Statistiken und Big Data r

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 …

11 r pca multivariate-analysis discriminant-analysis biplot

2

Wie modelliere ich monatliche Effekte in täglichen Zeitreihendaten?

Ich habe zwei Zeitreihen von täglichen Daten. Eines ist sign-upsund das andere terminationsvon Abonnements. Letzteres möchte ich anhand der in beiden Variablen enthaltenen Informationen vorhersagen. Wenn man sich die Grafik dieser Serien ansieht, ist es offensichtlich, dass die Kündigungen mit einem Vielfachen der Anmeldungen in den Monaten zuvor korrelieren. Das …

11 r time-series seasonality var

3

Erstellen automatisch korrelierter Zufallswerte in R.

Wir versuchen, automatisch korrelierte Zufallswerte zu erstellen, die als Zeitreihen verwendet werden. Wir haben keine vorhandenen Daten, auf die wir verweisen, und möchten den Vektor nur von Grund auf neu erstellen. Einerseits brauchen wir natürlich einen zufälligen Prozess mit Distribution und deren SD. Andererseits muss die den Zufallsprozess beeinflussende Autokorrelation …

11 r time-series random-variable autocorrelation lags

3

Wie berechnet man die Differenz zweier Steigungen?

Gibt es eine Methode, um zu verstehen, ob zwei Linien (mehr oder weniger) parallel sind? Ich habe zwei Linien, die aus linearen Regressionen erzeugt wurden, und ich würde gerne verstehen, ob sie parallel sind. Mit anderen Worten, ich möchte die unterschiedlichen Steigungen dieser beiden Linien ermitteln. Gibt es eine R-Funktion, …

11 r regression interaction linear-model

1

Testen simultaner und verzögerter Effekte in longitudinalen gemischten Modellen mit zeitlich variierenden Kovariaten

Kürzlich wurde mir gesagt, dass es nicht möglich ist, zeitvariable Kovariaten in longitudinale gemischte Modelle einzubeziehen, ohne eine Zeitverzögerung für diese Kovariaten einzuführen. Können Sie dies bestätigen / ablehnen? Haben Sie Hinweise zu dieser Situation? Ich schlage eine einfache Situation zur Klärung vor. Angenommen, ich habe quantitative Messungen (etwa 30 …

11 r mixed-model lme4-nlme

4

Was ist mit Erklärungen in Zeitreihen zu tun?

Nachdem ich bisher hauptsächlich mit Querschnittsdaten gearbeitet habe und erst kürzlich beim Durchsuchen gestolpert bin und durch eine Reihe einführender Zeitreihenliteratur gestolpert bin, frage ich mich, welche Rolle erklärende Variablen bei der Zeitreihenanalyse spielen. Ich möchte einen Trend erklären, anstatt den Trend zu verringern. Das meiste, was ich als Einführung …

11 r time-series multivariate-analysis

2

Regression: Was ist der Nutzen von R im Quadrat im Vergleich zu RMSE?

Angenommen, ich mache eine Regression mit Trainings-, Validierungs- und Testsätzen. Ich kann RMSE und R im Quadrat (R ^ 2, den Bestimmungskoeffizienten) aus der Ausgabe meiner Software (wie z. B. Rs lm () -Funktion) ermitteln. Mein Verständnis ist, dass der Test-RMSE (oder MSE) das Maß für die Güte der Vorhersage …

11 r regression regression-coefficients r-squared

1

Anzahl der Hauptkomponenten bei der Vorverarbeitung mit PCA im Caret-Paket in R.

Ich verwende das caretPaket in Rfür das Training von binären SVM-Klassifikatoren. Zur Reduzierung von Funktionen verarbeite ich mit PCA die integrierte Funktion, preProc=c("pca")wenn ich anrufe train(). Hier sind meine Fragen: Wie wählt Caret Hauptkomponenten aus? Gibt es eine feste Anzahl von Hauptkomponenten, die ausgewählt werden? Werden Hauptkomponenten durch einen gewissen …

11 r machine-learning pca cross-validation caret

1

Fehler "Der führende Minderjährige der Ordnung 1 ist nicht positiv definitiv" unter Verwendung von 2l.norm bei Mäusen

Ich habe ein Problem mit der 2l.normMethode der mehrstufigen Imputation in mice. Leider kann ich aufgrund der Größe meiner Daten kein reproduzierbares Beispiel veröffentlichen. Wenn ich die Größe reduziere, verschwindet das Problem. miceErzeugt für eine bestimmte Variable die folgenden Fehler und Warnungen: Error in chol.default(inv.sigma2[class] * X.SS[[class]] + inv.psi) : …

11 r missing-data multiple-imputation mice

2

Interpretation der Schrittausgabe in R.

In R soll der stepBefehl Ihnen helfen, die Eingabevariablen für Ihr Modell auszuwählen, oder? Folgendes kommt von example(step)#-> swiss& step(lm1) > step(lm1) Start: AIC=190.69 Fertility ~ Agriculture + Examination + Education + Catholic + Infant.Mortality Df Sum of Sq RSS AIC - Examination 1 53.03 2158.1 189.86 <none> 2105.0 190.69 …

11 r self-study stepwise-regression

1

Interpretation der Zeitreihenzerlegung mit TBATS aus dem R-Prognosepaket

Ich möchte die folgenden Zeitreihendaten in saisonale, Trend- und Restkomponenten zerlegen. Die Daten sind ein stündliches Kühlenergieprofil eines Geschäftsgebäudes: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Es gibt offensichtliche tägliche und wöchentliche saisonale Effekte, basierend auf den Ratschlägen von: Wie zerlegt man eine Zeitreihe mit mehreren saisonalen Komponenten? Ich habe die …

10 r time-series forecasting multiple-seasonalities tbats

4

Warum lehnen Hypothesentests für neu abgetastete Datensätze die Null zu oft ab?

tl; dr: Ausgehend von einem unter Null generierten Datensatz habe ich Fälle mit Ersetzung neu abgetastet und einen Hypothesentest für jeden neu abgetasteten Datensatz durchgeführt. Diese Hypothesentests lehnen die Null in mehr als 5% der Fälle ab. In der folgenden sehr einfachen Simulation generiere ich Datensätze mit und passe jedem …

10 r bootstrap simulation resampling

1

Warum erhalte ich unterschiedliche Vorhersagen für die manuelle Polynomerweiterung und verwende die R `poly` -Funktion?

Warum erhalte ich unterschiedliche Vorhersagen für die manuelle Polynomerweiterung und die Verwendung der R- polyFunktion? set.seed(0) x <- rnorm(10) y <- runif(10) plot(x,y,ylim=c(-0.5,1.5)) grid() # xp is a grid variable for ploting xp <- seq(-3,3,by=0.01) x_exp <- data.frame(f1=x,f2=x^2) fit <- lm(y~.-1,data=x_exp) xp_exp <- data.frame(f1=xp,f2=xp^2) yp <- predict(fit,xp_exp) lines(xp,yp) # using …

10 r regression polynomial

1

Wie führt man eine Kreuzvalidierung mit cv.glmnet durch (LASSO-Regression in R)?

Ich frage mich, wie ich ein LASSO-Modell mit glmnet in R richtig trainieren und testen soll. Insbesondere frage ich mich, wie ich dies tun soll, wenn das Fehlen eines externen Testdatensatzes die Kreuzvalidierung (oder einen ähnlichen Ansatz) zum Testen meines LASSO-Modells erfordert . Lassen Sie mich mein Szenario aufschlüsseln: Ich …

10 r cross-validation glmnet lasso

1

Replizieren der Ergebnisse für die lineare glmnet-Regression mithilfe eines generischen Optimierers

Wie der Titel schon sagt, versuche ich, die Ergebnisse von glmnet linear mit dem LBFGS-Optimierer aus der Bibliothek zu replizieren lbfgs. Mit diesem Optimierer können wir einen L1-Regularisierungsbegriff hinzufügen, ohne uns um die Differenzierbarkeit kümmern zu müssen, solange unsere Zielfunktion (ohne den L1-Regularisierungsbegriff) konvex ist. Das Problem der linearen Regression …

10 r regression regularization glmnet elastic-net

Als «r» getaggte Fragen