«splines» 태그된 질문

내 문제 : 최근 스플라인은 데이터 탐색에만 유용하고 과적 합되어 예측에 유용하지 않다는 통계학자를 만났습니다. 그는 간단한 다항식으로 탐색하는 것을 선호했습니다 ... 나는 스플라인을 좋아하는 팬이므로, 나는이 주장이 얼마나 유효한지, 그리고 안티 스플라인 그룹이 큰지에 관심이 있습니다. 거기 운동가 ? 배경 : 모델을 만들 때 Frank Harrell, Regression Modeling Strategies …

47 regression  splines 

일반화 된 첨가제 모델은 예를 들어 y=α+f1(x1)+f2(x2)+eiy=α+f1(x1)+f2(x2)+ei y = \alpha + f_1(x_1) + f_2(x_2) + e_i 입니다. 기능은 매끄럽고 추정됩니다. 일반적으로 페널티 스플라인에 의해. MGCV는 R에 포함 된 패키지이며, 저자 (Simon Wood)는 R 예제와 함께 그의 패키지에 관한 책을 씁니다. Ruppert 등 (2003) 같은 버전의 더 간단한 버전에 대해 훨씬 …

30 r  nonparametric  interaction  splines  intuition 

커브를 부드럽게하기 위해 황토 또는 스무딩 스플라인을 사용하는 것에 대한 장단점을 더 잘 이해하고 싶습니다. 내 질문의 또 다른 변형은 황토를 사용하는 것과 동일한 결과를 얻을 수있는 방식으로 스무딩 스플라인을 구성하는 방법이 있는지입니다. 모든 참조 또는 통찰력을 환영합니다.

25 regression  splines  loess 

상호 관련 기능이 많은 데이터가 있으며 LDA를 실행하기 전에 부드러운 기본 기능으로 기능을 줄이는 것으로 시작하고 싶습니다. 함수 splines와 함께 패키지 에 자연스러운 큐빅 스플라인을 사용하려고 ns합니다. 매듭을 지정하는 방법은 무엇입니까? 기본 R 코드는 다음과 같습니다. library(splines) lda.pred <- lda(y ~ ns(x, knots=5)) 그러나에서 매듭을 선택하는 방법에 대해서는 전혀 모른다 …

23 r  splines 

GLM 또는 OLS를 사용하여 복잡한 다중 비선형 관계를 모델링하는 데 필요한 단계를 보여주는 고급 선형 회귀 사례 연구를 찾고 있습니다. 기본 학교의 예를 넘어서는 자료를 찾는 것은 놀랍게도 어려운 일입니다. 제가 읽은 대부분의 책은 하나의 예측 변수의 BoxCox 또는 최상의 경우 자연스러운 스플라인과 결합 된 응답의 로그 변환 이상으로 진행되지 …

22 multiple-regression  generalized-linear-model  data-transformation  splines  nonlinear 

나는 데이터가 독점적이므로 데이터의 특성에 대해 구체적으로 말할 수는 없지만 다음과 같은 데이터가 있다고 가정합니다. 매달 어떤 사람들은 서비스에 가입합니다. 그런 다음 각 달에 그 사람들은 서비스를 업그레이드하거나 서비스를 중단하거나 서비스를 거부 할 수 있습니다 (예 : 지불 실패). 데이터에서 가장 빠른 코호트의 경우 약 2 년의 데이터 (24 개월)가 …

20 panel-data  splines  mars 

R을 사용하여 GLM에 대한 스플라인을 맞추려고합니다. 스플라인에 맞으면 결과 모델을 가져 와서 Excel 통합 문서에서 모델링 파일을 만들 수 있기를 원합니다. 예를 들어, y가 x의 랜덤 함수이고 특정 지점 (이 경우 @ x = 500)에서 기울기가 갑자기 변하는 데이터 세트가 있다고 가정합니다. set.seed(1066) x<- 1:1000 y<- rep(0,1000) y[1:500]<- pmax(x[1:500]+(runif(500)-.5)*67*500/pmax(x[1:500],100),0.01) y[501:1000]<-500+x[501:1000]^1.05*(runif(500)-.5)/7.5 …

20 splines 

다항식 보간법에 대한 대안을 배우고 구현하는 데 관심이 있습니다. 그러나 이러한 방법의 작동 방식, 관련 방법 및 비교 방법에 대한 적절한 설명을 찾는 데 어려움을 겪고 있습니다. 이러한 방법이나 대안이 유용 할 수있는 장단점에 대한 귀하의 의견에 감사 드리지만 텍스트, 슬라이드 또는 팟 캐스트에 대한 좋은 참고 자료로 충분합니다.

20 interpolation  splines 

정밀도는 다음과 같이 정의됩니다. p = true positives / (true positives + false positives) 로, 즉를 정확 true positives하고 false positives, 정밀도가 한 접근 방식 0? 리콜에 대한 동일한 질문 : r = true positives / (true positives + false negatives) 현재이 값을 계산 해야하는 통계 테스트를 구현 중이며 때로는 …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

시간이 지남에 따라 일부 카운트 데이터의 랜덤 효과 모델을 작업 중이고 일부 트렌드를 제어하려고한다고 가정합니다. 일반적으로 다음과 같은 작업을 수행합니다. lmer(counts ~ dependent_variable + (1+t+I(t^2)|ID), family="poisson") 에 대한 2 차 도형을 포함합니다 t. LOESS 스무더 또는 스플라인과 같은보다 정교한 스무딩 기술을 사용하여 해당 관계를 모델링 할 수 있습니까?

19 mixed-model  lme4-nlme  splines 

교과서에는 일반적으로 주제를 설명 할 때 균일 한 스플라인의 기초를 보여주는 좋은 예가 있습니다. 선형 스플라인의 경우 작은 삼각형의 행 또는 입방 스플라인의 경우 작은 혹의 행과 같은 것입니다. 이것은 전형적인 예입니다 : http://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/viewer.htm#statug_introcom_a0000000525.htm 표준 R 함수 (예 : bs 또는 ns)를 사용하여 스플라인 기준의 플롯을 생성하는 쉬운 방법이 있는지 …

18 data-visualization  splines 

참고 : 한 달 후 더 정확한 답변을, 나는에 재 게시 한 SO 배경 모델 . 여기서 Y = f ( X )fffY=f(X)Y=f(X)Y=f(\textbf{X}) 는 m 개의 매개 변수에서 추출한 샘플의 n × m 행렬이고 Y 는모형 출력의 n × 1 벡터입니다.XX\textbf{X}n×mn×mn \times mmmmYYYn×1n×1n \times 1 는 계산 집약적이므로 ( X …

17 r  multivariate-analysis  splines  interpolation  gaussian-process 

Hastie et al.의 "통계 학습 데이터 마이닝, 추론 및 예측의 요소"책에서 스플라인에 대해 배우고 있습니다. 145 페이지에서 자연 입방 스플라인이 경계 매듭 너머에 선형이라는 것을 알았습니다. 있습니다 매듭, ξ 1 , ξ 2 , . . . 스플라인의 ξ K 및 다음은이 스플라인의 스플라인에 대한 것입니다.KKKξ1,ξ2,...ξKξ1,ξ2,...ξK\xi_1, \xi_2, ... \xi_K 질문 …

16 regression  degrees-of-freedom  splines  constraint  cubic 

가우시안 프로세스 회귀 (GPR)는 유연한 비선형 모델을 피팅하기 위해 스플라인을 사용하는 대신 사용할 수 있습니다. 어떤 상황에서 특히 베이지안 회귀 프레임 워크에서 어떤 상황이 다른 상황보다 더 적합한 지 알고 싶습니다. 이미 살펴 봤습니다 스플라인, 스무딩 스플라인 및 가우시안 프로세스 에뮬레이터의 장점과 단점은 무엇입니까? 그러나이 게시물에는 GPR에 아무것도없는 것 같습니다.

15 regression  gaussian-process  splines  kriging 

확률 밀도 함수 (R의 density방법을 사용하여 찾음)에 대한 로컬 최대 값을 찾으려고합니다 . 많은 양의 데이터가 있기 때문에 간단한 "인접 이웃 둘러보기"방법을 사용할 수 없습니다 (이것은 주변 이웃에 대해 로컬 최대 값인지 확인하기 위해 포인트를 둘러 보는 방법). 또한 내결함성 및 기타 매개 변수를 사용하여 "이웃을 둘러보기"를 구축하는 것과 달리 …

15 r  pdf  splines  maximum