Statistiques et Big Data r

3

Cluster les Big Data dans R et l'échantillonnage est-il pertinent?

Je suis nouveau dans la science des données et j'ai du mal à trouver des clusters dans un ensemble de données avec 200 000 lignes et 50 colonnes en R. Étant donné que les données ont des variables numériques et nominales, des méthodes comme K-means qui utilise la mesure de …

13 r clustering sampling large-data

1

R au carré dans le modèle linéaire vers la déviance dans le modèle linéaire généralisé?

Voici mon contexte pour cette question: D'après ce que je peux dire, nous ne pouvons pas exécuter une régression ordinaire des moindres carrés dans R lors de l'utilisation de données pondérées et du surveypackage. Ici, nous devons utiliser svyglm(), qui exécute à la place un modèle linéaire généralisé (qui peut …

13 r generalized-linear-model least-squares r-squared deviance

1

Comprendre les prédictions de la régression logistique

Mes prédictions provenant d'un modèle de régression logistique (glm dans R) ne sont pas limitées entre 0 et 1 comme je m'y attendais. Ma compréhension de la régression logistique est que vos paramètres d'entrée et de modèle sont combinés linéairement et la réponse est transformée en probabilité à l'aide de …

13 r regression logistic generalized-linear-model

2

Pour une matrice aléatoire, un SVD ne devrait-il rien expliquer du tout? Qu'est-ce que je fais mal?

Si je construis une matrice 2-D entièrement composée de données aléatoires, je m'attendrais à ce que les composants PCA et SVD n'expliquent essentiellement rien. Au lieu de cela, il semble que la première colonne SVD semble expliquer 75% des données. Comment cela peut-il être? Qu'est-ce que je fais mal? Voici …

13 r pca svd

2

Existe-t-il un package R pour les réponses binaires longitudinales à temps continu?

Le bildpackage semble être un excellent package pour les réponses binaires en série. Mais c'est pour un temps discret. Je voudrais spécifier une fonction lisse du temps pour la connexion du rapport de cotes de la réponse actuelle Y avec des réponses binaires mesurées à des moments antérieurs, ou au …

13 r repeated-measures binary-data panel-data

2

Solveurs numériques pour les équations différentielles stochastiques dans R: en existe-t-il?

Je recherche un package R général, propre et rapide (c'est-à-dire en utilisant des routines C ++) pour simuler des chemins à partir d'une diffusion non linéaire non homogène comme (1) en utilisant le schéma Euler-Maruyama, le schéma Milstein (ou tout autre). Celui-ci est destiné à être intégré dans un code …

13 r simulation stochastic-processes markov-process

1

Régression linéaire et autocorrélation spatiale

Je veux prédire la hauteur des arbres dans une certaine zone en utilisant certaines variables obtenues par télédétection. Comme la biomasse approximative, etc. Je veux d'abord utiliser une régression linéaire (je sais que ce n'est pas la meilleure idée mais c'est une étape incontournable pour mon projet). Je voulais savoir …

13 r multiple-regression spatial autocorrelation

3

Les composantes de l'ACP représentent-elles vraiment un pourcentage de variance? Peuvent-ils totaliser plus de 100%?

Le "Machine Learning For Hackers" d'O'Reilly dit que chaque composant principal représente un pourcentage de la variance. J'ai cité la partie pertinente de la page ci-dessous (chapitre 8, p.207). S'adressant à un autre expert, ils ont convenu qu'il s'agissait du pourcentage. Cependant, les 24 composants totalisent 133,2095%. Comment est-ce possible? …

13 r pca

1

Quelle est la différence entre wilcox.test et coin :: wilcox_test dans R?

Ces deux fonctions existent dans R mais je ne connais pas leurs différences. Il semble qu'ils ne retournent que les mêmes valeurs p lors de l'appel wilcox.testavec correct=FALSE, et wilcox_test(dans le paquet de pièces) avec distribution="aymptotic". Pour les autres valeurs, ils renvoient des valeurs p différentes. Renvoie également wilcox.testtoujours W …

13 r hypothesis-testing p-value wilcoxon-mann-whitney

1

Aidez-moi à comprendre les valeurs de

J'essaie d'exécuter un logit bayésien sur les données ici . J'utilise bayesglm()dans le armpackage en R. Le codage est assez simple: df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T) library(arm) model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df) summary(model) donne la sortie suivante: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.10381 0.10240 …

13 r bayesian p-value

1

Prédictions utilisant glmnet dans R

J'essaie de modéliser certaines données en utilisant le glmnetpackage dans R. Disons que j'ai les données suivantes training_x <- data.frame(variable1 = c(1, 2, 3, 2, 3), variable2 = c(1, 2, 3, 4, 5)) y <- c(1, 2, 3, 4, 5) (Il s'agit d'une simplification; mes données sont beaucoup plus compliquées.) …

13 r glmnet

2

Comment obtenir les résultats d'un test post-hoc Tukey HSD dans un tableau montrant les paires groupées?

J'aimerais effectuer un test post-hoc TukeyHSD après mon Anova bidirectionnel avec R, en obtenant un tableau contenant les paires triées groupées par différence significative. (Désolé pour le libellé, je suis encore nouveau avec les statistiques.) Je voudrais avoir quelque chose comme ça: Donc, regroupé avec des étoiles ou des lettres. …

13 r anova multiple-comparisons post-hoc tukey-hsd

6

Forêt aléatoire: comment gérer les nouveaux niveaux de facteurs dans l'ensemble de test?

J'essaie de faire des prédictions en utilisant un modèle de forêt aléatoire dans R. Cependant, je reçois des erreurs car certains facteurs ont des valeurs différentes dans l'ensemble de test que dans l'ensemble d'entraînement. Par exemple, un facteur Cat_2a des valeurs 34, 68, 76, etc., dans l'ensemble de test qui …

13 r categorical-data random-forest

2

Générer des échantillons de données à partir de la régression de Poisson

Je me demandais comment générer des données à partir d'une équation de régression de Poisson dans R? Je suis un peu confus sur la façon d'aborder le problème. Donc, si je suppose que nous avons deux prédicteurs et qui sont distribués . Et l'ordonnée à l'origine est 0 et les …

13 r regression poisson-distribution simulation

2

Que sont les tests de blocs?

En réponse à une question sur la sélection des modèles en présence de multicolinéarité , Frank Harrell a suggéré : Mettez toutes les variables dans le modèle mais ne testez pas l'effet d'une variable ajustée pour les effets des variables concurrentes ... en compétition les uns contre les autres comme …

13 r model-selection multicollinearity

Questions marquées «r»