Die Suche ergab 11 Treffer

von luckynele
Fr Jun 14, 2019 7:14 pm
Forum: Regressionsmodelle
Thema: GLS Regression
Antworten: 5
Zugriffe: 972

Re: GLS Regression

Dann werde ich mich daran mal versuchen :roll: Ich habe auch ein ähnliches Problem, wenn ich die Schleife für die Ridge Regression verwenden möchte. Wenn ich mal dein iris Beipiel verwende: sapply(126:nrow(iris), function(i) lm( rep(1, i-5) ~ . + 0, data=iris[6:i, -5])$coef) müsste mir das mit lambd...
von luckynele
Fr Jun 14, 2019 2:12 pm
Forum: Regressionsmodelle
Thema: GLS Regression
Antworten: 5
Zugriffe: 972

Re: GLS Regression

Hallo Nele, aus welchem Paket ist die Funktion gls() :?: ist es das Paket nlme :?: Gruß, Jörg p.s.: Das passiert mir selten, aber diesmal ist es wieder passiert. Statt Deine Nachricht zu zitieren bin ich auf den Knopf "Editieren" gekommen ... Das tut mir leid. Ich bitte um Entschuldigung. ...
von luckynele
Fr Jun 14, 2019 12:16 pm
Forum: Regressionsmodelle
Thema: GLS Regression
Antworten: 5
Zugriffe: 972

GLS Regression

Hallo zusammen, ich möchte neben der OLS Regression noch die GLS Regression auf meinen Datensatz anwenden. Leider klappt das nicht so ganz, wenn ich es mit einer Schleife schreibe. Wenn ich die GLS Regression für die Zeilen 451:570 anwende gibt es mir die Koeffizienten aus: gls(y ~ .+0, data=data mö...
von luckynele
Fr Jun 07, 2019 2:47 pm
Forum: Regressionsmodelle
Thema: Ridge Regression
Antworten: 1
Zugriffe: 429

Ridge Regression

Hallo zusammen, ich versuche gerade die Ridge Regression an dem dataset "swiss" durchzuführen. Ich habe mit der glmnet Funktion so gut wie keine Erfahrung und scheitere gerade komplett. Momentan sieht mein Code so aus: swiss <- datasets::swiss x <- swiss y <- rep (1, times =47) lambda <- 1...
von luckynele
Do Jun 06, 2019 12:14 pm
Forum: Funktionen und Pakete
Thema: Formelergebnisse abspeichern und wiederverwenden
Antworten: 2
Zugriffe: 623

Formelergebnisse abspeichern und wiederverwenden

Hallo zusammen, ich habe folgende vereinfachte Formel: y_t+1 = 5*y_t diese möchte ich über T = 10 anwenden. Der Startwert y_0 = 5, also: y_2 = 5*5 = 25 y_3 = 5* 25 = 125 y_4 = 5* 125 usw. Hat jemand eine Idee wie ich das vereinfacht schreiben könnte, sodass es mir am Ende die Ergebnisse in einem Vek...
von luckynele
Mi Mai 29, 2019 1:12 pm
Forum: Allgemeines zu R
Thema: elementweise Matrizenrechnung mit Beträgen
Antworten: 3
Zugriffe: 241

Re: elementweise Matrizenrechnung mit Beträgen

Vielen Dank für die Antwort, so klappt das schon mal! :D Wie sähe das denn aus wenn ich das jetzt mehrmals über mehrere Zeilen anwenden möchte? Also mit zum Beispiel folgender Matrix: A <- matrix(c(3, 5, 3, 4, 2, 3, 4, 3, 4, 5, 2, 3, 2, 3, 5, 4, 4, 3, 5, 2, 3, 5, 3, 4, 2, 3, 4, 3, 4, 5, 2, 3, 2, 3, ...
von luckynele
Di Mai 28, 2019 2:23 pm
Forum: Allgemeines zu R
Thema: elementweise Matrizenrechnung mit Beträgen
Antworten: 3
Zugriffe: 241

elementweise Matrizenrechnung mit Beträgen

Hallo zusammen, ich habe ein Problem mit der elementweisen Matrizenrechnung. Erst mal ein kleines Beispiel: Ich habe eine Matrix A: [1] 2 3 4 5 [2] 4 2 3 5 [3] 3 5 2 4 Jetzt möchte ich elementweise Zeile 1 von Zeile 2 subtrahieren und die Beträge addieren, also: [1] abs(4-2) abs(2-3) abs(3-4) abs(5-...
von luckynele
Fr Mai 24, 2019 5:40 pm
Forum: Regressionsmodelle
Thema: for-Schleife bei linearer Regression
Antworten: 8
Zugriffe: 896

Re: for-Schleife bei linearer Regression

Hallo Jörg, leider kann ich dir keine gute Antwort auf die Frage, warum es kein sapply() sein soll geben. Es funktioniert prima mit der Funktion. Jedoch muss ich mit dem Ergebnis weiter rechnen und dabei wieder (for) Schleifen verwenden. Ich hatte gehofft die for- Schleife besser zu verstehen durch ...
von luckynele
Sa Mai 18, 2019 10:14 am
Forum: Regressionsmodelle
Thema: for-Schleife bei linearer Regression
Antworten: 8
Zugriffe: 896

Re: for-Schleife bei linearer Regression

Vielen Dank schon mal für die Antworten. Dass der Einser Vektor als abhängige Variable eine Konstante ist, ist so beabsichtigt. Und so wie Jörg das verstanden hat habe ich es eigentlich gemeint, also meine erste Regression lautet dann (danke für die Verschönerung): REG1 <- lm(rep(1, times = 120) ~ ....