Оглавление:

Можем ли мы выполнить регрессию на нелинейных данных?
Можем ли мы выполнить регрессию на нелинейных данных?

Видео: Можем ли мы выполнить регрессию на нелинейных данных?

Видео: Можем ли мы выполнить регрессию на нелинейных данных?
Видео: ML: Давайте разберемся в другом виде регрессии: non-linear regression 2024, Апрель
Anonim

Нелинейная регрессия может подходят для многих других типов кривых, но это жестяная банка требуется больше усилий как для поиска наиболее подходящего, так и для интерпретировать роль независимых переменных. Кроме того, R-квадрат недействителен для нелинейная регрессия , и невозможно вычислить p-значения для оценок параметров.

Таким образом, может ли регрессия быть нелинейной?

В статистике нелинейная регрессия это форма регресс анализ, в котором данные наблюдений моделируются функцией, которая является нелинейный сочетание параметров модели и зависит от одной или нескольких независимых переменных. Данные аппроксимированы методом последовательных приближений.

Можно также спросить, возводится ли квадрат r только для линейной регрессии? Общая математическая основа для р - в квадрате не работает правильно, если регрессионная модель не является линейный . Несмотря на эту проблему, большинство статистических программ по-прежнему рассчитывают р - в квадрате для нелинейных моделей. Если вы используете р - в квадрате выбрать лучшее модель , это приводит к правильному только модель 28-43% случаев.

В связи с этим, как вы рассчитываете нелинейную регрессию?

Если в вашей модели используется уравнение в виде Y = a0 + b1Икс1, это линейная регрессия модель. Если нет, то это нелинейный.

Y = f (X, β) + ε

  1. X = вектор из p предикторов,
  2. β = вектор k параметров,
  3. f (-) = известная функция регрессии,
  4. ε = член ошибки.

Какие бывают типы регрессии?

Типы регрессии

  • Линейная регрессия. Это простейшая форма регрессии.
  • Полиномиальная регрессия. Это метод подбора нелинейного уравнения путем взятия полиномиальных функций от независимой переменной.
  • Логистическая регрессия.
  • Квантильная регрессия.
  • Хребтовая регрессия.
  • Лассо-регрессия.
  • Эластичная чистая регрессия.
  • Регрессия основных компонентов (ПЦР)

Рекомендуемые: