Abbiamo la seguente regressione lineare: y ~ b0 + b1 * x1 + b2 * x2. So che la funzione di regressione in Matlab lo calcola, ma linalg.lstsq di numpy non lo fa (https://docs.scipy.org/doc/numpy-dev/user/numpy-for-matlab-users.html).Come calcolare l'intervallo di confidenza del 99% per la pendenza in un modello di regressione lineare in python?
risposta
StatsModels RegressionResults
ha un metodo conf_int()
. Ecco un esempio di utilizzarlo (versione modificata minimamente della loro Ordinary Least Squares esempio):
import numpy as np, statsmodels.api as sm
nsample = 100
x = np.linspace(0, 10, nsample)
X = np.column_stack((x, x**2))
beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)
X = sm.add_constant(X)
y = np.dot(X, beta) + e
mod = sm.OLS(y, X)
res = mod.fit()
print res.conf_int(0.01) # 99% confidence interval
È possibile utilizzare la regressione lineare di SciPy, che fa calcolare il valore R/P e standard error: http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html
EDIT: come sottolinea da Brian, ho avuto il codice dalla documentazione SciPy:
from scipy import stats
import numpy as np
x = np.random.random(10)
y = np.random.random(10)
slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)
confidence_interval = 2.58*std_err
Come calcolare l'intervallo di confidenza del 99% per la pendenza utilizzando il valore R/P ed errore standard? – user2558053
Se non sbaglio, l'intervallo di confidenza del 99% corrisponde a uno stderr di 2.58 *. fonte: https://en.wikipedia.org/wiki/Confidence_interval – CoMartel
Il valore r può essere utilizzato come indicatore della "qualità" di regressione: più è vicino a 1, migliore è la regressione. – CoMartel
- 1. Intervalli di confidenza di regressione lineare in SQL
- 2. regressione lineare semplice in Python
- 3. regressione lineare segmentata in python
- 4. Regressione lineare con coefficienti positivi in Python
- 5. Calcolo degli intervalli di confidenza del 95% nella regressione quantile in R utilizzando la funzione rq
- 6. come tracciare la regressione lineare in R?
- 7. Intervallo di confidenza per LOWESS in Python
- 8. Python: individuare la parte lineare di un pendio
- 9. regressione lineare con Python NumPy
- 10. Calcolare gli intervalli di confidenza per i dati medi del modello usando il restringimento in R
- 11. Quali algoritmi di apprendimento dovrei prendere in considerazione per addestrare un modello di regressione log-lineare?
- 12. Regressione lineare - Accelerare la struttura in Swift
- 13. Regressione lineare del diagramma di registro
- 14. Perché utilizziamo la discesa del gradiente nella regressione lineare?
- 15. Regressione lineare con intercetta fissa nota in R
- 16. interval t intervallo di confidenza in python
- 17. Calcolo del valore R^2 per una regressione non lineare
- 18. intervalli di confidenza per modello di predizione
- 19. regressione lineare usando le categorie come caratteristiche
- 20. Efficiente regressione lineare multipla in C#/.Net
- 21. perché la discesa del gradiente quando siamo in grado di risolvere analiticamente la regressione lineare
- 22. Errore standard nella regressione non lineare
- 23. Regressione lineare di Numpy con regolarizzazione
- 24. programmazione lineare in python?
- 25. RandomForest in R code di regressione lineare mtry
- 26. Statistiche python modelli - termine quadratico in regressione
- 27. Come forzare l'intercettazione zero nella regressione lineare?
- 28. Analisi di regressione lineare con stringhe/caratteristiche categoriali (variabili)?
- 29. Regressione lineare :: Normalizzazione (Vs) Standardizzazione
- 30. come generare una matrice di regressione lineare come cor()
Ti sarei grato se potessi dare un'occhiata a questo e grazie: https://stackoverflow.com/questions/44923808/missing-intercepts-of-ols-regression-models-in-python-statsmodels –