Als «multivariate-analysis» getaggte Fragen

Analysen, bei denen mehr als eine Variable gleichzeitig analysiert wird und diese Variablen entweder abhängige (Antwort-) oder die einzigen in der Analyse sind. Dies kann mit einer "multiplen" oder "multivariablen" Analyse verglichen werden, die mehr als eine (unabhängige) Prädiktorvariable impliziert.

1
GBM-Paket vs. Caret mit GBM
Ich habe das Modell mit optimiert caret, aber dann das Modell mit dem gbmPaket erneut ausgeführt. Nach meinem Verständnis sollten das verwendete caretPaket gbmund die Ausgabe identisch sein. Nur ein kurzer Testlauf mit data(iris)zeigt jedoch eine Diskrepanz im Modell von etwa 5% unter Verwendung von RMSE und R ^ 2 …
2
Wenn Daten eine Gauß-Verteilung haben, wie viele Stichproben werden sie charakterisieren?
Gaußsche Daten, die in einer einzigen Dimension verteilt sind, erfordern zwei Parameter, um sie zu charakterisieren (Mittelwert, Varianz), und es geht das Gerücht, dass etwa 30 zufällig ausgewählte Stichproben normalerweise ausreichen, um diese Parameter mit hinreichend hoher Sicherheit abzuschätzen. Aber was passiert, wenn die Anzahl der Dimensionen zunimmt? In zwei …
3
Wie sind die Verteilungen im positiven k-dimensionalen Quadranten mit parametrisierbarer Kovarianzmatrix?
Nach der Frage von zzk zu seinem Problem mit negativen Simulationen frage ich mich, welche Verteilungsfamilien für den positiven k-dimensionalen Quadranten parametrisiert sind, für den die Kovarianzmatrix kann.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Wie mit zzk besprochen, funktioniert das Anwenden der linearen Transformation ab einer Verteilung auf nicht.Rk+R+k\mathbb{R}_+^kX⟶Σ1/2(X−μ)+μX⟶Σ1/2(X−μ)+μX \longrightarrow\Sigma^{1/2} (X-\mu) + \mu
1
Was tun, wenn die Probenkovarianzmatrix nicht invertierbar ist?
Ich arbeite an einigen Clustering-Techniken, bei denen ich für einen bestimmten Cluster von d-dimensionalen Vektoren eine multivariate Normalverteilung annehme und den d-dimensionalen Mittelwertvektor der Stichprobe und die Kovarianzmatrix der Stichprobe berechne. Wenn ich dann versuche zu entscheiden, ob ein neuer, unsichtbarer, d-dimensionaler Vektor zu diesem Cluster gehört, überprüfe ich seine …
3
Interventionsanalyse mit mehrdimensionalen Zeitreihen
Ich möchte eine Interventionsanalyse durchführen, um die Ergebnisse einer politischen Entscheidung über den Verkauf von Alkohol im Laufe der Zeit zu quantifizieren. Ich bin jedoch ziemlich neu in der Zeitreihenanalyse, daher habe ich einige Anfängerfragen. Eine Untersuchung der Literatur zeigt, dass andere Forscher ARIMA verwendet haben, um den Zeitreihenverkauf von …
1
R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Soft-Thresholding gegen Lasso-Bestrafung
Ich versuche, das, was ich bisher in der bestraften multivariaten Analyse verstanden habe, mit hochdimensionalen Datensätzen zusammenzufassen, und ich habe immer noch Schwierigkeiten, eine korrekte Definition von Soft-Thresholding vs. Lasso- Bestrafung (oder Bestrafung) zu erhalten.L1L1L_1 Genauer gesagt habe ich die spärliche PLS-Regression verwendet, um die 2-Block-Datenstruktur einschließlich genomischer Daten ( …
3
Können die Skalierungswerte in einer linearen Diskriminanzanalyse (LDA) verwendet werden, um erklärende Variablen auf den linearen Diskriminanten darzustellen?
Unter Verwendung eines Biplots von Werten, die durch Hauptkomponentenanalyse erhalten wurden, ist es möglich, die erklärenden Variablen zu untersuchen, aus denen jede Hauptkomponente besteht. Ist dies auch mit der linearen Diskriminanzanalyse möglich? Beispiele hierfür sind: Die Daten sind "Edgar Andersons Irisdaten" ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). Hier sind die Irisdaten : id …
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.