1樓：拓端資料科技
瀉藥，混合模型適合需求嗎？
混合模型在很多方面與線性模型相似。它估計乙個或多個解釋變數對響應變數的影響。混合模型的輸出將給出乙個解釋值列表，其效應值的估計值和置信區間，每個效應的p值以及模型擬合程度的至少乙個度量。
如果您有乙個變數將您的資料樣本描述為您可能收集的資料的子集，則應該使用混合模型而不是簡單的線性模型。
原文
基於R語言的lmer混合線性回歸模型
什麼概率分布最適合資料？
假設你已經決定要執行混合模型。接下來你要做的是找到最適合你的資料的概率分布。
＃lnorm表示對數正態qqp （recog $ Aggression.t，「lnorm」 ）
＃qqp要求估計負二項式，泊松＃和伽瑪分布的引數。 可以使用fitdistr ＃函式生成估計值。
檢視我使用qqp生成的圖。y軸表示觀察值，x軸表示由分布模擬的分位數。紅色的實線表示完美的分布擬合，虛線的紅色線條表示完美的分布擬合的置信區間。
如何將混合模型擬合到資料
資料是正常分布的
如果你的資料是正態分佈的， 你可以使用線性混合模型（LMM）。您將需要載入lme4軟體包並呼叫lmer函式。
如果你的資料不正常分布
用於估計模型中效應大小的REML和最大似然方法會對資料不適用正態性假設，因此您必須使用不同的方法進行引數估計。
結束 ：了解你的資料
在熟悉資料之前，您無法真正了解哪些分析適合您的資料，熟悉這些資料的最佳方法是繪製它們。通常我的第一步是做我感興趣的變數的密度圖，按照我最感興趣的解釋變數來分解。
繪圖對評估模型擬合也很重要。通過以各種方式繪製擬合值，您可以確定哪種模型適合描述資料
該圖所做的是建立一條代表零的水平虛線：與最佳擬合線平均偏離零。
結果正如我所希望的那樣：與最佳擬合線的偏差趨於零。如果這條實線沒有覆蓋虛線，那意味著最適合的線條不太適合。
MCMC模型圖形比較
這些隨機效果看起來非常尖銳，不像白色噪音。所以讓我們嘗試用更多的迭代來重新設計模型。這是計算量更大，但產生更準確的結果。
現在更接近線條周圍的白色噪音，這意味著更好的模型。
2樓：謝雍南
multiple linear regression?
Y~X 單項
Y~X1+X2+...+Xn 多項不交叉
Y~X1*X2*X3...*Xn 多項交叉 （也可以用X1:X2代替交叉當只需要部分考慮交叉）
什麼是混合整數線性規劃 MILP 模型？
某科學的弱弱 剛複習到這個問題。LP問題就是對變數X只限定了範圍 例如標準型的非負約束 但是並未限制其型別。經典LP問題就是 而ILP問題形式和LP一樣，除了變數只能取整數 乙個廣義的MILP形式就是 常見的整數規劃例子包括 Product mix problem Cutting stock pro...
立志成為quant，請問廣義線性模型有用嗎？
其實我感覺本科所學的內容還是較淺的，不排除有一些聰明的學霸本科就已經學的很深入。但是考慮接受度的問題，我感覺本科的課程開的更像入門，明白一些簡單的，而要想把所學知識熟練應用到quant領域，最起碼要做精通，而精通的最低要求，學時應該達到1000小時左右。而本科的課程安排估計只有100學時左右，也就是...
泊松回歸模型和對數線性模型的區別是什麼？
靜學社 學無止境 泊松回歸很顯然是y符合泊松分布或者假設y符合泊松分布 到底是不是真的泊松分布並不重要 對應 廣義線性模型 中的泊松分布模型。如果 鏈結函式 是g u u 這種鏈結函式用的非常少 則泊松回歸並不屬於 對數線性模型 只有g u ln u 時才屬於 對數線性模型 對數線性模型 包含了很多...