Questions marquées «categorical-data»

Les données catégorielles (également appelées nominales) peuvent prendre un nombre limité de valeurs possibles appelées catégories. Les valeurs catégorielles "étiquettent", elles ne "mesurent" pas. Veuillez utiliser la balise [ordinal-data] pour les types de données discrets mais ordonnés.

1
Quelle est la fonction de distance optimale pour les individus lorsque les attributs sont nominaux?
Je ne sais pas quelle fonction de distance entre les individus utiliser en cas d'attributs nominaux (catégoriques non ordonnés). Je lisais un manuel et ils suggèrent une fonction de correspondance simple , mais certains livres suggèrent que je devrais changer le nominal en attributs binaires et utiliser le coefficient de …
2
glmnet: Comment comprendre le paramétrage multinomial?
Problème suivant: Je veux prédire une variable de réponse catégorielle avec une (ou plusieurs) variables catégorielles en utilisant glmnet (). Cependant, je ne peux pas comprendre la sortie que me donne glmnet. Ok, commençons par générer deux variables catégorielles liées: Générer des données p <- 2 #number variables mu <- …
2
Dois-je exécuter des régressions distinctes pour chaque communauté, ou la communauté peut-elle simplement être une variable de contrôle dans un modèle agrégé?
J'utilise un modèle OLS avec une variable d'indice d'actif continue comme DV. Mes données sont agrégées à partir de trois communautés similaires à proximité géographique les unes des autres. Malgré cela, j'ai pensé qu'il était important d'utiliser la communauté comme variable de contrôle. Il s'avère que la communauté est significative …
2
Évaluer rapidement (visuellement) les corrélations entre les données catégorielles ordonnées dans R?
Je recherche des corrélations entre les réponses à différentes questions dans une enquête ("euh, voyons si les réponses à la question 11 sont en corrélation avec celles de la question 78"). Toutes les réponses sont catégoriques (la plupart vont de «très malheureux» à «très heureux»), mais quelques-unes ont un ensemble …
1
R / mgcv: Pourquoi les produits tenseurs te () et ti () produisent-ils des surfaces différentes?
Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne comprends pas, c'est pourquoi te(x1, …
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
Comment effectuer une analyse résiduelle pour les prédicteurs indépendants binaires / dichotomiques en régression linéaire?
J'effectue la régression linéaire multiple ci-dessous dans R pour prédire les rendements des fonds gérés. reg <- lm(formula=RET~GRI+SAT+MBA+AGE+TEN, data=rawdata) Ici, seuls GRI et MBA sont des prédicteurs binaires / dichotomiques; les prédicteurs restants sont continus. J'utilise ce code pour générer des tracés résiduels pour les variables binaires. plot(rawdata$GRI, reg$residuals) abline(lm(reg$residuals~rawdata$GRI, …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.