Pytania otagowane jako ggplot2

ggplot2 to ulepszona biblioteka kreśląca dla języka R oparta na zasadach „Gramatyki grafiki”. Użyj tego znacznika dla pytań * na temat *, które (a) dotyczą `ggplot2` jako krytycznej części pytania i / lub oczekiwanej odpowiedzi, & (b) nie dotyczą tylko tego, jak używać` ggplot2`.

1
Uzyskanie różnych wyników podczas kreślenia elips 95% CI za pomocą ggplot lub pakietu elipsy
Chcę wizualizować wyniki grupowania (wytworzone za pomocą protoclust{protoclust}) poprzez tworzenie wykresów scater dla każdej pary zmiennych używanych do klasyfikowania moich danych, kolorowania według klas i nakładania się elips na 95% przedział ufności dla każdej z klas (aby sprawdzić, które klasy elipses pokrywają się pod każdą parą zmiennych). Zaimplementowałem rysunek elips …

3
Jak porównać dwa zestawy danych z wykresem QQ za pomocą ggplot2?
Jako zarówno statystyki, jak i początkujący R, miałem naprawdę trudny czas, próbując wygenerować qqploty o współczynniku proporcji 1: 1. ggplot2 wydaje się oferować znacznie większą kontrolę nad wykreślaniem niż domyślne pakiety wydruku R, ale nie widzę, jak zrobić qqplot w ggplot2, aby porównać dwa zestawy danych. Więc moje pytanie, jaki …

2
Jak można wykreślić ciągły przez ciągłe interakcje w ggplot2?
Powiedzmy, że mam dane: x1 <- rnorm(100,2,10) x2 <- rnorm(100,2,10) y <- x1+x2+x1*x2+rnorm(100,1,2) dat <- data.frame(y=y,x1=x1,x2=x2) res <- lm(y~x1*x2,data=dat) summary(res) Chcę wykreślić ciągłe przez ciągłą interakcję tak, że x1 jest na osi X, a x2 jest reprezentowany przez 3 linie, jedna reprezentująca x2 przy wyniku Z wynoszącym 0, jedna przy …

1
Jak interpretować wycięte wykresy pudełkowe
Wykonując EDA postanowiłem użyć wykresu pudełkowego, aby zilustrować różnicę między dwoma poziomami czynnika. Sposób, w jaki ggplot renderował wykres pudełkowy, był zadowalający, ale nieco uproszczony (pierwszy wykres poniżej). Podczas badania właściwości wykresów pudełkowych zacząłem eksperymentować z wycięciami. Rozumiem, że wycięcia wyświetlają CI wokół mediany i że jeśli wycięcia dwóch pól …

1
Jak narysować dopasowany wykres i rzeczywisty wykres rozkładu gamma na jednym wykresie?
Załaduj potrzebny pakiet. library(ggplot2) library(MASS) Wygeneruj 10 000 liczb dopasowanych do rozkładu gamma. x <- round(rgamma(100000,shape = 2,rate = 0.2),1) x <- x[which(x>0)] Narysuj funkcję gęstości prawdopodobieństwa, zakładając, że nie wiemy, do którego rozkładu x pasuje. t1 <- as.data.frame(table(x)) names(t1) <- c("x","y") t1 <- transform(t1,x=as.numeric(as.character(x))) t1$y <- t1$y/sum(t1[,2]) ggplot() + …

2
Oblicz krzywą ROC dla danych
Mam więc 16 prób, w których próbuję uwierzytelnić osobę z cechy biometrycznej za pomocą Hamminga. Mój próg jest ustawiony na 3,5. Moje dane są poniżej i tylko próba 1 jest prawdziwie pozytywna: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 …
9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.