Questions tagged «matlab»

我开始与使用的涉猎glmnet与LASSO回归那里我感兴趣的结果是二分。我在下面创建了一个小的模拟数据框： age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, 0.91, 0.29, 0.88) m_edu <- c(0, 1, 1, 2, 2, 3, 2, 0, 1) p_edu <- c(0, 2, 2, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

对于模拟研究，我必须生成随机变量，这些变量显示与现有变量的预定义（填充）相关性。ÿYY 我研究了这些R软件包copula，CDVine它们可以生成具有给定依赖关系结构的随机多变量分布。但是，不可能将结果变量之一固定为现有变量。 任何想法和现有功能的链接表示赞赏！ 结论： 提出了两个有效的答案，有不同的解决方案： 一个R 脚本由卡拉卡尔，其计算与一个随机变量精确（样品）的相关性，以一个预定义的变量 我发现了一个R 函数，该函数计算与预定义变量具有定义的总体相关性的随机变量 [@ttnphns的补充：我可以自由地将问题标题从单个固定变量的情况扩展到任意数量的固定变量；即如何生成具有预定义正确性和一些固定的现有变量的变量]

71 r  correlation  random-variable  random-generation  independence  assumptions  random-variable  unbiased-estimator  regression  hypothesis-testing  heteroscedasticity  generalized-least-squares  distributions  networks  data-visualization  sas  reproducible-research  philosophical  time-series  variance  outliers  quality-control  mean  multilevel-analysis  average  weighted-mean  regression  confidence-interval  prediction-interval  correlation  matlab  matrix  data-mining  maximum-likelihood  r  time-series  survival  predictive-models 

我正在尝试使用轮廓图来确定数据集中的聚类数量。给定数据集Train，我使用以下matlab代码 Train_data = full(Train); Result = []; for num_of_cluster = 1:20 centroid = kmeans(Train_data,num_of_cluster,'distance','sqeuclid'); s = silhouette(Train_data,centroid,'sqeuclid'); Result = [ Result; num_of_cluster mean(s)]; end plot( Result(:,1),Result(:,2),'r*-.');` 下面将得到的曲线图，给出与x轴作为簇的簇号和Y轴平均轮廓值。 我如何解释该图？我该如何确定群集的数量？

34 data-visualization  clustering  matlab 

我对比较8个不同样本（每个样本均来自不同人群）中的变异量感兴趣。我知道这可以通过几种使用比率数据的方法来完成：F检验方差相等，Levene检验等。 但是，我的数据是圆形/方向性的（即表现出周期性的数据，例如风向和一般的角度数据或一天中的时间）。我进行了一些研究，并在R的“ CircStats”包中找到了一个测试-“沃森同质性测试”。缺点是该测试仅比较两个样本，这意味着我将不得不对8个样本进行多次比较（然后使用Bonferonni校正）。 这是我的问题： 1）我可以使用更好的测试吗？ 2）如果不是，那么沃森检验的假设是什么？它是参数性/非参数性的吗？ 3）我可以通过什么算法执行此测试？我的数据在Matlab中，我希望不必将其传输到R中即可运行测试。我宁愿只写自己的函数。

21 variance  matlab  f-test  circular-statistics 

令随机点的笛卡尔x,yx,yx,y坐标为st (x,y)∼U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10)。 因此，半径ρ=x2+y2−−−−−−√ρ=x2+y2\rho = \sqrt{x^2 + y^2}并不是ρρ\rho的pdf所暗示的均匀分布。 尽管如此，我希望θ=arctanyxθ=arctan⁡yx\theta = \arctan{\frac{y}{x}}几乎是均匀的，不包括由于边缘4个残差而导致的假象： 以下是grafically计算概率密度函数的θθ\theta和ρρ\rho： 现在，如果我让分布为st那么似乎是均匀分布的：x,yx,yx,yx,y∼N(0,202)×N(0,202)x,y∼N(0,202)×N(0,202)x,y \sim N(0,20^2)\times N(0,20^2)θθ\theta 为什么当时不均匀而当时是均匀的吗？θθ\theta(x,y)∼U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10)x,y∼N(0,202)×N(0,202)x,y∼N(0,202)×N(0,202)x,y \sim N(0,20^2)\times N(0,20^2) 我使用的Matlab代码： number_of_points = 100000; rng('shuffle') a = -10; b = 10; r = (b-a).*randn(2,number_of_points); r = reshape(r, [2,number_of_points]); I = eye(2); e1 = …

19 normal-distribution  matlab  pdf  uniform 

我正在尝试生成均值=，方差=，相关系数=相关随机序列。在下面的代码中，我将＆用作标准偏差，并将＆用作均值。1 0.80001个110.80.80.8s1s2m1m2 p = 0.8 u = randn(1, n) v = randn(1, n) x = s1 * u + m1 y = s2 * (p * u + sqrt(1 - p^2) * v) + m2 这使我corrcoef()在x和之间的0.8 正确y。我的问题是，如果我希望z该系列也与y（具有相同的相关性）相关但又与不相关，我该如何生成它。我需要知道一个特定的公式吗？我找到了一个，但听不懂。r = 0.8r=0.8r=0.8x

19 correlation  matlab  random-generation  correlation-matrix 

我知道SVM是二进制分类器。我想将其扩展到多类SVM。哪种方法是最好的，也许是最简单的？ 代码：在MATLAB中 u=unique(TrainLabel); N=length(u); if(N>2) itr=1; classes=0; while((classes~=1)&&(itr<=length(u))) c1=(TrainLabel==u(itr)); newClass=double(c1); tst = double((TestLabel == itr)); model = svmtrain(newClass, TrainVec, '-c 1 -g 0.00154'); [predict_label, accuracy, dec_values] = svmpredict(tst, TestVec, model); itr=itr+1; end itr=itr-1; end 如何改善呢？

18 machine-learning  matlab  svm  multi-class 

我需要在区间内按照正态分布生成随机数。（我在R.工作）(a,b)(a,b)(a,b) 我知道函数rnorm(n,mean,sd)会按照正态分布生成随机数，但是如何在其中设置间隔限制？是否有任何特定的R函数可用？

17 r  normal-distribution  matlab  simulation  random-generation 

在Matlab和Python中，哪种语言最适合常规统计数据分析？除了可访问性之外，每种方法都有哪些优缺点？

17 matlab  python 

我听说在零假设下，p值分布应该是均匀的。但是，在MATLAB中进行二项式检验的仿真返回的均值分布与均值大于0.5（在这种情况下为0.518）的差异非常大： coin = [0 1]; success_vec = nan(20000,1); for i = 1:20000 success = 0; for j = 1:200 success = success + coin(randperm(2,1)); end success_vec(i) = success; end p_vec = binocdf(success_vec,200,0.5); hist(p_vec); 尝试更改生成随机数的方式无济于事。我真的很感谢在这里的任何解释。

17 matlab  p-value  binomial  simulation  uniform 

我有4个状态的全套序列（准确地说是432个观察值）A−DA−DA-D：例如 Y=⎛⎝⎜⎜⎜⎜AB⋮BCA⋮CDA⋮ADC⋮DBA⋮AA−⋮BC−⋮A⎞⎠⎟⎟⎟⎟Y=(ACDDBACBAACA−−⋮⋮⋮⋮⋮⋮⋮BCADABA)Y=\left(\begin{array}{c c c c c c c} A& C& D&D & B & A &C\\ B& A& A&C & A&- &-\\ \vdots&\vdots&\vdots&\vdots&\vdots&\vdots&\vdots\\ B& C& A&D & A & B & A\\ \end{array}\right) 编辑：观察序列的长度不相等！这会改变什么吗？ 有没有一种方法可以在Matlab或R或类似程序中计算转换矩阵？我认为HMM软件包可能会有所帮助。有什么想法吗？Pij(Yt=j|Yt−1=i)Pij(Yt=j|Yt−1=i)P_{ij}(Y_{t}=j|Y_{t-1}=i) 例如：估计马尔可夫链概率

16 r  matlab  markov-process 

目前我正在试图到的模拟值维随机变量具有与平均向量一个多元正态分布和协方差矩阵。NNNXXXμ=(μ1,...,μN)Tμ=(μ1,...,μN)T\mu = (\mu_1,...,\mu_N)^TSSS 我希望能使用类似于逆CDF方法的过程，这意味着我想首先生成维均匀随机变量，然后把它插入到这个分布的逆CDF，所以生成值。NNNUUUXXX 我遇到问题是因为该过程没有得到很好的记录，并且MATLAB中的mvnrnd函数与我在Wikipedia上找到的描述之间存在细微的差异。 就我而言，我还随机选择分布的参数。特别是，我从均匀分布生成每个均值。然后，我使用以下过程构建协方差矩阵：μiμi\mu_iU(20,40)U(20,40)U(20,40)SSS 创建一个下三角矩阵，其中对于，，对于 ，LLLL(i,i)=1L(i,i)=1L(i,i) = 1i=1..Ni=1..Ni=1..NL(i,j)=U(−1,1)L(i,j)=U(−1,1)L(i,j) = U(-1,1)i&lt;ji&lt;ji < j 令，其中表示的转置。S=LLTS=LLTS = LL^TLTLTL^TLLL 此过程使我可以确保是对称且为正定的。它还提供了一个较低的三角矩阵因此，我认为需要从该分布生成值。SSSLLLS=LLTS=LLTS = LL^T 使用Wikipedia上的指南，我应该能够使用维统一生成值，如下所示：XXXNNN X=μ+L∗Φ−1(U)X=μ+L∗Φ−1(U)X = \mu + L * \Phi^{-1}(U) 但是，根据MATLAB函数，通常按以下方式完成： X=μ+LT∗Φ−1(U)X=μ+LT∗Φ−1(U)X = \mu + L^T * \Phi^{-1}(U) 其中是一个的逆CDF维，可分离，正态分布，并且这两种方法之间的唯一区别是简单地是否使用或。Φ−1Φ−1\Phi^{-1}NNNLLLLTLTL^T 是MATLAB还是维基百科？还是都错了？

14 matlab  algorithms  random-generation  multivariate-normal 

有谁知道一些可逆跳转MCMC的编写良好的代码（在Matlab或R中）？最好是一个简单的演示应用程序，以补充有关该主题的论文，这将有助于理解该过程。

14 r  matlab  references  mcmc 

我开始在R从事蒙特卡洛的业余爱好，但最终一位财务分析师建议迁移到Matlab。我是一位经验丰富的软件开发人员。但是是蒙特卡洛的初学者。我想用灵敏度分析来构造静态模型，然后再构造动态模型。需要指导我的好的库/算法。 在我看来，R具有出色的库，而且我怀疑mathlab被无经验的程序员所青睐，因为它具有类似于pascal的简单语言。R语言是基于方案的，这对初学者来说很难，但对我而言却不是。如果Matlab / Octave在数值/库方面没有优势，我会坚持使用R。

14 r  matlab  monte-carlo 

谁能指出我可以在输入中采用距离矩阵的k均值实现（如果在matlab中会更好）？标准的MATLAB实施需要输入中的观察矩阵，并且无法自定义更改相似性度量。

14 clustering  matlab  k-means