问题标签 [regression]

给定具有 N 个独立值和 1 个依赖值的 (N+1) 维实值向量的集合，我想计算一个 1 次（线性）、2（二次）或更高阶的多项式，以提供相当好的拟合（例如由最小二乘误差确定）。换句话说，当应用于集合的元素时，多项式应该将每个独立值映射到相关的依赖值（具有一些合理的误差范围）。

我希望自变量的维数在 2..8 范围内，并且可以处理 20..200 个元素的集合。我希望以毫秒而不是秒为单位拟合多项式。:-)

我很快找到了一维数据的多项式回归算法，但我还没有想出任何适用于多维数据的方法。我主要对算法描述或源代码感兴趣。任何指针？

我有一个用于调查药物使用的时间序列数据的回归模型。目的是将样条曲线拟合到时间序列并计算出 95% CI 等。模型如下：

的摘要输出mg为：

我正在使用 的Pr(>|t|)值a2来测试正在调查的数据是否是自相关的。

是否可以提取Pr(>|t|)（在此模型中为 0.33329）的此值并将其存储在标量中以执行逻辑测试？

或者，可以用其他方法解决吗？

查看 plyr 教程，我发现以下准备工作：

现在一些模型

有什么区别？

当我检查

在这两种情况下，它都会产生具有相同数字的相同列。
然而回归系数完全不同......

知道这个符号是什么意思吗？

对于我的案例，我在 R 中有一些带有各种变量的数据：

每个案例我还有一个预期输出的向量：

1、2、3、1、4

我想做的是识别无用的变量。在这个例子中，B 和 Z 几乎没有能力对数据进行分类，所以我想被告知这个事实。

我研究了使用多元线性回归，但是我不想单独输入和操作每个变量/维度，因为在我的正确数据中它会运行到数千个，有数万个案例。

任何有关最佳方法的帮助将不胜感激。

顺便说一句，我不是统计学家，我是软件开发人员，如果术语不正确，请见谅。

为了弄清楚我在问什么，我创建了一个简单的例子。第一步是创建一些数据：

所以这些是一些随机日期合并到一个data.frame。因此，从这些日期开始，我想绘制一个云，我可以在其中区分男性和女性，并在其中添加两个简单的回归（一个用于女性，一个用于男性）。所以我已经开始了，但我无法达到我想要的程度。请看下面我到目前为止所做的事情：

使用云命令时如何为男性或女性制作不同的点（例如蓝色和粉红色点，而不仅仅是蓝色十字）以及如何将两个估计模型添加到云图中？

任何想法表示赞赏！谢谢你的想法！

我有这个带有一个独立变量的回归 matlab 代码，但是如果我有两个独立变量（x1 和 x2）怎么办？我应该如何修改这个多项式回归的代码？

我有这组变量：

我想在matlab中进行二元回归，但不知道该怎么做，有人可以帮助我吗？线性或多项式回归的结果必须在这两个类之间，存储在 y 中。

我没有找到计算正交回归（TLS - Total Least Squares）的函数。

有这种功能的包吗？

更新：我的意思是对称地而不是不对称地计算每个点的距离lm()。

所以我对R中横截面回归NA的残差中的一些值有一些问题。lm

问题不在于NA价值观本身，而在于 R 呈现它们的方式。

例如：

在这个简单的示例中，一个NA值将使残差之一丢失。当我提取残差时，我可以清楚地看到第三个索引丢失。到目前为止一切顺利，这里没有任何抱怨。问题是对应的数字向量现在短了一项，所以第三个索引实际上是第四个。我怎样才能让 R 返回这些残差，即显式显示NA而不是跳过索引？

我需要跟踪所有单独的残差，所以如果我能以这种方式提取它们，我的生活会更轻松。

我有一组从表面网格获得的点（形式为x1,y1,z1 ... xn,yn,zn ）。我想通过最小化正交距离来找到最适合这些点的 3D 平面。x,y,z坐标是独立的，即我想得到平面方程Ax + By + Cz + D = 0的系数A, B, C, D。

获得 A、B、C、D 的算法是什么？

注意：在上一篇文章中，通过将z坐标视为x,y的线性函数，讨论了最小二乘意义上的最佳拟合平面。然而，这不是我的情况。