搜索结果
跳转到导航
跳转到搜索
页面标题匹配
- |T=zh:回歸分析;zh-tw:回歸分析;zh-cn:回归分析; …度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變數。更具体的来说，回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。一般来说，通过回归分析我们可以由给出的自变量估计因变量的条件期望。 …9 KB（515个字） - 2025年3月19日 (三) 13:31
页面内容匹配
- 2 KB（78个字） - 2018年12月8日 (六) 10:23
- 2 KB（97个字） - 2022年1月26日 (三) 14:53
- 需要注意的是，在對回歸分析的敘述中，“沒有多重共線性”多用於指代沒有“完全的多重共線性”，意為預測值之間存在完全線性相關關係。在這種情況下，[[设计矩阵|模型矩陣]]Χ不是滿秩， [[Category:回归分析]] …2 KB（41个字） - 2024年7月3日 (三) 02:20
- 4 KB（412个字） - 2023年4月26日 (三) 08:29
- [[Category:回歸分析]] …2 KB（96个字） - 2022年11月1日 (二) 07:02
- [[Category:回归分析]] …4 KB（303个字） - 2023年12月8日 (五) 20:55
- [[Category:回歸分析]] …3 KB（268个字） - 2022年1月26日 (三) 14:48
- 在[[迴歸分析|回归分析]]当中，最常用的[[估计]]<math>\beta</math>（[[回归系数]]）的方法是'''普通最小二乘法'''（{{Lang-en|ordin …2 KB（189个字） - 2023年3月12日 (日) 07:28
- …]領域的一種[[集成學習]][[算法]]。最初由[[Leo Breiman]]於1994年提出。Bagging算法可與其他[[統計分類|分類]]、[[回歸分析|回歸]]算法結合，提高其準確率、穩定性的同時，透過降低結果的[[變異數]]，避免[[過擬合]]的發生。 …2 KB（184个字） - 2024年6月4日 (二) 11:39
- |T=zh:回歸分析;zh-tw:回歸分析;zh-cn:回归分析; …度，並建立數學模型以便觀察特定變數來預測研究者感興趣的變數。更具体的来说，回归分析可以帮助人们了解在只有一个自变量变化时因变量的变化量。一般来说，通过回归分析我们可以由给出的自变量估计因变量的条件期望。 …9 KB（515个字） - 2025年3月19日 (三) 13:31
- '''非参数回归'''指的是一类[[回归分析]]，其中的预测子不是预先确定的，而根据从数据中获得的信息。也就是说，预测子与因变量之间的关系不会假定为参数形式。非参数回归需要更大的样本量，因为数据必 …6 KB（413个字） - 2023年12月18日 (一) 19:20
- 4 KB（271个字） - 2024年6月18日 (二) 02:01
- '''分段回归'''是一种[[回归分析]]方法，将自变量划为若干区间，并分别拟合出单独的线段。通过对各种自变量分区，也可以对多元数据进行分区回归分析。自变量聚类为不同组别时，这些区域的变量之间会表现出不同的关系，这时分段回归就非常有用。分段之间的界限就是间断点。 分段回归分析基于一组( '''y, x''' )数据，其中'''y'''是因变量，'''x'''是自变量。 …9 KB（685个字） - 2023年10月21日 (六) 17:22
- 在统计学中， '''非线性回归'''是[[迴歸分析|回归分析]]的一种形式，其中观测数据由函数建模，该函数是模型参数的非线性组合并且取决于一个或多个独立变量。 通过逐次逼近的方法拟合数据。 [[测量误差|系统误差]]可能存在于自变量中，但其处理不在回归分析的范围内。 如果自变量不是无差错的，那么这是一个变量误差模型 ，也在此范围之外。 …8 KB（407个字） - 2024年3月8日 (五) 21:12
- …-en|Poisson regression}}）是用来为{{le|计数资料|Count data}}和[[列联表]][[数学模型|建模]]的一种[[回归分析]]。泊松回归假设[[因变量]]（英语：response variable）Y是[[泊松分布]]，并假设它[[期望值]]的[[对数]]可由一组未知[[参 …8 KB（531个字） - 2024年5月12日 (日) 12:33
- …然分别用“1”和“0”表示，但这两个数字不代表[[基数 (数学)|基数]]。如果问题发生变化，用0-100的成绩（基数）代替通过、挂科，则可以使用[[回归分析]]。 …9 KB（506个字） - 2024年11月15日 (五) 09:51
- 在[[统计学]]中， '''多项式回归'''是[[迴歸分析|回归分析]]的一种形式，其中[[自变量和因变量|自变量]] x 和[[自变量和因变量|因变量]] y 之间的关系被建模为关于 x 的 n 次[[多项式]]。多项 …16/0315-0860(74)90033-0|volume=1|pages=431–439}}</ref> 在二十世纪，多项式回归在[[回归分析]]的发展中起着重要作用，更加强调设计和推理的问题。<ref>{{Cite journal|title=On the Standard Deviatio …11 KB（791个字） - 2023年3月17日 (五) 12:14
- 2 KB（83个字） - 2024年7月16日 (二) 09:45
- [[Category:回归分析]] …4 KB（252个字） - 2022年9月11日 (日) 07:37
- …''残差'''是观测值与统计量的估计值（例如{{tsl|en|sample mean|样本均值}}）之间的差值。这种区别在[[迴歸分析]]中至关重要，回归分析中，这些概念有时称为'''回归误差'''（regression errors）和'''回归残差'''（regression residuals），它们引 [[Category:回归分析]] …7 KB（559个字） - 2023年8月27日 (日) 02:43