r ridge回归_R语言区间数据回归分析
原文链接:http://tecdat.cn/?p=14874
通常,GLM的连接函数可能比分布更重要。为了说明,考虑以下数据集,其中包含5个观察值
x = c(1,2,3,4,5)y = c(1,2,4,2,6)base = data.frame(x,y)
然后考虑具有不同分布的几个模型,以及一个链接
regNId = glm(y~x,family=gaussian(link="identity"),data=base)regNlog = glm(y~x,family=gaussian(link="log"),data=base)regPId = glm(y~x,family=poisson(link="identity"),data=base)regPlog = glm(y~x,family=poisson(link="log"),data=base)regGId = glm(y~x,family=Gamma(link="identity"),data=base)regGlog = glm(y~x,family=Gamma(link="log"),data=base)regIGId = glm(y~x,family=inverse.gaussian(link="identity"),data=base)regIGlog = glm(y~x,family=inverse.gaussian(link="log"),data=base
还可以考虑一些Tweedie分布,甚至更一般
考虑使用线性链接函数在第一种情况下获得的预测
plot(x,y,pch=19)abline(regNId,col=darkcols[1])abline(regPId,col=darkcols[2])abline(regGId,col=darkcols[3])abline(regIGId,col=darkcols[4])abline(regTwId,lty=2)
这些预测非常接近。在指数预测的情况下,我们获得
我们实际上可以近距离看。例如,在线性情况下,考虑使用Tweedie模型获得的斜率(实际上将包括此处提到的所有参数famile)
这里的坡度总是非常接近,如果我们添加一个置信区间,则
对于Gamma回归或高斯逆回归,由于方差是预测的幂,因此,如果预测较小,则方差应该较小。因此,在图的左侧,误差应该较小,并且方差函数的功效更高。
plot(Vgamma,Verreur,type="l",lwd=3,ylim=c(-.1,.04),xlab="power",ylab="error")abline(h=0,lty=2)
当然,我们可以对指数模型做同样的事情
或者,如果我们添加置信区间,我们将获得
因此,这里的“斜率”也非常相似...如果我们看一下在图表左侧产生的误差,可以得出
plot(Vgamma,Verreur,type="l",lwd=3,ylim=c(.001,.32),xlab="power",ylab="error")
因此,分布通常也不是GLM上最重要的一点。
点击标题查阅往期内容
R语言中使用线性模型、回归决策树自动组合特征因子水平 R语言缺失值的处理:线性回归模型插补 R语言逻辑回归和泊松回归模型对发生交通事故概率建模 R语言中自编基尼系数的CART回归决策树的实现 R语言非参数模型厘定保险费率:局部回归、广义相加模型GAM、样条回归 R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用 R语言中回归模型预测的不同类型置信区间应用比较分析 R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分析保险资金投资组合信用风险敞口 R语言中的偏最小二乘PLS回归算法 基于R语言的lmer混合线性回归模型 R语言泊松回归对保险定价建模中的应用:风险敞口作为可能的解释变量 Python用PyMC3实现贝叶斯线性回归模型 r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现 R语言如何和何时使用glmnet岭回归 R语言实现向量自回归VAR模型
更多内容,请点击左下角“”查看报告全文
关注我们
案例精选、技术干货 第一时间与您分享
长按二维码加关注
更多内容,请点击左下角“”查看报告全文
r ridge回归_R语言区间数据回归分析相关推荐
- r ridge回归_R语言逻辑回归和泊松回归模型对发生交通事故概率建模
原文链接 http://tecdat.cn/?p=14139 我们考虑风险敞口,计算包含风险敞口的多个数量(经验均值和经验方差)的非参数估计量.如果要对二项式变量建模. 这里的模型如下: 未观察到该期 ...
- r语言 中断r的输入_R语言_004数据输入
现实的情况是,我们大部分遇到的都是表格数据,在R语言里面叫数据框,数据来源一般不可能我们自己在程序开始前手动录入,正常的逻辑是从外面读取现成的数据,再预处理.建模什么的.根据经验,现在的数据来源主要是 ...
- readxmls r语言_R语言系列 数据读入(完整版)
[免责声明:本文用于教学] 04. 数据读入 R提供了适用范围广泛的数据导入工具.向R中导入数据的权威指南参见可在http://cran.r-project.org/doc/manuals/R-dat ...
- r ridge回归_手把手带你画高大上的lasso回归模型图
各位芝士好友,今天我们来聊一聊lasso回归算法.与预后有关的文章,传统的做法一般会选择多变量cox回归,高级做法自然就是我们今天的lasso分析. 首先我们先来几篇文献,看一下lasso最近发的两篇 ...
- r语言 面板数据回归_R语言_018回归
回归分析是统计学的核心.它其实是一个广义的概念,指那些用一个或多个预测变量来预测响应变量的方法.通常,回归分析可以用来挑选与响应变量相关的解释变量,可以描述两者的关系,也可以生成一个等式,通过解释变量 ...
- r语言 面板数据回归_R语言——伍德里奇计量经济导论案例实践 第十三章 横截面与面板数据(一)...
哈喽,停更了大概有三周的计量笔记又要重新开始啦!虽然美国的疫情没有停歇的迹象,可是依旧阻挡不了大学开学的热情.从8月3号开始上课到现在,也经历了很多事情,每天都是抱着死猪不怕开水烫的心情,暗地里安慰自 ...
- r语言变量长度不一致怎么办_R语言实现数据离散化方法总结
前言 在做数据挖掘模型的时候,我们有时会需要把连续型变量转型离散变量,这种转换的过程就是数据离散化,分箱就是离散化常用的一种方法. 数据离散化处理属于数据预处理的一个过程,R语言在数据处理上有天然的优 ...
- r语言logistic回归_R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用...
原文链接 :http://tecdat.cn/?p=14017tecdat.cn 通常,我们在回归模型中一直说的一句话是" 请查看一下数据 ". 在上一篇文章中,我们没有查看数据 ...
- r 多元有序logistic回归_R语言多分类logistic逻辑回归模型在混合分布模拟单个风险损失值评估的应用...
原文链接 拓端数据科技 / Welcome to tecdattecdat.cn 通常,我们在回归模型中一直说的一句话是" 请查看一下数据 ". 在上一篇文章中,我们没有查看数据 ...
最新文章
- DOS之BAT批处理文件语法3(转)
- SpringCloud微服务全栈实战讲解 - 公开课笔记
- 统计学中【矩】的概念
- 圆章能随便刻吗_当归、人参、虫草熬成的养生汤,能随便销售吗?
- 2029.石子游戏 IX-LeetCode
- Ubuntu Gitosis安装设置
- 用于android天气开发的背景图,Android开发天气预报APP的设计与实现毕业设计.pdf
- WinForm 单例模式实例
- 苹果手机越狱软件_手机资讯:iPhone6/6 Plus不越狱怎么下载软件
- 云原生中间件RocketMQ-消费者消费模式之广播模式、偏移量offset解析
- R语言ETL系列:创建字段(mutate)
- 总结100+前端优质库,让你成为前端百事通
- D3D9学习笔记之渲染状态关键字
- Visual C++ 2008入门经典 Ivor Horton(书_在线阅读)
- 开水果店如何进水果,开水果店进的应季水果有哪些
- 基于hadoop平台hive数据库处理电影数据
- 概率相关图像的绘制_正态分布_uniform_pearson
- script 脚本标签中 defer 和 async (延缓 和 异步)
- FOC学习之路——硬件电路(一)
- Android Studio一直Indexing