Questions marquées «interpretation»

Désigne généralement tirer des conclusions de fond à partir des résultats d'une analyse statistique.

1
Comment interpréter le tracé cv.glmnet ()?
J'ai effectué un lasso, puis laissé une validation croisée cv<-cv.glmnet(df, df$Price, nfolds = 1500) Lorsque je trace un cv, j'obtiens ce qui suit: J'ai aussi remarqué que j'obtenais 2 lambdas différents: lambda.minetlambda.1se Quelle est la différence entre ces lambdas? Que puis-je comprendre de l'intrigue ci-dessus en général (à quoi servent …



1
Quelle matrice doit être interprétée dans l'analyse factorielle: matrice de modèle ou matrice de structure?
Lorsque vous effectuez une analyse factorielle (par factorisation de l'axe principal, par exemple) ou une analyse des composants principaux en tant qu'analyse factorielle, et après avoir effectué une rotation oblique des chargements, - quelle matrice utilisez-vous ensuite afin de comprendre quels articles se chargent sur quels facteurs et d'interpréter les …




2
Anova de l'interprétation de sortie R
J'ai une question sur la façon dont un statisticien interpréterait normalement une sortie anova. Disons que j'ai une sortie anova de R. > summary(fitted_data) Call: lm(formula = V1 ~ V2) Residuals: Min 1Q Median 3Q Max -2.74004 -0.33827 0.04062 0.44064 1.22737 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.11405 …

2
Comment interpréter une boîte à moustaches?
J'ai quelques données dans lesquelles il y a 5 variables explicatives catégoriques ( concern, breath, weath, sleep, act) et 1 variable de réponse continue ( tto). De plus, chaque variable explicative catégorielle est divisée en 5 niveaux qui montrent à quel point une personne en est convaincue. les niveaux 1 …


3
Interpréter le coefficient dans un modèle de régression linéaire avec des variables catégorielles
Je vais donner mes exemples avec les appels R. D'abord un exemple simple de régression linéaire avec une variable dépendante «durée de vie» et deux variables explicatives continues. data.frame(height=runif(4000,160,200))->human.life human.life$weight=runif(4000,50,120) human.life$lifespan=sample(45:90,4000,replace=TRUE) summary(lm(lifespan~1+height+weight,data=human.life)) Call: lm(formula = lifespan ~ 1 + height + weight, data = human.life) Residuals: Min 1Q Median 3Q …

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.