Statystyki i duże zbiory danych 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 …

11 r confidence-interval ggplot2 scatterplot

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 …

11 r distributions ggplot2 qq-plot

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 …

11 r regression ggplot2 interaction

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 …

11 data-visualization ggplot2 eda

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() + …

10 r mathematical-statistics goodness-of-fit gamma-distribution ggplot2

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

Pytania otagowane jako ggplot2