Запитання з тегом «r»

У мене є набір даних часових рядів, до яких я намагаюся встановити модель прихованої Маркова (HMM), щоб оцінити кількість прихованих станів у даних. Мій псевдо-код для цього: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ... optimal_number_of_states = "model with smallest BIC" ... } Тепер, …

12 r  aic  hidden-markov-model  bic  spss  manova  time-series  r  lme4-nlme  regression  modeling  negative-binomial  bayesian  bugs  state-space-models  hypothesis-testing  data-transformation  factor-analysis  sem 

Я підхоплюю модель випадкових ефектів glmerдо деяких бізнес-даних. Метою є аналіз результатів продажів через дистриб'ютора з урахуванням регіональних відмінностей. У мене є такі змінні: distcode: ідентифікатор дистриб'ютора, близько 800 рівнів region: географічний ідентифікатор верхнього рівня (північ, південь, схід, захід) zone: географія середнього рівня, що вкладається region, приблизно 30 рівнів territory: …

12 r  regression  mixed-model  lme4-nlme 

Я намагаюся зрозуміти, як використовувати машинне навчання для прогнозування фінансових часових серій 1 або більше кроків у майбутнє. У мене є фінансові часописи з деякими описовими даними, і я хотів би сформувати модель, а потім використовувати модель для прогнозування n-кроків вперед. Що я робив поки що: getSymbols("GOOG") GOOG$sma <- SMA(Cl(GOOG)) …

12 r  time-series  machine-learning  random-forest  finance 

У мене є така модель: > model1<-lmer(aph.remain~sMFS1+sAG1+sSHDI1+sbare+season+crop +(1|landscape),family=poisson) ... і це підсумок. > summary(model1) Generalized linear mixed model fit by the Laplace approximation Formula: aph.remain ~ sMFS1 + sAG1 + sSHDI1 + sbare + season + crop + (1 | landscape) AIC BIC logLik deviance 4057 4088 -2019 4039 Random …

12 r  poisson-distribution  lme4-nlme  glmm  overdispersion 

Заблокований . Це запитання та його відповіді заблоковано, оскільки це питання поза темою, але має історичне значення. Наразі не приймає нових відповідей чи взаємодій. Я дуже новачок у Р. Я зараз навчаюсь машинного навчання. Дуже шкода, якщо це питання видається дуже основним. Я намагаюся знайти гарний пакет вибору функцій у …

12 r  feature-selection 

Чим пояснюються відмінності р-значень у наступних aovта lmвикликах? Чи різниця лише через різні типи обчислень сум квадратів? set.seed(10) data=rnorm(12) f1=rep(c(1,2),6) f2=c(rep(1,6),rep(2,6)) summary(aov(data~f1*f2)) summary(lm(data~f1*f2))$coeff

12 r  regression  anova  linear-model  sums-of-squares 

Чи можна навчитись випадковому лісу для відповідного прогнозування даних підрахунку? Як би це діяло? У мене досить широкий діапазон значень, тому класифікація насправді не має сенсу. Якби я застосував регресію, я б просто врізав результати? Я тут зовсім загубився. Будь-які ідеї?

12 r  regression  random-forest  prediction  count-data 

Я використовував stl () в R, щоб розкласти дані про підрахунок на трендові, сезонні та нерегулярні компоненти. Отримані значення тренду вже не є цілими числами. У мене є такі питання: Чи stl () є відповідним способом деасоналізації даних підрахунку? Оскільки результуюча тенденція більше не оцінюється міжджерелом, чи можу я використовувати …

12 r  time-series  poisson-distribution 

Я щойно натрапив на цей чудовий аналіз, який є і цікавим, і красивим візуально: http://www.nytimes.com/interactive/2012/11/02/us/politics/paths-to-the-white-house.html Мені цікаво, як таке "дерево шляху" можна побудувати за допомогою R. Які дані та алгоритм потрібні для побудови такого дерева шляхів? Дякую.

12 r  data-visualization  politics 

Я розумію, що випадковий ліс вибирає випадковим чином mtry змінних для побудови кожного дерева рішень. Отже, якщо mtry = ncol / 3, то кожна змінна буде використовуватися в середньому на 1/3 дерев. І 2/3 дерев ними не користуватимуться. Але що робити, якщо я знаю, що одна змінна, ймовірно, дуже важлива, …

12 r  random-forest  parameterization 

Я намагаюсь виявити аномальні значення у часовій серії кліматичних даних з деякими відсутніми спостереженнями. Шукаючи в Інтернеті, я знайшов багато доступних підходів. З них, розкладання stl здається привабливим, у сенсі вилучення тренду та сезонних компонентів та вивчення решти. Читання STL: Процедура декомпозиції сезонного тренду, що базується на Лоссі , stlвидається …

12 r  time-series  outliers  missing-data 

Я використовую пакет randomForest в R і використовую дані райдужки, випадковий ліс, що генерується, є класифікацією, але коли я використовую набір даних, що містить близько 700 функцій (функції мають кожен піксель у зображенні розміром 28x28 пікселів), і стовпець мітки називається label, randomForestгенерується регресія. Я використовую наступний рядок: rf <- randomForest(label …

12 r  random-forest 

Я намагаюся розкласти коваріаційну матрицю, засновану на наборі даних з обмеженою / гаптованою формою. Я зауважую, що сума лямбда (пояснена дисперсія), розрахована з svd, посилюється все більш неохайними даними. Без прогалин, svdі eigenотримуйте однакові результати. Здається, це не відбувається при eigenрозкладанні. Я схилявся до використання, svdоскільки значення лямбда завжди позитивні, …

12 r  svd  eigenvalues 

Я не зміг зрозуміти, як виконати лінійну регресію в R для повторного проекту вимірювання. У попередньому запитанні (все ще без відповіді) мені було запропоновано не використовувати, lmа скоріше використовувати змішані моделі. Я використовував lmнаступним чином: lm.velocity_vs_Velocity_response <- lm(Velocity_response~Velocity*Subject, data=mydata) (більш детальну інформацію про набір даних можна знайти за посиланням вище) …

12 r  regression  mixed-model  repeated-measures 

У мене є така функція ймовірності: Проблема = 11 + е- zProb=11+e−z\text{Prob} = \frac{1}{1 + e^{-z}} де z= В0+ В1Х1+ ⋯ + BнХн.z=B0+B1X1+⋯+BnXn.z = B_0 + B_1X_1 + \dots + B_nX_n. Моя модель виглядає так Пр ( У= 1 ) = 11 + експ( - [ - 3,92 + 0,014 …

12 r  probability  data-visualization  logistic