Als «interpretation» getaggte Fragen

Bezieht sich allgemein auf inhaltliche Schlussfolgerungen aus den Ergebnissen einer statistischen Analyse.

1
Bedeutung der y-Achse im Random Forest Partial Dependence Plot
Ich verwende das RandomForestR-Paket und bin verwirrt darüber, wie die Werte der Y-Achse in ihren partiellen Abhängigkeitsdiagrammen zu interpretieren sind. In den Hilfedokumenten heißt es, dass das Diagramm eine "grafische Darstellung des Randeffekts einer Variablen auf die Klassenwahrscheinlichkeit" ist. Ich bin jedoch immer noch verwirrt darüber, was genau die y-Achse …
1
Standardisierte VS-zentrierte Variablen
Ich habe auf stats.stackexchange.com viele nützliche Beiträge zu standardisierten unabhängigen Variablen und zentrierten unabhängigen Variablen gefunden, bin aber immer noch etwas verwirrt. Ich bitte Sie um eine Bewertung dessen, was ich verstanden habe. Wenn das Folgende nicht korrekt ist, können Sie mich bitte korrigieren? Wie man standardisiert. Standardisierte Variablen werden …
3
Wie extrahiere ich Informationen aus einer Streudiagramm-Matrix, wenn Sie große N, diskrete Daten und viele Variablen haben?
Ich spiele mit dem Brustkrebs-Datensatz herum und habe ein Streudiagramm aller Attribute erstellt, um eine Vorstellung davon zu bekommen, welche die meisten Auswirkungen auf die Vorhersage der Klasse malignant(blau) von benign(rot) haben. Ich verstehe, dass die Zeile die x-Achse und die Spalte die y-Achse darstellt, aber ich kann nicht sehen, …
1
Wie ist dieser PCA-Biplot zu interpretieren, der aus einer Umfrage stammt, an welchen Bereichen Menschen interessiert sind?
Hintergrund: Ich habe Hunderte von Teilnehmern meiner Umfrage gefragt, wie sehr sie an ausgewählten Bereichen interessiert sind (nach fünf Punkten Likert-Skalen, wobei 1 "nicht interessiert" und 5 "interessiert" bedeutet). Dann habe ich PCA ausprobiert. Das Bild unten ist eine Projektion in die ersten beiden Hauptkomponenten. Farben werden für Geschlechter verwendet …
1
Warum haben Anova () und drop1 () unterschiedliche Antworten für GLMMs geliefert?
Ich habe ein GLMM der Form: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Wenn ich benutze drop1(model, test="Chi"), erhalte ich andere Ergebnisse als wenn ich Anova(model, type="III")aus dem Autopaket oder benutze summary(model). Diese beiden letzteren geben die gleichen Antworten. Unter Verwendung einer Reihe …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
2
Potenzierter logistischer Regressionskoeffizient, der sich vom Odds Ratio unterscheidet
Nach meinem Verständnis ist der potenzierte Beta-Wert aus einer logistischen Regression das Odds Ratio dieser Variablen für die abhängige interessierende Variable. Der Wert stimmt jedoch nicht mit dem manuell berechneten Quotenverhältnis überein. Mein Modell prognostiziert Stunting (ein Maß für Unterernährung) unter anderem anhand von Versicherungen. // Odds ratio from LR, …
1
Unterschied zwischen Rand- und Bedingungsmodellen
Ein Randmodell berücksichtigt die Korrelation innerhalb jedes Clusters. Ein bedingtes Modell berücksichtigt auch die Korrelation innerhalb jedes Clusters. Meine Fragen sind: Modelliert ein Randmodell die Haupteffekte in einer Population, während ein bedingtes Modell die Haupteffekte innerhalb eines Clusters und in einer Population modelliert? Die Interpretation der Koeffizienten eines Randmodells entspricht …
2
Interpretation von ACF- und PACF-Plots
Ich möchte nur überprüfen, ob ich die ACF- und PACF-Diagramme richtig interpretiere: Die Daten entsprechen den Fehlern, die zwischen den tatsächlichen Datenpunkten und den unter Verwendung eines AR (1) -Modells erzeugten Schätzungen erzeugt wurden. Ich habe mir die Antwort hier angesehen: Schätzen Sie die ARMA-Koeffizienten durch ACF- und PACF-Inspektion Nachdem …
2
Interpretation der CCF-Korrelation in R.
Ich benutze ccf, um eine Korrelation zwischen 2 Zeitreihen zu finden. Ich bekomme eine Handlung, die so aussieht: Beachten Sie, dass ich hauptsächlich an der Korrelation für die Verzögerung = 0 interessiert bin. Fragen: Interpretieren Sie es richtig, dass es eine Kreuzkorrelation für die Verzögerung = 0 gibt, da für …
1
Welches Deep-Learning-Modell kann Kategorien klassifizieren, die sich nicht gegenseitig ausschließen?
Beispiele: Ich habe einen Satz in der Stellenbeschreibung: "Java Senior Engineer in UK". Ich möchte ein Deep-Learning-Modell verwenden, um es als zwei Kategorien vorherzusagen: English und IT jobs. Wenn ich ein traditionelles Klassifizierungsmodell verwende, kann es nur 1 Etikett mit softmaxFunktion auf der letzten Ebene vorhersagen . Somit kann ich …
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 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.