«r» etiketlenmiş sorular

Hassas hatırlama eğrisini anlamaya çalışıyorum, hassasiyet ve hatırlamanın ne olduğunu anlıyorum ama anlamadığım şey "temel" değer. Bu bağlantıyı okuyordum https://classeval.wordpress.com/introduction/introduction-to-the-precision-recall-plot/ ve "Mükemmel bir sınıflandırıcının bir Hassas-Geri Çağırma eğrisi" bölümünde gösterildiği gibi taban kısmını anlamıyorum, ne işe yarar? ve bunu nasıl hesaplıyoruz? Sadece seçtiğimiz rastgele bir başlangıç ​​noktası mı? Örneğin, retweet,status_countvb …

15 r  machine-learning  classification  precision-recall 

Bu verileri kullanma: head(USArrests) nrow(USArrests) Ben böyle bir PCA yapabilirsiniz: plot(USArrests) otherPCA <- princomp(USArrests) Yeni bileşenleri otherPCA$scores ve aşağıdaki bileşenlerle açıklanan varyans oranı summary(otherPCA) Ama hangi değişkenlerin çoğunlukla hangi temel bileşenler tarafından açıklandığını bilmek istersem? Ve tam tersi: örneğin PC1 veya PC2 en çok tarafından açıklanıyor murdermu? Bunu nasıl yapabilirim? …

15 r  pca  dimensionality-reduction  regression-strategies 

Diyelim ki n-boyutlu sürekli değerli vektörlerin iki veya daha fazla örnek popülasyonuna sahibim. Bu numunelerin aynı dağıtımdan olup olmadığını test etmek için parametrik olmayan bir yol var mı? Eğer öyleyse, bunun için R veya python'da bir fonksiyon var mı?

15 r  distributions  nonparametric  python 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Sorunuzu güncelleyin o yüzden -konu üzerinde Çapraz doğrulanmış için. 8 ay önce kapalı . ROC altında bir paket hesaplama alanı bulmak kolaydır, ancak hassas geri çağırma eğrisinin altındaki alanı hesaplayan bir paket var mı?

15 r  precision-recall 

Model uyumlarını karşılaştırmak için R'de bir olasılık oranı testi yapmanın yollarını arıyordum. İlk kendim kodlu, varsayılan hem bulundu anova()fonksiyonu ve aynı zamanda lrtest()içinde lmtestpaketin. Ancak kontrol ettiğimde anova(), 'test' parametresi "LRT" olarak ayarlanmış olsa bile, her zaman diğer ikisinden biraz farklı bir p değeri üretir. Is anova()aslında bazı ustaca farklı …

15 r  anova  likelihood-ratio 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Sorunuzu güncelleyin o yüzden -konu üzerinde Çapraz doğrulanmış için. 3 yıl önce kapalı . Ben işlevlerle LASSO yöntemi kullanarak R lojistik regresyon inşa ediyorum cv.glmnetseçilmesi için lambdave glmnetnihai model için. Otomatik model seçimiyle ilgili …

15 r  logistic  categorical-data  lasso  glmnet 

X ( x.ts) ve Y ( y.ts) konumlarına göre bir balığın hareket örüntüleri üzerindeki zaman serisi verileri üzerinde otokorelasyon hesapladım . R kullanarak, aşağıdaki işlevleri çalıştırdım ve aşağıdaki grafikleri ürettim: acf(x.ts,100) acf(y.ts,100) Benim sorum şu, bu grafikleri nasıl yorumlayabilirim? Herhangi bir modeli bildirmek için hangi bilgilere ihtiyaç vardır? Ben internette …

15 r  time-series  autocorrelation 

Rasgele bir efekt olarak kullanmak istediğim değişkenin sadece bazı seviyeler için tek bir gözlemi olduğu bir veri setim var. Önceki soruların cevaplarına dayanarak, prensip olarak, bunun iyi olabileceğini topladım. Sadece 1 gözlemi olan deneklerle karışık bir model takabilir miyim? Rastgele engelleme modeli - konu başına bir ölçüm Ancak, ikinci linkte …

14 r  mixed-model  generalized-linear-model  glmm  lme4-nlme 

Varsayalım: X∼ Beta ( α , β)X∼Beta(α,β)X\sim\mbox{Beta}(\alpha,\beta) Y∼ Φ- 1( X)Y∼Φ−1(X)Y\sim \Phi^{-1}(X) burada , standart normal dağılımın CDF'sinin tersidir .Φ- 1Φ−1\Phi^{-1} Sorum şu: takip ettiği ya da yakın olabileceği basit bir dağılım var mı? YYYYYYY -Y a p a = 1 ; β = 1 X YSimülasyon sonuçlarına (aşağıda gösterilmiştir) …

14 r  normal-distribution  mathematical-statistics  beta-distribution 

Biraz kafam karıştı: Eğitimli bir modelin şapka ile sonuçları orijinal paketteki modelden nasıl farklı olabilir? Caret paketi ile RandomForest FinalModel kullanarak tahmin öncesi önişlemenin gerekli olup olmadığını okudum ? ama burada herhangi bir ön işleme kullanmıyorum. Caret paketini kullanarak ve farklı mtry değerleri için ayarlayarak farklı Rastgele Ormanlar yetiştirdim. > …

14 r  machine-learning  random-forest  caret  train 

İki örnek arasındaki benzerlik ölçüsü olarak, R iki çekirdek yoğunluk tahminleri arasındaki örtüşme alanını hesaplamak için bir yöntem arıyorum. Açıklamak için, aşağıdaki örnekte, morumsu örtüşen bölgenin alanını ölçmem gerekir: library(ggplot2) set.seed(1234) d <- data.frame(variable=c(rep("a", 50), rep("b", 30)), value=c(rnorm(50), runif(30, 0, 3))) ggplot(d, aes(value, fill=variable)) + geom_density(alpha=.4, color=NA) Benzer bir soru …

14 r  probability  pdf  kernel-smoothing 

Şu anda bazı çalışmaları gözden geçiriyorum ve aşağıdakilerle karşılaştım, ki bu benim için yanlış görünüyor. Lmer kullanılarak iki karışık model (R olarak) takılmıştır. Modeller iç içe değildir ve olasılık oranı testleri ile karşılaştırılır. Kısacası, burada sahip olduğum şeyin tekrarlanabilir bir örneği: set.seed(105) Resp = rnorm(100) A = factor(rep(1:5,each=20)) B = …

14 r  lme4-nlme  likelihood-ratio  nested-models 

Bunun istatistiki olarak biraz ipucu olabileceğini biliyorum, ama bu benim sorunum. Bir dizi veri var, yani bir değişkenin minimum, maksimum ve örnek boyutu. Bu verilerden bazıları için bir ortalama var, ama çok değil. Her bir aralığın değişkenliğini ölçmek ve ayrıca araçları karşılaştırmak için bu aralıkları birbirleriyle karşılaştırmak istiyorum. Dağılımın ortalama …

14 r  normal-distribution  estimation  missing-data  order-statistics 

6 kategori arasında ayrım yapmak için Random Forest ile bir sınıflandırma modeli eğitimi alıyorum. İşlem verilerim yaklaşık 60k + gözlem ve 35 değişkene sahip. İşte yaklaşık olarak nasıl göründüğüne bir örnek. _________________________________________________ |user_id|acquisition_date|x_var_1|x_var_2| y_vay | |-------|----------------|-------|-------|--------| |111 | 2013-04-01 | 12 | US | group1 | |222 | 2013-04-12 | …

14 r  machine-learning  classification  random-forest 

Sürekli ve tek boyutlu 100 noktadan oluşan bir örneğim var. Parametrik olmayan yoğunluğunu çekirdek yöntemleri kullanarak tahmin ettim. Bu tahmini dağılımdan nasıl rastgele örnekler alabilirim?

14 r  sampling  kernel-smoothing