«r» etiketlenmiş sorular

Bir GLM yaparken ve anova çıktısında "tekillikler nedeniyle tanımlanmadı" hatası alırsanız, bu hata oluşmasına nasıl karşı koyarsınız? Bazıları bunun ortak değişkenler arasındaki kollearlıktan kaynaklandığını veya veri kümesinde seviyelerden birinin bulunmadığını ileri sürmüştür (bakınız: lm'deki "tekillikler nedeniyle tanımlanmadı" yorumlama ) Hangi "Özellikle tedavi" modelini yönlendirdiğini görmek istedim ve ben tedavi 4 …

17 r  generalized-linear-model  regression-coefficients 

Kullandığımda randomForestpaket sınıf olasılıklarını nasıl tahmin ediyor predict(model, data, type = "prob")? Ben kullanıyordum rangerkullanarak rastgele ormanlar yetiştirilmesi probability = Tolasılıklarını tahmin etmek argüman. rangerbelgelerde şöyle diyor: Malley ve ark. (2012). Bazı verileri simüle ettim ve her iki paketi de denedim ve çok farklı sonuçlar elde ettim (aşağıdaki koda bakın) …

17 r  random-forest  prediction 

Bir oyuncak veri kümesi üzerinde ikili sınıflandırma yapmak için kare kaybı kullanmaya çalışıyorum. mtcarsVeri seti kullanıyorum , iletim tipini tahmin etmek için galon başına mil ve ağırlık kullanıyorum. Aşağıdaki grafik, farklı renkteki iki tür iletim tipi verisini ve farklı kayıp fonksiyonu tarafından oluşturulan karar sınırını göstermektedir. Kare kayıp burada temel …

16 r  machine-learning  logistic  optimization  loss-functions 

R'deki model formüller y ~ x + a*b + c:d Wilkinson notasyonuna dayanmaktadır : Wilkinson ve Rogers 1973, Varyans Analizi için Faktöriyel Modellerin Sembolik Açıklaması . Bu makale karışık modeller (o zamanlar mevcut olmayabilir) için gösterimleri tartışmadı. Peki lme4R'de karışık paket formüller ve ilgili paketler nerede kullanıldı y ~ x …

16 r  mixed-model  lme4-nlme  notation  history 

Birlikte yeniden oluşturmaya çalışın optimtakılmış basit doğrusal regresyon sonuçlarının glmhatta nlsR fonksiyonları. Parametre tahminleri aynıdır, ancak artık varyans tahmini ve diğer parametrelerin standart hataları, özellikle numune boyutu düşük olduğunda aynı değildir. Bunun, maksimum standart olabilirlik ve en küçük kare yaklaşımları arasında kalan standart hatanın hesaplanma biçimindeki farklılıklardan kaynaklandığını düşünüyorum (n'ye …

16 r  maximum-likelihood  optimization 

Aylık zaman serisi verilerim var ve aykırı değerlerin tespiti ile tahmin yapmak istiyorum. Bu benim veri setimin bir örneğidir: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2006 7.55 7.63 7.62 7.50 7.47 7.53 7.55 7.47 7.65 7.72 7.78 7.81 2007 7.71 7.67 7.85 7.82 7.91 …

16 r  time-series  forecasting  arima  outliers 

Burada bir öğreticiyi takip ediyorum: PCA'yı daha iyi anlamak için http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ . Eğitici Iris veri kümesini kullanır ve PCA'dan önce bir günlük dönüşümü uygular: [1] ve seti tarafından önerildiği gibi Bildirimi aşağıdaki kodda biz sürekli değişkenler için bir günlük dönüşümü geçerli olduğunu centerve scalehiç eşit TRUEçağrısında prcompönce PCA uygulanmasından değişkenleri …

16 r  pca  data-transformation  logarithm 

Aylık tahmin hesaplamasını otomatikleştirmek için R'de bir alogorithm üzerinde çalışıyorum. Diğerlerinin yanı sıra, tahmin hesaplamak için tahmin paketinden ets () işlevini kullanıyorum. Çok iyi çalışıyor. Ne yazık ki, bazı belirli zaman serileri için elde ettiğim sonuç tuhaf. Lütfen, kullandığım kodun altında bulabilirsiniz: train_ts<- ts(values, frequency=12) fit2<-ets(train_ts, model="ZZZ", damped=TRUE, alpha=NULL, beta=NULL, …

16 r  time-series  forecasting  exponential-smoothing 

"Ward.D" seçeneği tarafından kullanılan (R sürümleri <= 3.0.3'teki tek Ward seçeneği "ward" ile eşdeğer) Ward'ın (1963) kümeleme ölçütünü uygulamazken, "ward.D2" seçeneği bu kriteri uygular ( Murtagh ve Legendre 2014). ( http://stat.ethz.ch/R-manual/R-patched/library/stats/html/hclust.html ) Görünüşe göre ward.D Ward'ın kriterlerini doğru bir şekilde uygulamıyor. Yine de ürettiği kümelenmeler konusunda iyi bir iş çıkarmış …

16 r  clustering  ward 

Sayfada yeniyim ve istatistiklerde oldukça yeniyim ve R, nehirlerde yağmur ve su akışı seviyesi arasındaki ilişkiyi bulmak amacıyla kolej için bir proje üzerinde çalışıyorum. Korelasyon kanıtlandıktan sonra bunu tahmin etmek / tahmin etmek istiyorum. Veri Ben içeren belirli nehirler için (her 5 dakikada alınmıştır) birkaç yıl veri kümesi vardır: Milimetre …

16 r  time-series  forecasting  cross-correlation  lags 

Ben kullanıyorum glmergelen işlevi lme4R paketin ve ben kullanıyorum bobyqaoptimize edici (benim durumumda varsayılan yani). Bir uyarı alıyorum ve bunun ne anlama geldiğini merak ediyorum. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- a trust region step failed to reduce …

16 r  optimization  lme4-nlme  convergence  glmm 

Hangi performans ölçüsünün kullanılacağı, ROC eğrisinin altındaki alan (FPR'ın bir fonksiyonu olarak TPR) veya hassas hatırlama eğrisinin altındaki alan (hatırlama fonksiyonu olarak hassasiyet) hakkında bazı şüphelerim var. Verilerim dengesiz, yani negatif örneklerin sayısı pozitif örneklerden çok daha fazla. Ben weka çıktı tahmini kullanıyorum, bir örnek: inst#,actual,predicted,prediction 1,2:0,2:0,0.873 2,2:0,2:0,0.972 3,2:0,2:0,0.97 4,2:0,2:0,0.97 …

16 r  machine-learning  roc  precision-recall  auc 

Amerika Birleşik Devletleri'ndeki bir hava durumu istasyonları ağı için verilerim var. Bu bana tarih, enlem, boylam ve bazı ölçülen değerleri içeren bir veri çerçevesi verir. Verilerin günde bir kez toplandığını ve bölgesel ölçekli hava koşullarından kaynaklandığını varsayın (hayır, bu tartışmaya girmeyeceğiz). Eşzamanlı olarak ölçülen değerlerin zaman ve mekan arasında nasıl …

16 r  regression  data-visualization  pca  spatial 

lmer()Modelimin çıktısını anlamada sorun yaşıyorum . Değişen Devlet kesişimleri / Durum rastgele etkileri olan bir sonuç değişkeninin (Destek) basit bir modelidir: mlm1 <- lmer(Support ~ (1 | State)) Sonuçları summary(mlm1): Linear mixed model fit by REML Formula: Support ~ (1 | State) AIC BIC logLik deviance REMLdev 12088 12107 -6041 …

16 r  mixed-model  random-effects-model  lme4-nlme 

Yazarların iki öngörücü ile çoklu regresyon yaptıkları bir makaleyi okudum. Toplam r kare değeri 0.65 idi. R-karesini iki yordayıcı arasında bölen bir tablo sağladılar. Tablo şöyle görünüyordu: rsquared beta df pvalue whole model 0.65 NA 2, 9 0.008 predictor 1 0.38 1.01 1, 10 0.002 predictor 2 0.27 0.65 1, …

16 r  multiple-regression  r-squared  importance  variance-decomposition