«r» etiketlenmiş sorular

Bu yinelenen bir soru ise, lütfen doğru yolu gösterin, ancak burada bulduğum benzer sorular yeterince benzer değildi. Diyelim ki Y = α + β X + u modelini tahmin ediyorumY= α + βX+ uY=α+βX+uY=\alpha + \beta X + u ve olduğunu bulun . Ancak, X = X 1 + X …

11 r  regression  hypothesis-testing  econometrics 

R'deki çok düzeyli modellerle karmaşık anket verilerinin nasıl analiz edileceğine dair tavsiye arıyorum. Bir seviyeli modellerde surveyeşit olmayan seçim olasılıkları için paketi ağırlık olarak kullandım , ancak bu paket çok düzeyli modelleme için işlevlere sahip değil. lme4Paket düzeyli modelleme için harika ama ben kümeleme farklı düzeylerde ağırlıkları dahil etmek bildiğim …

11 r  mixed-model  weighted-sampling  cluster-sample 

Denetimli bir makine öğrenimi sınıflandırma algoritmasının performansını değerlendirmeye çalışıyorum. Gözlemler 99 kişiden oluşan nominal sınıflara (şimdilik 2, ancak bunu çok sınıflı problemlere genelleştirmek istiyorum) düşüyor. Cevaplamak istediğim sorulardan biri, algoritmanın girdi sınıfları arasında sınıflandırma doğruluğunda önemli bir fark göstermesi. İkili sınıflandırma durumu için, eşleştirilmiş bir Wilcoxon testi kullanarak (altta yatan …

11 r  hypothesis-testing  nonparametric 

El ile belirli bir katsayı çözmek isteriz derler , tüm diğer öngördü- sonra uygun katsayılar, tutma sırasında modelinde.β 1 = 1,0β1=1.0β1=1.0\beta_1=1.0β1=1.0β1=1.0\beta_1=1.0 R kullanarak bunu nasıl başarabilirim? Mümkünse özellikle LASSO ( glmnet) ile çalışmak istiyorum . Alternatif olarak, bu katsayıyı belirli bir aralıkla nasıl kısıtlayabilirim ?0.5≤β1≤1.00.5≤β1≤1.00.5\le\beta_1\le1.0

11 r  multiple-regression  lasso  glmnet  constrained-regression 

Lognormal dağılım için 2 persentilden ortalama ve standart sapmayı hesaplamaya çalışıyorum. X = mean + sd * ZOrtalama ve sd kullanarak normal dağılım için hesaplama yapmayı başardım . Aynı şeyi lognormal bir dağılım için yapmaya çalıştığımda denklem eksik olduğunu düşünüyorum. Wikipedia'ya baktım ve kullanmaya çalışıyorum ln(X) = mean + sd …

11 r  lognormal 

Benim gibi istatistikçi olmayanlar için, VIMarina Melia'nın " Kümelenmeleri karşılaştırmak - bilgiye dayalı bir mesafe " tarafından ilgili makaleyi okuduktan sonra bile metrik (bilgi değişimi) fikrini yakalamak çok zordur (Journal of Çok Değişkenli Analiz, 2007). Aslında, kümelenme şartlarının çoğuna aşina değilim. Aşağıda bir MWE ve kullanılan farklı metriklerde çıktının ne …

11 r  clustering  validation  intuition 

R'de sırt regresyonu kullanarak regresyon modelinin en iyi değişken çözümünü bulmak için bazı veriler uyguladım lm.ridgeve kullandığımda glmnet(ne zaman alpha=0), ancak sonuçlar özellikle ne zaman çok farklı lambda=0. Her iki parametre tahmincisinin de aynı değerlere sahip olduğunu varsayar. Peki, buradaki problem nedir? Saygılarımla

11 r  regression  ridge-regression  glmnet 

R'deki tsboot çağrısının yorumlanmasıyla ilgili bir sorum var. Hem Kendall hem de önyükleme paketinin belgelerini kontrol ettim, ancak eskisinden daha akıllı değilim. Örneğin test paketinin Kendall'ın tau olduğu Kendall paketindeki örneği kullanarak bir bootstrap çalıştırdığımda: library(Kendall) # Annual precipitation entire Great Lakes # The Mann-Kendall trend test confirms the upward …

11 r  bootstrap 

Bir probit modeline uyması için aşağıdaki R kodunu kullandım: p1 <- glm(natijeh ~ ., family=binomial(probit), data=data1) stepwise(p1, direction='backward/forward', criterion='BIC') Ben yok ne olduğunu bilmek istiyorum stepwiseve backward/forwardtam olarak ne yapacağını ve nasıl değişkenleri seçmek?

11 r  probit  stepwise-regression 

Amelia'yı R'de kullanarak, birden fazla gizli veri kümesi elde ettim. Bundan sonra, SPSS'de tekrarlanan bir ölçüm testi yaptım. Şimdi, test sonuçlarını havuzlamak istiyorum. Rubin kurallarını (R'deki herhangi bir çoklu imputasyon paketi aracılığıyla uygulanır) havuz araçlarını ve standart hataları havuzlamak için kullanabileceğimi biliyorum, ancak p-değerlerini nasıl havuzlayabilirim? Mümkün mü? R'de bunu …

11 r  spss  p-value  multiple-imputation  pooling 

GBM'deki ağaç sayısını seçmek için bir strateji var mı? Özellikle, ntreesiçinde argüman Rbireyin gbmfonksiyonu. Neden ntreesen yüksek değere ayarlamamanız gerektiğini anlamıyorum . Daha fazla sayıda ağacın birden fazla GBM'den elde edilen sonuçların değişkenliğini açıkça azalttığını fark ettim. Çok sayıda ağacın aşırı sığmaya yol açacağını düşünmüyorum. Düşüncesi olan var mı?

11 r  machine-learning  gbm 

Tahmin için R'nin neuralnetpaketini ( burada dokümantasyon ) kullanmaya çalışıyorum . İşte yapmaya çalıştığım şey: library(neuralnet) x <- cbind(runif(50, min=1, max=500), runif(50, min=1, max=500)) y <- x[, 1] * x[, 2] train <- data.frame(x, y) n <- names(train) f <- as.formula(paste('y ~', paste(n[!n %in% 'y'], collapse = ' + '))) …

11 r  neural-networks  prediction  error 

Bir dizi çokgen (~ 200 düzensiz şekilli, sürekli çokgenler) için yıllık tür sayısının 20 yıllık veri kümesine sahibim. Her çokgen için eğilimleri (yıllık sayım değişikliği) ve çokgen verilerinin yönetim sınırlarına dayalı toplamalarını çıkarmak için regresyon analizini kullanıyorum. Toplanan veriler için regresyon analizini etkileyeceği kesin olan verilerde uzamsal otokorelasyon olduğundan eminim. …

11 r  time-series  correlation  spatial  spatio-temporal 

7 gün boyunca bireylerin gerçekleştirdiği eylem sayısını içeren bir veri setim var. Özel eylem bu soru için geçerli olmamalıdır. Veri kümesi için bazı tanımlayıcı istatistikler: AralıkAnlamına gelmekVaryansGözlem sayısı0 - 77218.22791696Range0−772Mean18.2Variance2791Number of observations696 \begin{array}{|c|c|} \hline \text{Range} & 0 - 772 \\ \hline \text{Mean} & 18.2 \\ \hline \text{Variance} & 2791 \\ …

11 r  distributions  poisson-distribution  mean  sample 

RandomForest uygulaması, değiştirme ile örnekleme yaparken bile gözlem sayısının ötesinde örneklemeye izin vermez. Bu neden? İyi çalışıyor: rf <- randomForest(Species ~ ., iris, sampsize=c(1, 1, 1), replace=TRUE) rf <- randomForest(Species ~ ., iris, sampsize=3, replace=TRUE) Yapmak istediğim şey: rf <- randomForest(Species ~ ., iris, sampsize=c(51, 1, 1), replace=TRUE) Error in …

11 r  sampling  random-forest  stratification  oversampling