回答情况：
提问时间：
问题标签：
1回答
我使用python与sklearn和statsmodel一起创建回归模型。这是我第一次使用岭回归。然而，我不明白这些结果意味着什么。例如。1.00000000e+00 4.11548523e-02 6.98464464e-01 3.88878487e-01无论何时，我做一个正常的线性回归有人能解释为什么，它意味着什么吗？
浏览 0提问于2017-05-09得票数 2
回答已采纳
我使用Weka来使用已知二进制结果的训练数据进行逻辑回归。它表现得相当好，对大约80%的实例进行正确分类。我还有一个使用当前数据的数据集，其中的结果是未知的。我很难理解这些结果。有人能帮我解释一下他们吗？我注意到，当概率分布低于0.5时，模型只猜测是的。这是否意味着我应该把它理解为一个1概率分布，结果是肯定的？
浏览 6提问于2013-05-07得票数 0
2回答
我有一个问题，与一个惩罚回归模型与拉索和解释返回值。我有文本内容，并希望找到每一个最有预见性的单词为一堂课。如何正确地解释这些值？data=0.62是什么意思？
谢谢!
浏览 9修改于2018-05-29得票数 2
我已经看了文档，但没有找到我的问题的答案，希望这里的人知道。下面是一些示例代码： N_FOLDS= 5
default_params = model.get_params()
default_params['objective'] = 'regression'
浏览 57修改于2021-04-08得票数 1
回答已采纳
1回答
我已经将csv文件导入python，如下所示：data.head(10)然后在销售变量上拟合一个线性回归模型，使用结果中所示的变量作为预测因子调查结果概述如下：
model_linear = smf.ols('sales ~ month + weekend + holiday + prod_function + prod_regime + prod_listprice我应该如何解释和理解这一结果？例如，这
浏览 0提问于2018-11-11得票数 5
拟合的结果为：
AUCMET ~ 1 + TNST + Seff
F-statistic vs. constant model: 114, p-value = 5.36e-45anova分析的结果是148.25 9.4907e-32诊断图的输出为
p
浏览 2修改于2015-08-10得票数 1
对于线性回归中的加权系数，我也有类似的问题。
试图隔离哪些变量对retention的影响最大，但不理解为什么收入最高的地区没有最多的retention (如果它们相关性最大/加权系数最高)。
浏览 0修改于2022-02-11得票数 1
回答已采纳
2回答
我有一个包含5个不同结果变量和10个不同解释变量的回归，所以我使用两个循环来运行模型，如下所示： for(j in 1:length(explanatory)), data=mydata, family=binomial) }这样，例如reg11是具有第一个结果和第一个解释变量的回归，例如reg 310是具
浏览 0修改于2021-05-18得票数 0
1回答
我在R中开始学习岭回归，应用线性岭回归，得到以下结果。我如何解释结果？-0.203 -0.049 0.808 0.150 -0.117 -0.043
我如何解释结果我还需要做些什么来解释吗？
浏览 2修改于2013-07-22得票数 0
我之前曾被告知--出于完全合理的理由--当结果变量是二进制(即是/否、真/假、赢/输等)时，不应该运行OLS回归。然而，我经常阅读经济学/其他社会科学方面的论文，在这些论文中，研究人员对二元变量进行OLS回归，并对系数进行解释，就像对连续结果变量的解释一样。有关这方面的几个问题：
为什么不进行逻辑回归？例如，在经济学中，我经常看到论文将OLS回归用于二元变量，而不是logit。logit只能在某些情况下使用吗？在
浏览 11提问于2020-08-21得票数 3
谁能用统计模型解释一下广义线性模型和逻辑回归模型表之间的区别？为什么在执行逻辑回归时，两个模型得到的结果不同？
浏览 2提问于2020-06-28得票数 3
因此，我试图用一些预测因子来解释我的严格有界变量(百分比)--分类和数值。我已经读了很多关于这个话题的文章，但我仍然对其中的一些论点感到困惑。我回归的目的是解释，而不是预测。对严格有界的结果变量运行线性回归会带来什么后果？
浏览 0提问于2019-05-26得票数 0
我在R中做了SIMPLS回归，但我不确定如何解释结果，这是我的函数看起来的样子。yarn.simpls<-mvr(Pcubes~X1+X2+X3,data=dtj,validation="CV",method="simpls")summary(yarn.simpls训练：%方差解释，这是像变量的重要性吗？我只想确保我正确地解释了结果。
浏览 2提问于2014-04-24得票数 1
1回答
我读过线性回归和解释OLS结果，即系数，t-值，p-值.但在线性回归中找不到任何与协方差矩阵相关的材料。什么是协方差矩阵，人们应该如何解释它？
浏览 0提问于2020-03-12得票数 1
我用Python建立了Liear回归模型，我有目标变量，例如Sales: 10、9、8。我的问题是，当我知道我的目标是日志时，我如何解释这个模型的结果？因为目前我有解释，例如:如果有夜间销售平均下降1.333，但可能是糟糕的解释，因为没有目标的日志，我将有一定的更高的量化，例如，如果有夜间销售下降平均数，例如2589。那么，如何解释目标对数后线性回归的结果呢？因为日志目标有很低的值吗？
浏览 3修改于2021-03-14得票数 0
回答已采纳
多元线性回归:一个显着的方差分析，但没有显着的系数预测？ 我对2个IVs进行了多元回归，以预测受养人，所有假设都已满足，方差分析结果显着，但系数表表明，没有一个预测因子是显着的？这意味着什么，我如何解释这一结果？ (使用SPSS)
浏览 11提问于2020-03-17得票数 0
LinearRegression(), learning_rate=2, n_estimators=427, random_state=42)
当我试图解释和改进结果时，我想看到特性的重要性，但是我发现一个错误，就是线性回归并不能真正做到这一点。好的，听起来很合理，所以我试着使用.coef_，因为它应该适用于线性回归，但它在适当的地方，结果与adaboost回归不兼容。是否有任何方法可以找到特征的重要性，或者当它被用于线性<
浏览 12提问于2022-06-26得票数 0
1回答
我的工作是车辆占用率预测，我对此非常陌生，我使用随机森林回归来预测入住率。我确信模型不好，如何解释RMSE和MAE的结果。此外，这幅图也显示出这并不是很好的预测，我是否用正确的方法来预测车辆的占用率。随机森林回归是解决这一问题的好方法吗？如何改进模型的结果？
如何解释结果
浏览 0提问于2021-07-27得票数 2
我使用XGBoost算法，尝试了eli5和SHAP来解释回归结果。我得到了一些自相矛盾的结果，下面是截图。我不完全理解eli5和SHAP之间的区别，我想找出更依赖哪种解释。
浏览 1提问于2022-07-13得票数 0
岭回归与OLS回归有很小的不同。从数学上讲，OLS回归使用了以下公式其中岭回归使用公式我想使用岭回归来避免多重性，但是得到了非常奇怪的结果，这些结果远比使用regress()更糟糕。有人能解释一下为什么会发生这种事吗？
浏览 2提问于2016-06-20得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号