Perguntas com a marcação «r»

Corri uma curva de sobrevivência do censor de intervalo com R, JMP e SAS. Ambos me deram gráficos idênticos, mas as tabelas diferiram um pouco. Essa é a tabela que o JMP me deu. Start Time End Time Survival Failure SurvStdErr . 14.0000 1.0000 0.0000 0.0000 16.0000 21.0000 0.5000 0.5000 …

8 r  survival  sas  jmp  interval-censoring 

Eu uso o pacote bnlearn em R para aprender a estrutura da minha rede bayesiana e seus parâmetros. O que eu quero fazer é "prever" o valor de um nó, dado o valor de outros nós como evidência (obviamente, com exceção do nó cujos valores estamos prevendo). Eu tenho variáveis …

8 r  machine-learning  prediction  bayesian-network 

Dado o seguinte quadro de dados: df <- data.frame(x1 = c(26, 28, 19, 27, 23, 31, 22, 1, 2, 1, 1, 1), x2 = c(5, 5, 7, 5, 7, 4, 2, 0, 0, 0, 0, 1), x3 = c(8, 6, 5, 7, 5, 9, 5, 1, 0, 1, 0, 1), …

8 r  correlation  hierarchical-clustering 

Suponha que eu tenha uma função como: f <- function(x){ exp(x) / (1 + exp(x)) } ele deve funcionar com qualquer valor real de x, mas na verdade ele retorna NaN quando x é 710 ou maior. Gostaria de saber qual é a maneira correta de lidar com esse problema. …

8 r  function  numerics 

Sou um pouco novato em R e seleção de recursos e tentei o pacote Boruta para selecionar (diminuir) meu número de variáveis ​​(n = 40). Eu pensei que esse método também levasse em conta a possível correlação entre variáveis, no entanto, duas (das 20 variáveis ​​selecionadas) são altamente correlacionadas e …

8 r  feature-selection  random-forest  boruta 

Fechadas. Esta questão está fora de tópico . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela esteja no tópico de Validação cruzada. Fechado há 2 anos . minha série temporal é obviamente periódica, mas a decomposição sazonal usando stl () não está …

8 r  time-series  seasonality 

R em ação (Kabacoff, 2011) sugere a seguinte rotina para testar sobredispersão em uma regressão logística: Ajuste a regressão logística usando distribuição binomial: model_binom <- glm(Species=="versicolor" ~ Sepal.Width, family=binomial(), data=iris) Ajuste a regressão logística usando distribuição quase-binomial: model_overdispersed <- glm(Species=="versicolor" ~ Sepal.Width, family=quasibinomial(), data=iris) Use o qui-quadrado para testar a …

8 r  regression  distributions  logistic  overdispersion 

Depois de fazer algumas pesquisas sobre o tópico, notei um déficit surpreendente de pacotes de inferência e bibliotecas que dependem de métodos de passagem de mensagens ou otimização para Python e R. Que eu saiba, esses métodos são extremamente úteis. Por exemplo, apenas para uma propagação de crenças da Bayes …

8 r  python  bayes  variational-bayes 

Estou trabalhando em modelos de dados de contagem inflada a zero usando o psclpacote. Estou apenas me perguntando por que não há desenvolvimento de modelos para modelos de dados de contagem com um inflado! Também por que não há desenvolvimento de modelos de dados bimodais, digamos com zero e 2 …

8 r  generalized-linear-model  zero-inflation  poisson-regression 

Existem vários métodos para fazer previsões de séries temporais equidistantes (por exemplo, Holt-Winters, ARIMA, ...). No entanto, atualmente estou trabalhando no seguinte conjunto de dados espaçados irregulares, que possui uma quantidade variável de pontos de dados por ano e sem intervalos regulares entre esses pontos: Sinopse: Dados da amostra: structure(list(date …

8 r  time-series  forecasting  unevenly-spaced-time-series 

Estou usando lmerTestpara executar modelos mistos lineares (LMM) para obter os valores-p. No entanto, nos artigos que escrevi, eles mostrarão ambos lme4e lmerTest. Então, não tenho certeza se também citei lme4quando uso apenas lmerTestpara executar modelos LMM. voce tem alguma ideia sobre isso?

8 r 

Eu tenho um problema com a interpretação de interações de 2 e 3 vias no lmer. Meu DV é a altura, que é uma variável contínua. Todos os IVs são variáveis ​​categóricas. O primeiro fator é animal, seja rato ou leão. O segundo fator é o sexo, masculino ou feminino. …

8 r  interaction  interpretation  lme4-nlme 

Estou usando o método arima do pacote de estatísticas R com minha série temporal de 17376 elementos. Meu objetivo é obter o valor do critério AIC, observei no meu primeiro teste isso: ts <- arima(serie[,1], order = c(2,1,1), seasonal = list(order=c(2,0,1),period = 24), method = "CSS", optim.method = "BFGS",) > …

8 r  time-series  forecasting  arima 

Eu tenho ~ 400 indivíduos e> 10k pontos no tempo cada (resultados da simulação) que gostaria de poder monitorar à medida que eles mudam ao longo do tempo. Traçar todos os indivíduos é muito confuso, traçar média + -sd, min / max ou quantis é pouca informação para o meu …

8 r  time-series  data-visualization 

Meu projeto atual pode exigir que eu construa um modelo para prever o comportamento de um determinado grupo de pessoas. o conjunto de dados de treinamento contém apenas 6 variáveis ​​(id é apenas para fins de identificação): id, age, income, gender, job category, monthly spend em que monthly spendé a …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data