«r» 태그된 질문

자, 선형 회귀를 이해하려고합니다. 데이터 세트가 있는데 모두 괜찮아 보이지만 혼란스러워합니다. 이것은 내 선형 모델 요약입니다. Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.2068621 0.0247002 8.375 4.13e-09 *** temp 0.0031074 0.0004779 6.502 4.79e-07 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 …

9 r  regression 

설명서에 분포 = "adaboost"인 R gbm을 0-1 분류 문제에 사용할 수 있다고 나와 있습니다. 다음 코드 조각을 고려하십시오. gbm_algorithm <- gbm(y ~ ., data = train_dataset, distribution = "adaboost", n.trees = 5000) gbm_predicted <- predict(gbm_algorithm, test_dataset, n.trees = 5000) 예측 문서에서 찾을 수 있습니다 .gbm 예측 벡터를 반환합니다. 기본적으로 예측은 …

9 r  gbm 

4 가지 가능한 이벤트의 주파수 샘플이 하나 있다고 가정합니다. Event1 - 5 E2 - 1 E3 - 0 E4 - 12 내 이벤트의 예상 확률이 있습니다. p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 내 네 가지 사건의 관측 빈도의 합으로 (18) 사건의 예상 빈도를 올바르게 …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

닫은. 이 질문은 주제에 맞지 않습니다 . 현재 답변을받지 않습니다. 이 질문을 개선하고 싶습니까? 교차 검증에 대한 주제가 되도록 질문을 업데이트하십시오 . 휴일 2 년 전 . R은 R2WinBUGS :: bugs 및 R2jags : jags 함수에 의해 생성 된 bugs및 jags객체 에서 멋진 요약 플롯을 출력 할 수있는 것으로 보입니다 …

9 r  data-visualization  jags  bugs 

auto.arima()R의 함수를 사용하여 ARIMA (5,1,2) 모델을 피팅 했으며 순서를 보면 이것이 예측하기 가장 좋은 모델이 아니라고 말할 수 있습니다. 데이터 계열에 특이 치가 존재하는 경우 해당 데이터에 모델을 맞추는 방법은 무엇입니까?

9 r  time-series  forecasting  outliers  arima 

다음은 내가 사용한 Coxph 모델의 요약 출력입니다 (R을 사용했으며 출력은 최상의 최종 모델을 기반으로합니다. 즉 모든 중요한 설명 변수와 해당 상호 작용이 포함됩니다). coxph(formula = Y ~ LT + Food + Temp2 + LT:Food + LT:Temp2 + Food:Temp2 + LT:Food:Temp2) # Y<-Surv(Time,Status==1) n = 555 coef exp(coef) se(coef) z Pr(>|z|) …

9 r  interaction  regression-coefficients  cox-model 

95 % 신뢰 구간의 반복 실험 해석을 시뮬레이션하기 위해 R 스크립트를 작성하려고합니다. 비율의 실제 모집단 값이 표본의 95 % CI에 포함되어있는 시간의 비율을 과대 평가하는 것으로 나타났습니다. 큰 차이는 아니지만 약 96 % 대 95 %이지만 그럼에도 불구하고 관심이 있습니다. 내 함수는 samp_n확률로 Bernoulli 분포에서 표본을 추출한 pop_p다음 prop.test()연속성 보정 …

9 r  confidence-interval  binomial  theory 

특정 그룹의 개인 (3 개의 그룹이 있음)에 대한 가변 로그인에 대한 Year의 효과를 분석하려고합니다. 가장 간단한 모델 : > fix1 = lm(logInd ~ 0 + Group + Year:Group, data = mydata) > summary(fix1) Call: lm(formula = logInd ~ 0 + Group + Year:Group, data = mydata) Residuals: Min 1Q Median …

9 r  mixed-model  lme4-nlme  random-effects-model 

나는 간단하다고 생각하지만 그것을 알아낼 수없는 문제가 있습니다. 나는 종자 수분을보고 있는데, 나는 클러스터에 꽃이 피는 식물 (n = 36)을 가지고 있으며, 각 식물에서 3 개의 꽃 클러스터를 샘플링하고 각 클러스터에서 6 개의 씨앗 포드 (각 식물에서 총 18 개의 씨앗 포드)를 샘플링합니다. 꼬투리는 0에서 최대 4 개의 씨앗을 수분시킬 …

9 r  distributions  bootstrap  zero-inflation 

닫은. 이 질문은 주제에 맞지 않습니다 . 현재 답변을받지 않습니다. 이 질문을 개선하고 싶습니까? 교차 검증에 대한 주제가 되도록 질문을 업데이트하십시오 . 휴일 2 년 전 . 다음 코드 PredictNew <- predict (glm.fit, newdata = Predict, X1 =X1, Y1= Y1, type = "response", se.fit = TRUE) 3 열 data.frame--PredictNew, 적합치, …

9 r  generalized-linear-model  count-data  zero-inflation 

R에서 optim을 사용하여 로그 우도 함수를 최대화하여 추정 된 모수에 대한 프로파일 링을 사용하여 95 % 신뢰 구간을 추정하려면 어떻게해야합니까? 나는 hessian을 뒤집어 공분산 행렬을 무증상으로 추정 할 수 있다는 것을 알고 있지만 내 데이터 가이 방법이 유효하기 위해 필요한 가정을 충족시키지 않을까 걱정하고 있습니다. 다른 방법을 사용하여 신뢰 구간을 …

9 r  confidence-interval  maximum-likelihood  optimization  profile-likelihood 

이 기사 에서 다음과 같은 이식편을 가져옵니다 . 부트 스트랩을 사용하고 R boot패키지가있는 선형 혼합 모델을 위해 파라 메트릭, 반 파라 메트릭 및 비 파라 메트릭 부트 스트랩 부트 스트랩을 구현하려고 초보자 입니다. R 코드 내 R코드 는 다음과 같습니다 . library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

R의 randomForest 패키지 (R 버전 2.13.1, randomForest 버전 4.6-2)를 사용하여 회귀 분석 결과에 큰 편견이 있음을 발견했습니다. 예측 오류는 응답 변수의 값에 따라 다릅니다. 높은 값은 과소 예측되고 낮은 값은 과대 예측됩니다. 처음에는 이것이 내 데이터의 결과라고 생각했지만 다음 간단한 예제는 이것이 임의 포리스트 알고리즘에 내재되어 있음을 나타냅니다. n = …

9 r  regression  random-forest 

A. Agresti (2007), 범주 형 데이터 분석 소개 , 2 번째를 읽고 있습니다. 이 단락 (p.106, 4.2.1)을 올바르게 이해했는지 확실하지 않습니다 (쉽지만). 이전 장의 코골이 및 심장병에 관한 표 3.1에서 254 명의 환자가 매일 밤 코골이를보고했으며 그 중 30 명이 심장병에 걸렸습니다. 데이터 파일이 이진 데이터를 그룹화 한 경우 데이터 …

9 r  generalized-linear-model  logistic 

Bradley–Terry–Luce (BTL) 모델은 피j 나는= L O g나는티− 1(δ제이−δ나는)피제이나는=엘영형지나는티−1(δ제이−δ나는)p_{ji} = logit^{-1}(\delta_j - \delta_i), 어디 피나는 j피나는제이p_{ij} 그 물체는 확률입니다 제이제이j 물체보다 "더 나은", 더 무거운 것으로 판단 나는나는i, δ나는δ나는\delta_i, δ제이δ제이\delta_j 매개 변수입니다. 이것은 family = binomial 인 glm 함수의 후보 인 것 같습니다. 그러나 공식은 "성공 ~ S1 + S2 …

9 r  logistic  categorical-data  paired-data  bradley-terry-model