Als «multinomial» getaggte Fragen

Eine multivariate, diskrete Wahrscheinlichkeitsverteilung, die verwendet wird, um die Ergebnisse eines zufälligen Experiments zu beschreiben, bei dem jedes von Ergebnissen in eine von nominalen Kategorien eingeteilt wird. nk

2
Multinomiale logistische Regression vs. binäre logistische 1-gegen-Rest-Regression
Nehmen wir an, wir haben eine abhängige Variable mit wenigen Kategorien und einer Menge unabhängiger Variablen. YYY Was sind die Vorteile einer multinomialen logistischen Regression gegenüber einer Reihe von binären logistischen Regressionen (dh einem Ein-gegen-Rest-Schema )? Mit binärer logistischer Regression meine ich, dass wir für jede Kategorie ein separates binäres …

1
Kann ein Multinomial (1 / n,…, 1 / n) als diskretisiertes Dirichlet (1, .., 1) charakterisiert werden?
Diese Frage ist also etwas chaotisch, aber ich werde bunte Grafiken einfügen, um das auszugleichen! Zuerst der Hintergrund, dann die Frage (n). Hintergrund Angenommen, Sie haben eine nnn dimensionale multinomiale Verteilung mit gleichen Wahrscheinlichkeitswerten über die nnn Kategorien. Sei π=(π1,…,πn)π=(π1,…,πn)\pi = (\pi_1, \ldots, \pi_n) die normierten Zählwerte ( ccc ) …

3
Wie mache ich eine logistische Regression in R, wenn das Ergebnis ein Bruchteil ist (Verhältnis von zwei Zählungen)?
Ich überprüfe ein Papier, das das folgende biologische Experiment hat. Eine Vorrichtung wird verwendet, um Zellen unterschiedlichen Mengen an Flüssigkeitsscherspannung auszusetzen. Wenn größere Scherbeanspruchungen auf die Zellen ausgeübt werden, beginnen sich mehr von ihnen vom Substrat zu lösen. Auf jeder Ebene der Scherbeanspruchung zählen sie die Zellen, die gebunden bleiben, …

3
Wie kann ich die Fehlerquote in einem NPS-Ergebnis (Net Promoter Score) berechnen?
Ich werde Wikipedia erklären lassen, wie NPS berechnet wird: Der Net Promoter Score wird erhalten, indem Kunden auf einer Bewertungsskala von 0 bis 10 eine einzelne Frage gestellt werden, wobei 10 "äußerst wahrscheinlich" und 0 "überhaupt nicht wahrscheinlich" ist: "Wie wahrscheinlich ist es, dass Sie unser Unternehmen einem empfehlen würden …

4
Wie projiziert man einen neuen Vektor auf den PCA-Raum?
Nach der Durchführung der Hauptkomponentenanalyse (PCA) möchte ich einen neuen Vektor auf den PCA-Raum projizieren (dh seine Koordinaten im PCA-Koordinatensystem finden). Ich habe PCA in R-Sprache mit berechnet prcomp. Jetzt sollte ich meinen Vektor mit der PCA-Rotationsmatrix multiplizieren können. Sollen die Hauptkomponenten in dieser Matrix in Zeilen oder Spalten angeordnet …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 


1
P-Werte für "multinom" in R abrufen (nnet-Paket)
Wie erhalte ich p-Werte mit der multinomFunktion von nnetpackage in R? Ich habe einen Datensatz, der aus "Pathologie-Scores" (Abwesend, Mild, Schwerwiegend) als Ergebnisvariable und zwei Haupteffekten besteht: Alter (zwei Faktoren: zwanzig / dreißig Tage) und Behandlungsgruppe (vier Faktoren: infiziert ohne ATB; infiziert +) ATB1; infiziert + ATB2; infiziert + ATB3). …

1
Was sind einige Verteilungen über den Wahrscheinlichkeitssimplex?
Sei der Wahrscheinlichkeitssimplex der Dimension , dh ist so, dass und .ΔKΔK\Delta_{K}K- 1K−1K-1x ≤ ΔKx∈ΔKx \in \Delta_{K}xich≥ 0xi≥0x_i \ge 0∑ichxich= 1∑ichxich=1\sum_i x_i = 1 Welche Distributionen, die häufig (oder bekannt oder in der Vergangenheit definiert) über existieren?ΔKΔK\Delta_{K} Natürlich gibt es die Distributionen Dirichlet und Logit-Normal. Gibt es andere Distributionen, die …

4
Interpretation von exp (B) in der multinomialen logistischen Regression
Dies ist eine Anfängerfrage, aber wie interpretiert man ein exp (B) -Ergebnis von 6.012 in einem multinomialen logistischen Regressionsmodell? 1) Ist das Risiko um 6.012-1.0 = 5.012 = 5012% gestiegen? oder 2) 6,012 / (1 + 6,012) = 0,857 = 85,7% Risikoerhöhung? Falls beide Alternativen falsch sind, kann jemand bitte …


3
Warum verwendet niemand den multinomialen Bayes-Klassifikator Naive Bayes?
In der (unbeaufsichtigten) Textmodellierung ist Latent Dirichlet Allocation (LDA) eine Bayes-Version der probabilistischen latenten semantischen Analyse (PLSA). Im Wesentlichen hat LDA = PLSA + Dirichlet Vorrang vor seinen Parametern. Nach meinem Verständnis ist LDA jetzt der Referenzalgorithmus und wird in verschiedenen Paketen implementiert, während PLSA nicht mehr verwendet werden sollte. …


2
Analysieren Sie die Proportionen
Ich habe einen Datensatz mit mehreren Anteilen, die sich zu 1 addieren. Ich bin an der Änderung dieser Anteile entlang eines Verlaufs interessiert (siehe unten für Beispieldaten). gradient <- 1:99 A1 <- gradient * 0.005 A2 <- gradient * 0.004 A3 <- 1 - (A1 + A2) df <- data.frame(gradient …
13 r  multinomial 


5
Wie führt man eine Imputation von Werten in einer sehr großen Anzahl von Datenpunkten durch?
Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

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.