«r» etiketlenmiş sorular

İşte küçük bir örnek: MyDf<-data.frame(x=c(1,2,3,4), y=c(1.2, .7, -.5, -3)) Şimdi base::lm: > lm(y~x, data=MyDf) %>% summary Call: lm(formula = y ~ x, data = MyDf) Residuals: 1 2 3 4 -0.47 0.41 0.59 -0.53 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 3.0500 0.8738 3.491 0.0732 . x -1.3800 0.3191 …

12 r  regression  p-value  linear-model 

Bireysel kurbağa yavrularının "aktivite seviyesini" ölçen oranlardan oluşan bir veri setim var, bu nedenle değerleri 0 ile 1 arasında bağlı hale getiriyorum. Bu veriler, bireyin belirli bir zaman aralığında (hareket için 1, Hiçbir hareket için 0) ve ardından kişi başına bir değer oluşturmak için ortalaması alınır. Ana sabit etkim "yoğunluk …

12 r  mixed-model  random-effects-model  beta-distribution  beta-regression 

Ben ilgili bir soru sormak istiyorum bu bir . Burada xgboost için özel kayıp fonksiyonu yazma bir örnek buldum : loglossobj <- function(preds, dtrain) { # dtrain is the internal format of the training data # We extract the labels from the training data labels <- getinfo(dtrain, "label") # We …

12 r  machine-learning  gradient-descent  boosting  loss-functions 

Şimdi bir ağ meta-analizi veya karışık tedavi karşılaştırması yapmak için birkaç farklı yaklaşım vardır. En sık kullanılan ve erişilebilir olanlar muhtemelen aşağıdakilerdir: Bayes çerçevesinde : WinBUGS'de tasarım-tedavi etkileşimi yaklaşımı (ör. Jackson ve ark. ); WinBUGS'ta (ör. Zhao ve ark. ) hiyerarşik kol tabanlı Bayesci modelleme ; hiyerarşik kontrast temelli (yani …

12 r  stata  sas  winbugs  network-meta-analysis 

Aşağıdaki periyodik olmayan zaman serilerine sahip olduğumu varsayalım. Açıkçası eğilim azalıyor ve bunu bazı testlerle ( p değeriyle ) kanıtlamak istiyorum . Değerler arasında güçlü zamansal (seri) oto-korelasyon nedeniyle klasik lineer regresyonu kullanamıyorum. library(forecast) my.ts <- ts(c(10,11,11.5,10,10.1,9,11,10,8,9,9, 6,5,5,4,3,3,2,1,2,4,4,2,1,1,0.5,1), start = 1, end = 27,frequency = 1) plot(my.ts, col = "black", …

12 r  time-series 

Belirli bir yanıt (hedef) ikili değişken ve sürekli olarak parametre olarak aralıkların maksimum sayısı ile sürekli değişken en iyi binning yöntemi (ayrıklaştırma) arıyorum. örnek: "yükseklik" (sürekli sayısal) ve "has_back_pains" (ikili) değişkenleri olan insanların gözlemleri bir dizi var. Yüksekliği en fazla 3 aralıkta (grup) ayrıştırmak istiyorum, bu yüzden algoritma gruplar arasındaki …

12 r  dataset  optimization  discrete-data  binning 

Bu soruda - Yapılandırılmış / hiyerarşik / çok düzeyli yordayıcıları dikkate alan karar ağaçları oluşturmak için bir yöntem var mı? - ağaçlar için panel veri yönteminden bahsediyorlar. Vector Machines ve Yapay Sinir Ağlarını desteklemek için spesifik panel veri yöntemleri var mı? Eğer öyleyse, algoritmalar ve (eğer mevcutsa) R paketleri için …

12 r  machine-learning  svm  panel-data  cart 

Veri setimin 1'den 1690'a kadar 46840 çift değer içeren bir bölümünü iki grupta inceliyorum. Bu gruplar arasındaki farkları analiz edebilmek için doğru testi seçmek amacıyla değerlerin dağılımını inceleyerek başladım. Normallik testi için bir kılavuzun ardından qqplot, histogram ve boxplot yaptım. Bu normal bir dağılım gibi görünmüyor. Kılavuz, tamamen grafiksel bir …

12 r  normal-distribution  normality-assumption  large-data 

Balıkçı testini daha iyi anlamak istedim, bu yüzden f ve m erkek ve kadına karşılık gelen ve n ve y "soda tüketimine" karşılık gelen aşağıdaki oyuncak örneğini tasarladım: > soda_gender f m n 0 5 y 5 0 Açıkçası, bu büyük bir basitleştirme, ama bağlamın önüne geçmesini istemedim. Burada sadece …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

10x10CV ile randomForest nesnesini eğitmek için düzeltme paketi kullanıyorum. library(caret) tc <- trainControl("repeatedcv", number=10, repeats=10, classProbs=TRUE, savePred=T) RFFit <- train(Defect ~., data=trainingSet, method="rf", trControl=tc, preProc=c("center", "scale")) Bundan sonra, rastgele bir testSet (yeni veri) üzerinde test RF.testSet$Prediction <- predict(RFFit, newdata=testSet) Karışıklık matrisi bana modelin o kadar da kötü olmadığını gösteriyor. confusionMatrix(data=RF.testSet$Prediction, …

12 r  random-forest  prediction  caret 

Vikipedi yanlış mı ... yoksa anlamıyorum? Vikipedi: Beyaz ve siyah kareler ("satranç düzeni") mükemmel bir şekilde dağılmış, bu yüzden Moran'ın ben −1 olacağı kesin. Beyaz kareler tahtanın yarısına, siyah kareler diğerine yığılmış olsaydı, Moran I + 1'e yakın olurdu. Kare renklerin rastgele düzenlenmesi, Moran I'e 0'a yakın bir değer verecektir. …

12 r  autocorrelation  spatial  pattern-recognition 

R'deki MARSS paketi dinamik faktör analizi işlevi sunar. Bu pakette, dinamik faktör modeli özel bir durum uzay modeli olarak yazılmıştır ve ortak eğilimlerin AR (1) sürecini takip ettiğini varsayarlar. Bu iki yönteme çok aşina olmadığım için, iki soru ile geliyorum: Dinamik Faktör Analizi özel bir Durum Uzay Modeli midir? Bu …

12 r  time-series  forecasting  factor-analysis  state-space-models 

Aşağıdaki kodun ne yaptığını anlamak istiyorum. Kodu yazan kişi artık burada çalışmıyor ve neredeyse tamamen belgelenmemiş. Benden " bayesli bir lojistik regresyon modeli " olduğunu düşünen biri tarafından araştırmam istendi. bglm <- function(Y,X) { # Y is a vector of binary responses # X is a design matrix fit <- …

12 r  logistic  bayesian  generalized-linear-model 

Aşağıdaki kodu ve çıktıyı göz önünde bulundurun: par(mfrow=c(3,2)) # generate random data from weibull distribution x = rweibull(20, 8, 2) # Quantile-Quantile Plot for different distributions qqPlot(x, "log-normal") qqPlot(x, "normal") qqPlot(x, "exponential", DB = TRUE) qqPlot(x, "cauchy") qqPlot(x, "weibull") qqPlot(x, "logistic") Log-normal için QQ grafiğinin, weibull için QQ grafiğiyle hemen …

12 r  data-visualization  interpretation  qq-plot 

Topladığım sayım verileri için Poisson regresyonunu model oluşturmak için kullanıyorum. Bunu kullandığım glmR fonksiyonunu kullanarak yapıyorum family = "poisson". Olası modelleri değerlendirmek için (birkaç tahmincim var) AIC'yi kullanıyorum. Çok uzak çok iyi. Şimdi çapraz doğrulama yapmak istiyorum. Zaten paket cv.glmişlevini kullanarak bunu başardı boot. Gönderen belgelere ait cv.glmI Eğer anlamlı …

12 r  generalized-linear-model  poisson-distribution