笔者看到lifelines的文档里面涵盖的生存分析的模块以及讲解，比能查到的任何地方都要完整，所以 把这个库作为学习素材。 当然，另外也可以参考一下SPSS软件里面的模块，也是非常经典的一些学习对象。 文章目录0 lifelines介绍0.1 lifelines几个重要方法0.2 完整的生存分析流程1 生存概率估计1.1 非参数：KM数据样式——durations1.2 绘制KM曲线1.3 分组K
一、逻辑回归1.什么是逻辑回归逻辑回归又称对数几率回归，是一种广义的线性回归分析模型逻辑回归的工作原理：利用回归思想解决分类问题，通常用于二分类问题通过逻辑函数(Logistic或Sigmoid)将线性回归的结果(-∞,∞)映射为概率值(0,1)# 线性回归算法解决回归问题: y值(目标值/标签值)为连续值, 如预测用户信用额度 # 逻辑回归算法解决分类问题: y值(目标值/标签值)为离散值(分类
转载
2024-04-07 20:48:07
685阅读
回归分析关键词1、回归(regression)：发生倒退或表现倒退；常指趋于接近或退回到中间状态。在线性回归中，回归指各个观察值都围绕、靠近估计直线的现象。2、多元回归模型(multiple regression model)：包含多个自变量的回归模型，用于分析一个因变量与多个自变量之间的关系。它与一元回归模型的区别在于，多元回归模型体现了统计控制的思想。3、因变量(dependent varia
转载
2024-06-01 16:19:19
91阅读
目录引言一、复杂数据的局部性建模二、连续和离散型特征的树的构建三、将cart算法用于回归 3.1 构建树编辑四、树剪枝 4.1 预剪枝4.2 后剪枝五、树模型六、使用python的Tkinter库创建GUI6.1 用Tkinter创建GUI6.2 集成Matplotlib和Tkinter 引言 本章将会学习CART
转载
2024-06-03 22:47:00
106阅读
在理性的基础上，所有的判断都是统计学。——Calyampudi Radhakrishna Rao正如一个法庭宣告某一判决为“无罪”而不为“清白”，统计检验的结论也应为“不拒绝”而不为“接受”——Jan Kmenta 我们知道，统计推断有两类：参数估计与假设检验。参数估计是利用样本信息推断未知的总体参数，而假设检验则是先对总体参数提出一个假设值，然后利用样本信息判断这一假设是否成立。在假设检验中，“
转载
2024-05-05 17:51:23
161阅读
Logistic回归学习笔记Logistic回归学习线路预备知识：建议先去B站学习一下信息量，熵，BL散度，交叉熵的概念。Logistic回归的函数模型损失函数、损失最小化架构对数损失作为损失函数损失最小化架构分类函数最大概率分类函数阈值分类函数Logistic回归的优化算法梯度下降随机梯度下降小批量梯度下降坐标下降 Logistic回归学习线路预备知识：建议先去B站学习一下信息量，熵，BL散度
模型选择标准，惩罚回归，结语一. 模型选择标准(Model selection criteria)二. 惩罚回归(Penalized Regression)三. 结语 一. 模型选择标准(Model selection criteria)我们回顾下监督学习 当我们有个变量和n组数据(n行)，如果我们要预测其中的一个变量，我们要利用剩下的部分变量(<=p个)来预测我们的这个变量。如果我们的预
文章目录回归定义最常用回归方法一、线性回归(Linear Regression)二、逻辑回归(Logistic Regression)三、多项式回归(Polynomial Regression)四、逐步回归(Stepwise Regression)五、岭回归(Ridge Regression)六、套索回归(Lasso Regression)七、回归(ElasticNet)如何正确选择回归模型?S
转载
2023-09-06 14:27:19
379阅读
分段多项式和样条分段多项式为什么分段约束条件无约束结点处连续结点处连续且一阶和二阶导相等结点处连续、一阶和二阶导相等、边界线性 分段多项式为什么分段线性模型虽然方便，且理论推导层面都很成熟了，但是线性模型预测不足的缺点也是显而易见的。 从线性回归到非线性回归，很自然的推广就是多项式回归，但是有时候想得到良好的拟合曲线，就要增加多项式的阶数，然而，随着阶数越高会出现更多的问题。分段多项式很好的解决
转载
2024-04-24 12:55:39
591阅读
目录一、Excel简单线性回归分析1.打开Excel应用（2016）：2.点击数据分析选择回归：3.输入回归数值（X-Y）：4.父子身高：：5.母子身高：6.习语“母高高一窝，父高高一个”：二、Anscombe四重奏数据集分析a.安斯科姆四重奏：b.数据示例：c.数据分析：三、Python安装1.打开官网下载安装包：2.选择最新版本：（3.9.2，win7及更早版本无法使用）：3.点击insta
转载
2024-03-18 23:29:04
477阅读
一、概念逻辑回归一般用于解决二分类的问题。即结果为（0或1）的预测。也可以用于多分类。二、举例 我们将X（年龄，工资，学历） 作为输入，通过上边数据的学习，来判断最后一个人逾期的概率。这时，可以定义一个条件概率公式P（Y | X）根据这个公式我们可以尝试将第一条数据表示出来P（Y=1|（20,4000，本科）） 这样通过学习已有数据，就可以
转载
2024-02-17 12:35:52
244阅读
凡事皆有因果关系，回归其实就是由因回溯果的过程，最终得到的因与果的关系，称之为回归。回归分析是在一系列的已知或能通过获取的自变量与因变量之间的相关关系的基础上，建立变量之间的回归方程，把回归方程作为算法模型，通过其来实现对新自变量得出因变量。、，因此回归分析是实用的预测模型或分类模型。回归模型分为单变量的简单回归与多变量的复杂回归，同时又因自变量因变量关系曲线的表现形式
转载
2023-11-16 20:47:12
80阅读
目录1 对数几率回归原理分析1.1 引入1.2 损失函数1.3 求最优解2 对数几率回归实践Logistic回归的一般过程Logistic回归的优缺点Logistic回归算法描述（改进的随机梯度下降）《机器学习实战》第五章代码解析 5-1 Logistic回归梯度上升优化方法5-2 画出数据集和Log
Excel 线性回归分析数据集下载地址放在文末Excel 如何进行线性分析？物联网工程作为一个计算机相关的领域，大多都是使用编程实现数据分析，而那些数学、金融、财经等领域，有些并不会使用类似于 Python 的这类编程语言，而是使用 Excel 进行数据分析，Microsoft 也在 Excel 中添加了插件安装选项，可以便于我们使用 Excel 进行数据分析等一系列工作Excel 安装相关插件这
转载
2024-02-19 07:41:09
195阅读
基于spss的分段回归模型一、简介二、模型分析三、基于spss的案例分析（一）图像分析（二）回归分析参考文章： 一、简介 分段线性回归是指当y对x的回归在x的某一范围的服从某种线性关系，在其他范围内又服从斜率不同的线性关系时适用的一种回归估计方法。这种方法使用指示变量对各段(即不同范围的)数据同时拟合统—的回归模型 。 某些变量之间的关系非常有趣，不是恒久的线性或非线性关系，可能其中一段表现为
转载
2023-08-16 09:58:25
753阅读
目录什么是逻辑回归逻辑回归模型推导为何不能用线性模型线性模型转二分类模型（Sigmoid）代价函数使用最小二乘法估计最大似然法代码样例总结 什么是逻辑回归之前我们讲过线性回归的原理以及推导过程。今天，我们回家另外一个算法，叫逻辑回归。简单归类一下，这个算法不是归类预测算法，大家千万不要被名字不会了。它其实属于分类算法。说到分类算法，大家有没有联想到？没错，逻辑回归属于监督学习。所以它需要带标签的
转载
2024-06-28 06:43:10
222阅读
一、为什么有CART回归树 以前学过全局回归，顾名思义，就是指全部数据符合某种曲线。比如线性回归，多项式拟合（泰勒）等等。可是这些数学规律多强，硬硬地将全部数据逼近一些特殊的曲线。生活中的数据可是千变万化。那么，局部回归是一种合理地选择。在斯坦福大学NG的公开课中，他也提到局部回归的好处。其中，CART回归树就是局部回归的一种。二、CART回归树的算法流程 注意到，（1）中两步优化，即选择最优
转载
2024-04-24 07:10:38
61阅读
# 如何在Python中实现Logistic回归并计算p值
Logistic回归是一种用于二分类问题的统计方法。在数据科学中，Logistic回归模型可以帮助我们估计某事件发生的概率。在这篇文章中，我们将详细介绍如何在Python中执行Logistic回归并计算p值。首先，我们将概述整个流程，并用表格展示步骤，接着详细讲解每一步所需的代码和其含义。
## 流程概览
以下是进行Logistic
# Python线性回归p值
## 1. 引言
线性回归是统计学中一种常用的预测方法，其可以用于分析两个变量之间的线性关系。在Python中，我们可以使用`statsmodels`库进行线性回归分析。除了回归系数和截距之外，我们还可以根据模型的p值来评估模型的显著性。本文将为您介绍线性回归p值的含义、如何计算以及如何在Python中进行线性回归分析。
## 2. 线性回归p值的含义
在线性回归
原创
2024-01-31 07:06:28
524阅读
# Python逻辑回归及其P值解析
逻辑回归（Logistic Regression）是一种统计分析方法，广泛用于二分类问题的建模。在机器学习和统计学中，P值是判断变量显著性的重要指标。本文将介绍如何使用Python进行逻辑回归分析，以及如何解释P值。
## 逻辑回归的基本原理
逻辑回归的基本目的是通过自变量的线性组合，预测因变量的概率值。与线性回归不同，逻辑回归预测的是事件发生的概率，值
原创
2024-09-13 05:41:47
67阅读
