Pytania otagowane jako r

Użyj tego znacznika w przypadku każdego * pytania na temat *, które (a) obejmuje `R` jako krytyczną część pytania lub oczekiwaną odpowiedź, a (b) nie jest * tylko * o tym, jak używać` R`.

1
Modele dyskretnych zagrożeń czasowych (cloglog) w R
Wydaje się, że survivalpakiet Rkoncentruje się na modelach ciągłego przetrwania w czasie. Jestem zainteresowany oszacowaniem dyskretnej wersji proporcjonalnego modelu hazardu w czasie, komplementarnego modelu log-log. Mam dość prosty model przetrwania z prostą cenzurą. Wiem, że jednym ze sposobów oszacowania tego modelu jest utworzenie zestawu danych, który ma osobny wiersz dla …
10 r  survival 
2
Znalezienie znanej liczby środków okręgu, które maksymalizują liczbę punktów w ustalonej odległości
Mam zestaw danych 2D, w których chcę znaleźć środki o określonej liczbie środków kół ( ), które maksymalizują całkowitą liczbę punktów w określonej odległości ( ).RN.NNRRR np. mam 10 000 punktów danych ( Xja, Yja)(Xi,Yi)(X_i, Y_i) i chcę znaleźć środki N.= 5N=5N=5 okręgów, które przechwytują jak najwięcej punktów w promieniu …
10 r  clustering  distance 
4
Jak sprawdzić, czy mój model regresji jest dobry
Jednym ze sposobów na znalezienie dokładności modelu regresji logistycznej za pomocą „glm” jest znalezienie wykresu AUC. Jak to samo sprawdzić dla modelu regresji znalezionego ze zmienną ciągłej odpowiedzi (rodzina = „gaussowski”)? Jakie metody są stosowane, aby sprawdzić, jak dobrze mój model regresji pasuje do danych?
1
Interpretacja wykresów gęstości warunkowej
Chciałbym wiedzieć, jak poprawnie interpretować wykresy gęstości warunkowej. Włożenia dwa poniżej utworzonego w R z cdplot. Na przykład, czy prawdopodobieństwo, że Wynik będzie równy 1, gdy Var 1 wynosi 150, wynosi około 80%? Ciemnoszary obszar to takie, które jest warunkowym prawdopodobieństwem Resultbycia równym 1, prawda? Z cdplotdokumentacji: cdplot oblicza gęstości …
2
Jaka jest różnica między regresją liniową transformowaną logitem, regresją logistyczną i logistycznym modelem mieszanym?
Załóżmy, że mam 10 uczniów, z których każdy próbuje rozwiązać 20 problemów matematycznych. Problemy są oceniane poprawnie lub niepoprawnie (w longdata), a wyniki każdego ucznia można podsumować za pomocą miary dokładności (w subjdata). Modele 1, 2 i 4 poniżej wydają się dawać różne wyniki, ale rozumiem, że robią to samo. …
3
Zbuduj drzewo prawdopodobieństwa ścieżki dla podróży przez stronę internetową
Obecnie robię analizy na stronie internetowej, która wymaga, aby utworzyć diagram drzewa decyzyjnego pokazujący prawdopodobną trasę, którą ludzie wybiorą za każdym razem, gdy dotrą na stronę. Mam do czynienia z tym, data.framektóry pokazuje ścieżki wszystkich klientów do strony, zaczynając od strony głównej. Na przykład klient może wybrać następującą ścieżkę: Homepage …
3
Wybór liczby głównych komponentów do zachowania
Jedną z metod, która została mi zasugerowana, jest spojrzenie na wykres piargowy i sprawdzenie „łokcia” w celu ustalenia prawidłowej liczby komputerów do użycia. Ale jeśli wykres nie jest jasny, czy R ma obliczenia w celu ustalenia liczby? fit <- princomp(mydata, cor=TRUE)
10 r  pca 
1
Jak interpretować współczynniki wielowymiarowego modelu mieszanego w lme4 bez ogólnego przechwytywania?
Usiłuję dopasować model mieszany wielowymiarowy (tj. Wiele odpowiedzi) R. Oprócz pakietów ASReml-ri SabreR(które wymagają zewnętrznego oprogramowania) wydaje się, że jest to możliwe tylko w MCMCglmm. w artykule dołączonym do MCMCglmmpakietu (str. 6) Jarrod Hadfield opisuje proces dopasowywania takiego modelu, jak na przykład przekształcanie wielu zmiennych odpowiedzi w jedną zmienną o …
1
Różnice R i EView oszacowań AR (1)
Główny problem to: nie mogę uzyskać podobnych oszacowań parametrów z EViews i R. Z powodów, których sam nie znam, muszę oszacować parametry dla niektórych danych za pomocą EViews. Odbywa się to poprzez wybranie opcji NLS (nieliniowe najmniejsze kwadraty) i użycie następującej formuły:indep_var c dep_var ar(1) EViews twierdzi , że szacuje …
1
Dlaczego Anova () i drop1 () podają różne odpowiedzi dla GLMM?
Mam GLMM w postaci: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kiedy używam drop1(model, test="Chi"), otrzymuję inne wyniki niż w przypadku korzystania Anova(model, type="III")z pakietu samochodowego lub summary(model). Te dwa ostatnie dają te same odpowiedzi. Korzystając z wielu sfabrykowanych danych, odkryłem, że te …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
1
błąd randomForest i zmienna ważność?
Nie dostaję różnicy między rfobject$importancei importance(rfobject)w kolumnie MeanDecreaseAccuracy. Przykład: > data("iris") > fit <- randomForest(Species~., data=iris, importance=TRUE) > fit$importance setosa versicolor virginica MeanDecreaseAccuracy MeanDecreaseGini Sepal.Length 0.027078501 0.019418330 0.040497602 0.02898837 9.173648 Sepal.Width 0.008553449 0.001962036 0.006951771 0.00575489 2.472105 Petal.Length 0.313303381 0.291818815 0.280981959 0.29216790 41.284869 Petal.Width 0.349686983 0.318527008 0.270975757 0.31054451 46.323415 > importance(fit) …
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.