петли в R - линейная регрессия
- 16. Взвешенная линейная регрессия в R
- 17. Линейная многомерная регрессия в R
- 18. Линейная регрессия Прогнозирование в R
- 19. R- Линейная регрессия - X перехватывать
- 20. R - линейная регрессия - управление переменной
- 21. R, линейная регрессия, ое, около
- 22. Множественная регрессия в Python
- 23. Множественная регрессия в R с использованием CVlm
- 24. Создание модельных данных Множественная регрессия в R
- 25. Линейная регрессия в петле
- 26. Линейная регрессия для каждой категории в R
- 27. Многомерная линейная регрессия - градиентный спуск в R
- 28. Линейная регрессия 2 наблюдений в R
- 29. Прогнозирование компонентов в R Линейная регрессия
- 30. Линейная регрессия модель матрицы в R