Statystyki i duże zbiory danych r

1

Pracowałem nad modelem logistycznym i mam trudności z oceną wyników. Mój model to dwumianowy logit. Moje zmienne objaśniające to: zmienna kategorialna z 15 poziomami, zmienna dychotomiczna i 2 zmienne ciągłe. Mój N jest duży> 8000. Staram się modelować decyzję firm o inwestowaniu. Zmienna zależna to inwestycja (tak / nie), 15 …

13 r logistic goodness-of-fit roc

2

dyspersja w summary.glm ()

Przeprowadziłem glm.nb przez glm1<-glm.nb(x~factor(group)) gdzie grupa jest kategorialna, a x jest zmienną metryczną. Kiedy próbuję uzyskać podsumowanie wyników, otrzymuję nieco inne wyniki, w zależności od tego, czy używam summary()lub summary.glm. summary(glm1)daje mi ... 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 …

13 r generalized-linear-model negative-binomial

4

Odpowiednik Boxplot dla dystrybucji o grubych ogonach?

W przypadku normalnie dystrybuowanych danych wykresy pudełkowe są świetnym sposobem na szybką wizualizację mediany i rozprzestrzeniania się danych, a także obecności jakichkolwiek wartości odstających. Jednak w przypadku bardziej ciężkich rozkładów wiele punktów jest pokazanych jako wartości odstające, ponieważ wartości odstające są zdefiniowane jako znajdujące się poza stałym współczynnikiem IQR, i …

13 r distributions data-visualization data-transformation ggplot2

2

Regresja liniowa a nieliniowa

Mam zestaw wartości i , które są teoretycznie związanych wykładniczo:xxxyyy y=axby=axby = ax^b Jednym ze sposobów uzyskania współczynników jest zastosowanie logarytmów naturalnych po obu stronach i dopasowanie modelu liniowego: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Innym sposobem uzyskania tego jest regresja nieliniowa, biorąc pod …

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

1

Równania strukturalne: jak określić efekty interakcji w pakiecie R lawy

Ja pomocą R pakiet lavaan oszacowanie strukturalnym modelu równania. Powiedzmy, że model składa się z 1 endogennej zmiennej manifestowej z 1 ukrytą i 2 manifestacyjną zmienną objaśniającą: group = {0,1} attitude1 = latent,scale age = respondent's age Pożądany model lawy jest wtedy (nie działa): model <- ' attitude1 =~ att1 …

13 r interaction sem lavaan

4

Interpolacja danych dotyczących grypy, która oszczędza tygodniową średnią

Edytować Znalazłem artykuł opisujący dokładnie procedurę, której potrzebuję. Jedyna różnica polega na tym, że papier interpoluje średnie dane miesięczne do dziennych, przy jednoczesnym zachowaniu średnich miesięcznych. Mam problem z wdrożeniem tego podejścia R. Wszelkie wskazówki są mile widziane. Oryginalny Na każdy tydzień mam następujące dane zliczania (jedna wartość na tydzień): …

13 r time-series interpolation

3

Jak obliczyć główne składniki obrócone varimax w R?

Uruchomiłem PCA na 25 zmiennych i wybrałem 7 najlepszych komputerów za pomocą prcomp. prc <- prcomp(pollutions, center=T, scale=T, retx=T) Następnie wykonałem obrót varimax na tych elementach. varimax7 <- varimax(prc$rotation[,1:7]) A teraz chcę varimax obrócić dane obrócone PCA (ponieważ nie jest to część obiektu varimax - tylko macierz obciążeń i macierz …

13 r pca factor-rotation

3

Klaster Big Data w R i czy próbkowanie jest istotne?

Jestem nowy w nauce o danych i mam problem ze znalezieniem klastrów w zestawie danych z 200 000 wierszy i 50 kolumnami w R. Ponieważ dane mają zarówno zmienne liczbowe, jak i nominalne, metody takie jak K-średnie, które wykorzystują euklidesową miarę odległości, nie wydają się właściwym wyborem. Zwracam się więc …

13 r clustering sampling large-data

2

Czy w przypadku macierzy losowej SVD nie powinien niczego wyjaśniać? Co ja robię źle?

Gdybym zbudował matrycę 2-D złożoną wyłącznie z losowych danych, oczekiwałbym, że komponenty PCA i SVD w zasadzie niczego nie wyjaśnią. Zamiast tego wydaje się, że pierwsza kolumna SVD wydaje się wyjaśniać 75% danych. Jak to możliwe? Co ja robię źle? Oto fabuła: Oto kod R: set.seed(1) rm(list=ls()) m <- matrix(runif(10000,min=0,max=25), …

13 r pca svd

1

Zrozumienie prognoz regresji logistycznej

Moje przewidywania pochodzące z modelu regresji logistycznej (glm w R) nie są ograniczone od 0 do 1, jak bym się spodziewał. Rozumiem, że regresja logistyczna polega na tym, że parametry wejściowe i modelowe są łączone liniowo, a odpowiedź jest przekształcana w prawdopodobieństwo za pomocą funkcji logit link. Ponieważ funkcja logit …

13 r regression logistic generalized-linear-model

2

Czy istnieje pakiet R dla ciągłych odpowiedzi binarnych wzdłuż czasu?

bildPakiet wydaje się być doskonały pakiet dla szeregowych odpowiedzi binarnych. Ale to na dyskretny czas. Chciałbym określić płynną funkcję czasu dla połączenia ilorazu szansy bieżącej odpowiedzi Y z odpowiedziami binarnymi zmierzonymi wcześniej lub przynajmniej wersją Markowa pierwszego rzędu. Uważam, że nazywa się to naprzemienną regresją logistyczną. Czy ktoś wie o …

13 r repeated-measures binary-data panel-data

2

Rozwiązania numeryczne dla stochastycznych równań różniczkowych w R: czy są jakieś?

Szukam ogólnego, czystego i szybkiego (tj. Przy użyciu procedur C ++) pakietu R do symulacji ścieżek z niejednorodnej dyfuzji nieliniowej, takiej jak (1) przy użyciu schematu Eulera-Maruyamy, schematu Milsteina (lub dowolnego innego). Jest to przeznaczone do osadzenia w większym kodzie szacunkowym i dlatego zasługuje na optymalizację. reXt= f( θ , …

13 r simulation stochastic-processes markov-process

1

Regresja liniowa i autokorelacja przestrzenna

Chcę przewidzieć wysokości drzew w określonym obszarze przy użyciu niektórych zmiennych uzyskanych za pomocą teledetekcji. Podobnie jak przybliżona biomasa itp. Najpierw chcę zastosować regresję liniową (wiem, że nie jest to najlepszy pomysł, ale jest to krok konieczny dla mojego projektu). Chciałem wiedzieć, jak źle wpływa na to autokorelacja przestrzenna i …

13 r multiple-regression spatial autocorrelation

3

Czy składniki PCA naprawdę reprezentują procent wariancji? Czy suma może przekroczyć 100%?

O'Reilly's „Machine Learning For Hackers” mówi, że każdy główny składnik reprezentuje procent wariancji. Cytowałem odpowiednią część poniższej strony (rozdział 8, s.207). W rozmowie z innym ekspertem zgodzili się, że jest to procent. Jednak 24 składniki sumują się do 133,2095%. Jak to możliwe? Przekonawszy się, że możemy korzystać z PCA, jak …

13 r pca

1

Pomóż mi zrozumieć wartości w Bayesian glm

Próbuję uruchomić Bayesa logit na dane tutaj . Używam bayesglm()w armpakiecie w R. Kodowanie jest dość proste: 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) daje następujący wynik: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.10381 0.10240 1.014 0.311 SEXMale 0.02408 0.09363 …

13 r bayesian p-value

Pytania otagowane jako r