Отношение шансов glmnet очень низкое или бесконечное [дубликат]

Question

Отношение шансов glmnet очень низкое или бесконечное [дубликат]

Как многие люди говорили об этом раньше, Java всегда имеет значение pass-by-value

Вот еще один пример, который поможет вам понять разницу ( классический своп пример ):

public class Test {
  public static void main(String[] args) {
    Integer a = new Integer(2);
    Integer b = new Integer(3);
    System.out.println("Before: a = " + a + ", b = " + b);
    swap(a,b);
    System.out.println("After: a = " + a + ", b = " + b);
  }

  public static swap(Integer iA, Integer iB) {
    Integer tmp = iA;
    iA = iB;
    iB = tmp;
  }
}

Печать:

До: a = 2, b = 3 После: a = 2, b = 3
blockquote>
Это происходит потому, что iA и iB являются новыми локальными ссылочными переменными, которые имеют одинаковое значение переданных ссылок (они указывают на a и b соответственно). Таким образом, попытка изменить ссылки iA или iB будет меняться только в локальной области, а не за пределами этого метода.

0

r probability logistic-regression glmnet

задан FairyOnIce 1 June 2016 в 02:01

1 ответ

Другие вопросы по тегам:

r probability logistic-regression glmnet

Похожие вопросы:

score 3 · Accepted Answer

Вы создали интересный пример, но вы не тестируете модель, которая фактически анализирует ситуацию, которую вы описываете как квазиделение. Когда вы говорите: «когда x1 = 1 и x2 = 1 (obs 3), данные всегда терпят неудачу». Вы подразумеваете необходимость использования термина взаимодействия в модели. Обратите внимание, что это приводит к «более интересному» результату:

> summary(glm(cbind(fail,nofail)~x1*x2,data=data,family=binomial))

Call:
glm(formula = cbind(fail, nofail) ~ x1 * x2, family = binomial, 
    data = data)

Deviance Residuals: 
[1]  0  0  0  0

Coefficients:
              Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.367e-17  1.414e-01   0.000        1
x1           2.675e-17  2.000e-01   0.000        1
x2           2.965e-17  2.000e-01   0.000        1
x1:x2        2.731e+01  5.169e+04   0.001        1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 1.2429e+02  on 3  degrees of freedom
Residual deviance: 2.7538e-10  on 0  degrees of freedom
AIC: 25.257

Number of Fisher Scoring iterations: 22

Обычно, как правило, нужно очень подозревать бета-коэффициенты 2.731e + 01: коэффициент неявных коэффициентов i:

 > exp(2.731e+01)
[1] 725407933166

В этой рабочей среде действительно нет существенной разницы между Inf и 725,407,933,166.