Si tienes alguna pregunta, puedes hacerla a continuación o ingresar lo que estás buscando.
import pandas as pd import numpy as np from sklearn.model_selection import train_test_split, cross_val_score from sklearn.linear_model import LinearRegression boston = pd.read_csv(‘boston.csv’) x = boston.drop(‘medv’, axis=1).values y = boston[‘medv’].values reg = LinearRegression() cross_val_score(reg, x, y, cv=5) reg.predict(x) En el código anterior, calculo el puntaje de validación cruzada con 5 particiones para mi . . . Read more
Estoy luchando con lo siguiente: Mi idea es analizar el desarrollo (pendiente) de una salida de diferentes regresiones multinivel. La salida se ajusta en mis datos con 2 momentos diferentes. Tengo 3 variables predictoras (sentido del humor, seriedad, amabilidad). Estas variables predictoras se miden para muchas personas y grupos. Y . . . Read more
Si se me proporciona una salida para un modelo de regresión lineal como este: Llamada: lm(formula = Cost ~ Age + I(Age^2)) Residuos: Min 1Q Mediana 3Q Máx. -371.76 -218.77 -70.16 141.97 541.08 Coeficientes: Estimate Std. Error t value Pr(>|t|) (Intercept) 348.088 214.816 1.620 0.127 Age 103.003 181.969 0.566 0.580 . . . Read more
El objetivo es realizar una regresión lineal para cada usuario de manera escalable en PySpark. Características: x1 y x2. Resultado: y Ecución de regresión (intercepto cero): y = m(x1) + n(x2) Ejemplo: pdf = pd.DataFrame( { "user": [1, 1, 1, 2, 2, 2], "x1": [1, 2, 3, 1, 2, 3], . . . Read more
Tengo que hacer mi primera tarea de regresión lineal múltiple en R. Tengo dos conjuntos de datos. Un conjunto de datos de entrenamiento y un conjunto de datos de prueba. He hecho un modelo (logmodel con Multiple R-squared: 0.7904, que desafortunadamente no satisface la normalidad y la homoscedasticidad) y el . . . Read more