Запитання з тегом «r»

Заблокований . Це запитання та його відповіді заблоковано, оскільки це питання поза темою, але має історичне значення. Наразі не приймає нових відповідей чи взаємодій. Я хочу створити бардіаграму для цих даних у R (читати з файлу CVS): Експеримент_Name MetricA MetricB Just_X 2 10 Just_X_and_Y 3 20 мати таку схему: Я …

9 r  data-visualization  barplot 

Вступ У мене є учасники, які неодноразово торкаються забруднених поверхонь кишковою паличкою за двох умов ( А = носіння рукавичок, В = рукавички відсутні). Хочу знати, чи є різниця між кількістю бактерій на кінчиках пальців із рукавичками та без них, а також між кількістю контактів. Обидва фактори є всередині учасника. …

9 r  anova  repeated-measures  lme4-nlme  glmm 

Не настільки рідкісне явище при роботі зі складними максимально змішаними моделями (оцінка всіх можливих випадкових ефектів для даних та моделі) є ідеальним (+1 або -1) або майже ідеальним співвідношенням між деякими випадковими ефектами. З метою обговорення, дотримуйтесь наступної моделі та резюме моделі Model: Y ~ X*Cond + (X*Cond|subj) # Y …

9 r  correlation  mixed-model  lme4-nlme  covariance-matrix 

Припустимо, ми робимо приклад іграшки на градієнті пристойному, мінімізуючи квадратичну функцію , використовуючи фіксований розмір кроку . ( )хТА хxTAxx^TAxα = 0,03α=0.03\alpha=0.03А = [ 10 , 2 ; 2 , 3 ]A=[10,2;2,3]A=[10, 2; 2, 3] Якщо ми побудуємо слід у кожній ітерації, отримаємо наступний малюнок. Чому точки стають «набагато щільнішими», …

9 r  machine-learning  optimization  gradient-descent 

У мене є деякі питання щодо специфікації та інтерпретації GLMM. 3 питання, безумовно, статистичні, а 2 - конкретніше про Р. Я публікую тут, оскільки, зрештою, я думаю, що це інтерпретація результатів ГЛМ. На даний момент я намагаюся вписатись в GLMM. Я використовую дані перепису США з Бази даних про поздовжні …

9 r  lme4-nlme  poisson-distribution  negative-binomial  glmm 

Книга Саймона Вуда про GAM та пов'язаний з ним пакет Rc mgcv є дуже детальними та інформативними, коли мова йде про теорію GAM та пристосування моделі до реальних та імітованих даних. Що стосується 1D гладких, насправді не варто турбуватися, окрім того, як вирішити, чи реалізовувати циклічні та адаптивні основні функції, …

9 r  mgcv 

У R я роблю аналіз даних про виживання хворих на рак. Я читав дуже корисні матеріали про аналіз виживання в CrossValided та інших місцях і думаю, що зрозумів, як інтерпретувати результати регресії Кокса. Однак один результат все одно мене помиляє ... Я порівнюю виживання проти статі. Криві Каплана-Мейєра явно корисні …

9 r  survival  cox-model  kaplan-meier 

Приклади: у мене є речення в описі посади: "Старший інженер Java у Великобританії". Я хочу використовувати модель глибокого навчання, щоб передбачити її як 2 категорії: English і IT jobs. Якщо я використовую традиційну модель класифікації, вона може передбачити лише 1 мітку з softmaxфункцією на останньому шарі. Таким чином, я можу …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Як ви інтерпретуєте криву виживання з пропорційною моделлю небезпеки Кокса? У цьому прикладі іграшки, припустимо, ми маємо коксову пропорційну модель небезпеки для ageзмінної kidneyданих та генеруємо криву виживання. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Наприклад, на час 200200200, яке твердження вірно? або обидва помиляються? Заява 1: у …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Я намагався відповісти на питання Оцінка інтеграла Важливість методу відбору проб в R . В основному користувачеві потрібно провести розрахунок ∫π0f(x)dx=∫π01cos(x)2+x2dx∫0πf(x)dx=∫0π1cos⁡(x)2+x2dx\int_{0}^{\pi}f(x)dx=\int_{0}^{\pi}\frac{1}{\cos(x)^2+x^2}dx використання експоненціального розподілу як розподілу важливості q(x)=λ exp−λxq(x)=λ exp−λxq(x)=\lambda\ \exp^{-\lambda x} і знайдіть значення що дає кращу наближення до інтегралу (це ). Я переробка проблеми в якості оцінки середнього …

9 r  simulation  exponential  importance-sampling 

З якоюсь метою мені потрібно генерувати випадкові числа (дані) з "похилого рівномірного" розподілу. "Нахил" цього розподілу може змінюватись в якийсь розумний інтервал, і тоді мій розподіл повинен змінюватися від рівномірного до трикутного на основі схилу. Ось моя деривація: Давайте спростимо та сформуємо дані від до (синій, червоний - рівномірний розподіл). …

9 r  distributions  python  random-generation  uniform 

Я намагаюся зробити SVD вручну: m<-matrix(c(1,0,1,2,1,1,1,0,0),byrow=TRUE,nrow=3) U=eigen(m%*%t(m))$vector V=eigen(t(m)%*%m)$vector D=sqrt(diag(eigen(m%*%t(m))$values)) U1=svd(m)$u V1=svd(m)$v D1=diag(svd(m)$d) U1%*%D1%*%t(V1) U%*%D%*%t(V) Але останній рядок не повертається mназад. Чому? Здається, це має щось спільне з ознаками цих власних векторів ... Або я неправильно зрозумів процедуру?

9 r  svd  eigenvalues 

Я намагаюся моделювати набір даних, який відповідає емпіричним даним, які я маю, але не знаю, як оцінити помилки в початкових даних. Емпіричні дані включають гетероскедастичність, але мене не цікавить їх перетворення, а скоріше використання лінійної моделі з помилковим терміном для відтворення моделювання емпіричних даних. Наприклад, скажімо, у мене є емпіричний …

9 r  simulation  heteroscedasticity  gamlss  dglm 

Мене бентежить наступне, і я не змогла викопати відповідь деінде. Я намагаюся вивчити R, роблячи деякі статистичні дані, і, як вправу, я намагаюся двічі перевірити результати вбудованих функцій R, також виконуючи ці "вручну", як це було в Р. Однак , для тесту Kruskal-Wallis я отримую різні результати, і я не …

9 r  kruskal-wallis  ties 

Я намагаюся створити зменшену модель, щоб передбачити багато залежних змінних (DV) (~ 450), які сильно корелюються. Мої незалежні змінні (IV) також численні (~ 2000) і сильно корелюються. Якщо я використовую ласо для вибору зменшеної моделі для кожного виводу окремо, я не гарантую, що я отримаю той самий підмножина незалежних змінних, …

9 r  lasso  multivariate-regression