«r» etiketlenmiş sorular

Lojistik bir model üzerinde çalışıyorum ve sonuçları değerlendirmede bazı zorluklar yaşıyorum. Modelim bir binom logit. Açıklayıcı değişkenlerim: 15 seviyeli kategorik bir değişken, iki değişkenli ve 2 sürekli değişken. N harfim büyük> 8000. Firmaların yatırım yapma kararlarını modellemeye çalışıyorum. Bağımlı değişken yatırımdır (evet / hayır), 15 seviye değişkenleri yöneticiler tarafından bildirilen …

13 r  logistic  goodness-of-fit  roc 

Tarafından bir glm.nb yürüttüm glm1<-glm.nb(x~factor(group)) grup bir kategorik ve x bir metrik değişken. Sonuçların özetini almaya çalıştığımda, summary()veya kullanmama bağlı olarak biraz farklı sonuçlar alıyorum summary.glm. summary(glm1)bana verir ... Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.1044 0.1519 0.687 0.4921 factor(gruppe)2 0.1580 0.2117 0.746 0.4555 factor(gruppe)3 0.3531 0.2085 1.693 …

13 r  generalized-linear-model  negative-binomial 

Yaklaşık olarak normal olarak dağıtılmış veriler için kutu grafikleri, medyanı ve verilerin yayılmasını ve ayrıca herhangi bir aykırı değerlerin varlığını hızlı bir şekilde görselleştirmenin harika bir yoludur. Bununla birlikte, daha ağır kuyruklu dağılımlar için, uç noktalar IQR'nin sabit faktörünün dışında olduğu tanımlandığından ve çok kuyruklu dağılımlarda elbette çok daha sık …

13 r  distributions  data-visualization  data-transformation  ggplot2 

Teorik olarak üstel olarak ilişkili ve değerleri bir dizi var :xxxyyy y=axby=axby = ax^b Katsayıları elde etmenin bir yolu, her iki tarafa doğal logaritmalar uygulamak ve doğrusal bir model yerleştirmektir: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Bunu elde etmenin bir başka yolu, teorik bir …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Yapısal bir denklem modelini tahmin etmek için R lav paketi kullanıyorum . Modelin 1 latent ve 2 manifest açıklayıcı değişkenli 1 endojen manifest değişkeninden oluştuğunu varsayalım: group = {0,1} attitude1 = latent,scale age = respondent's age İstenen lav modeli o halde (çalışmıyor): model <- ' attitude1 =~ att1 + att2 …

13 r  interaction  sem  lavaan 

Düzenle Tam olarak ihtiyacım olan prosedürü açıklayan bir makale buldum . Tek fark, makalenin aylık ortalama verileri korurken, aylık ortalama verileri günlük olarak enterpolasyonlandırmasıdır. Yaklaşımı uygulamakta sorun yaşıyorum R. Herhangi bir ipucu takdir. orijinal Her hafta için aşağıdaki sayım verilerine sahibim (haftada bir değer): Doktor konsültasyon sayısı İnfluenza vakası sayısı …

13 r  time-series  interpolation 

PCA'yı 25 değişken üzerinde çalıştırdım ve kullanarak ilk 7 bilgisayarı seçtim prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Daha sonra bu bileşenler üzerinde varimax rotasyonu yaptım. varimax7 <- varimax(prc$rotation[,1:7]) Ve şimdi varimax PCA döndürülmüş verileri döndürmek istiyorum (varimax nesnesinin bir parçası olmadığı için - sadece yükleme matrisi ve döndürme matrisi). …

13 r  pca  factor-rotation 

Veri biliminde yeniyim ve R'de 200.000 satır ve 50 sütun içeren bir veri kümesinde kümeleri bulmakta sorun yaşıyorum. Verilerin hem sayısal hem de nominal değişkenleri olduğundan, Öklid uzaklık ölçüsü kullanan K-araçları gibi yöntemler uygun bir seçim gibi görünmemektedir. Bu yüzden bir mesafe matrisini girdi olarak kabul eden PAM, agnes ve …

13 r  clustering  sampling  large-data 

Tamamen rastgele verilerden oluşan bir 2-D matris oluşturursam, PCA ve SVD bileşenlerinin temelde hiçbir şeyi açıklamamasını beklerdim. Bunun yerine, ilk SVD sütunu verilerin% 75'ini açıklıyor gibi görünüyor. Bu nasıl olabilir? Neyi yanlış yapıyorum? İşte konu: İşte R kodu: set.seed(1) rm(list=ls()) m <- matrix(runif(10000,min=0,max=25), nrow=100,ncol=100) svd1 <- svd(m, LINPACK=T) par(mfrow=c(1,4)) image(t(m)[,nrow(m):1]) …

13 r  pca  svd 

Bir lojistik regresyon modelinden (R'de glm) gelen tahminlerim beklediğim gibi 0 ile 1 arasında sınırlı değil. Lojistik regresyon anlayışım, giriş ve model parametrelerinizin doğrusal olarak birleştirilmesi ve yanıtın logit link işlevi kullanılarak bir olasılığa dönüştürülmesidir. Logit işlevi 0 ile 1 arasında sınırlandığından, tahminlerimin 0 ile 1 arasında sınırlanmasını bekledim. Ancak …

13 r  regression  logistic  generalized-linear-model 

bildPaket seri ikili yanıtlar için mükemmel bir paket olarak görünmektedir. Ama ayrık bir zamandır. Geçerli yanıtın Y'nin daha erken zamanlarda ölçülen ikili yanıtlarla oran oranı bağlantısı veya bunun en azından birinci dereceden bir Markov versiyonu için yumuşak bir zaman fonksiyonu belirtmek istiyorum. Buna alternatif lojistik regresyon denir. Sürekli süreyi işleyen …

13 r  repeated-measures  binary-data  panel-data 

Euler-Maruyama şemasını, Milstein şemasını (veya başka bir yöntemi) kullanarak (1) gibi homojen olmayan doğrusal olmayan bir difüzyon yollarını simüle etmek için genel, temiz ve hızlı (yani C ++ rutinleri kullanarak) R paketi arıyorum. Bu, daha büyük bir tahmin koduna gömülmeye yöneliktir ve bu nedenle optimize edilmeyi hak eder. dXt=f(θ,t,Xt)dt+g(θ,t,Xt)dWt,(1)(1)dXt=f(θ,t,Xt)dt+g(θ,t,Xt)dWt,dX_t = …

13 r  simulation  stochastic-processes  markov-process 

Uzaktan algılama yoluyla elde edilen bazı değişkenleri kullanarak belirli bir alandaki Tree Heights'ı tahmin etmek istiyorum. Yaklaşık Biyokütle, vb.Gibi ilk önce doğrusal bir regresyon kullanmak istiyorum (bunun en iyi fikir olmadığını biliyorum, ancak projem için bir zorunluluk adımdır). Uzamsal otokorelasyonun bunu ne kadar kötü etkileyebileceğini ve hatta mümkünse bunu düzeltmenin …

13 r  multiple-regression  spatial  autocorrelation 

O'Reilly'nin "Hackerlar İçin Makine Öğrenmesi" her temel bileşenin varyansın bir yüzdesini temsil ettiğini söylüyor. Aşağıdaki sayfanın ilgili kısmını alıntıladım (bölüm 8, s.207). Başka bir uzmanla görüştüklerinde, bunun yüzde olduğunu kabul ettiler. Bununla birlikte, 24 bileşen% 133.2095'tir. Nasıl olabilir? Kendimizi PCA kullanabileceğimize ikna ettikten sonra, bunu R'de nasıl yapabiliriz? Yine, bu …

13 r  pca 

Burada veriler üzerinde bir Bayesian logit çalıştırmak çalışıyorum . R paketinde kullanıyorum bayesglm(). armKodlama yeterince basit: df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T) library(arm) model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df) summary(model) aşağıdaki çıktıyı verir: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.10381 0.10240 1.014 0.311 SEXMale 0.02408 0.09363 0.257 …

13 r  bayesian  p-value