問題タブ [non-linear-regression]

回帰 (時系列予測) と分類のニューラル ネットワークのアーキテクチャに違いはありますか?

いくつかの回帰テストを行いましたが、かなり悪い結果が得られました。

私は現在、2 から 4 個のニューロン、tanh活性化関数、および運動量を持つ 1 つの隠れ層を備えた、基本的なフィード フォワード ネットを使用しています。

それではゲームプランです。このデータセット (構造体オブジェクトになります) を下に取り、曲線回帰モデルを実行しようとしています。次に、各ポイントで傾き (つまり、各 x の 1 次導関数の値) を取得し、その傾き情報を含むデータ テーブルを独自の列に保存します。

入力.txt:

script.r:

概要: データを取得し、回帰を実行し、各値で勾配を取得してから、同じデータを勾配とともに別の列に保存します。出力は同じテーブルになりますが、新しい 3 番目の列 (各 x 値に関連付けられた勾配) があります。出力は次のようになります。

output.txt:

問題は、その情報を「取得」する方法と、それを再保存する方法が、適切に行う方法がわからないことです。Rが方程式の計算を行う方法に慣れていません。summary() から方程式の定数を取得できますが、それを処理する方法がありません。

適切な情報の組み合わせを見つけることができません (または、使用している検索用語だけでしょうか?)。これのいくつかが間違った疑似コードのように思われる場合は、お詫び申し上げます。ヘルプ？

R バージョン 3.2.4 Redhat Linux 4.1.2 データはhttps://plot.ly/~gwaligroski/15/michaelis-menten-equationから借用したもの コードはhttps://rpubs.com/RomanL/6752から改変

私はRで、学生が特定のコースで受け取ったレターグレードである応答変数を使用して作業しています。応答は序数であり、私の意見では、論理的に比例しているように見えます。私の理解では、multinom() の代わりに polr() を使用する前に、比例していることをテストする必要があります。

データのコースの 1 つについて、次のように比例性を「テスト」しました。

比例オッズの仮定をテストする 2 つ目の方法として、2 つの vglm モデルも実行family=cumulative(parallel =TRUE)しましたfamily=cumulative(parallel =FALSE)。次にpchisq()、モデルの逸脱度の差と残差の自由度の差でテストを実行しました。

これらの方法のどちらかが立派ですか？そうでない場合は、比例オッズの仮定を受け入れるか拒否するかを決定するための実際のコーディングを支援したいと思います!

上記の 2 つのテストに加えて、各予測変数に対する累積確率を個別にグラフ化しました。これらの線を平行にしたいということを読みました。私が理解していないのは、polr()出力が各独立変数（係数）の単一の勾配であり、次に、作業している累積確率に応じて特定の切片であるということです（例：P（Y <= A）、P（ Y<=B) など)。では、各方程式の勾配係数がすべて同じである場合、どのようにして直線が平行にならないのでしょうか?

Chris Bilder の YouTube クラスで基本的な知識を習得しました。彼はここの 42 分で平行グラフについて語っています。

どんな助けでも大歓迎です！ありがとうございました！

機械学習では、次のように言います。

• w ₁ x ₁ + w ₂ x ₂ +...+ w _n x _nは線形回帰モデルで、w ₁ ,w ₂ ....w _nは重みで、x ₁ ,x ₂ ...x ₂は機能に対して：
• w ₁ x ₁ ² + w ₂ x ₂ ² +...+ w _n x _n ²は、非線形 (多項式) 回帰モデルです。

ただし、いくつかの講義で、モデルは重みに基づいて線形であると人々が言うのを見たことがあります。つまり、重みの係数は線形であり、特徴の次数は関係ありません。線形(x ₁ ) か多項式(x _{1 )} ²）。本当？線形モデルと非線形モデルをどのように区別しますか? 重みまたは特徴値に基づいていますか?

関数 Y = f(a,b) があります。

a と b は 0 で区切られています

関数は定義されていませんが、(a,b) の値を差し込むと「Y」が得られるブラック ボックスのように想像できます。また、同じ Y を与える (a,b) の他の値が存在する可能性もあります。しかし、それは常に (a,b) の有限数になります。

総当たり検索を使用してすべての値を見つけ、それを使用して 3D グラフをプロットしました。これを以下に示します。しかし、これは必ずしも曲線ではありません。これは、私の初期条件の 1 つのケースにすぎません。

ここでの目的は、Y' の特定の値を知ることです。最小の反復回数ですべての解 (a,b) を見つける必要があります。（反復とは、（a、b）を関数に差し込んでYを取得することを意味します）。