Questions tagged «r»

我在《用R扩展线性模型》一书朱利安·J·法拉维（第59页）中找到了伪的公式。[R2[R2R^2 1 - ResidualDeviance空距离1个-残差空距离1-\frac{\text{ResidualDeviance}}{\text{NullDeviance}}。 这是GLM的伪的通用公式吗？[R2[R2R^2

28 r  regression  generalized-linear-model  r-squared 

如果回想一下，可以追溯到首次进行时间序列分析的时间。您希望了解哪些工具，R软件包和Internet资源？ 我想问的是，应该从哪里开始？具体来说，对于R的时间序列分析“新手”来说，R是否有任何资源可以真正解决它。

28 r  time-series 

我刚刚碰到了这篇论文，该论文描述了如何通过混合效应建模来计算测量的可重复性（又称可靠性，又称类内相关性）。R代码为： #fit the model fit = lmer(dv~(1|unit),data=my_data) #obtain the variance estimates vc = VarCorr(fit) residual_var = attr(vc,'sc')^2 intercept_var = attr(vc$id,'stddev')[1]^2 #compute the unadjusted repeatability R = intercept_var/(intercept_var+residual_var) #compute n0, the repeatability adjustment n = as.data.frame(table(my_data$unit)) k = nrow(n) N = sum(n$Freq) n0 = (N-(sum(n$Freq^2)/N))/(k-1) #compute the adjusted repeatability Rn = …

28 mixed-model  reliability  intraclass-correlation  repeatability  spss  factor-analysis  survey  modeling  cross-validation  error  curve-fitting  mediation  correlation  clustering  sampling  machine-learning  probability  classification  metric  r  project-management  optimization  svm  python  dataset  quality-control  checking  clustering  distributions  anova  factor-analysis  exponential  poisson-distribution  generalized-linear-model  deviance  machine-learning  k-nearest-neighbour  r  hypothesis-testing  t-test  r  variance  levenes-test  bayesian  software  bayesian-network  regression  repeated-measures  least-squares  change-scores  variance  chi-squared  variance  nonlinear-regression  regression-coefficients  multiple-comparisons  p-value  r  statistical-significance  excel  sampling  sample  r  distributions  interpretation  goodness-of-fit  normality-assumption  probability  self-study  distributions  references  theory  time-series  clustering  econometrics  binomial  hypothesis-testing  variance  t-test  paired-comparisons  statistical-significance  ab-test  r  references  hypothesis-testing  t-test  normality-assumption  wilcoxon-mann-whitney  central-limit-theorem  t-test  data-visualization  interactive-visualization  goodness-of-fit 

R中的大多数标准发行版都有一系列命令-pdf / pmf，cdf / cmf，分位数，随机偏差（例如dnorm，pnorm，qnorm，rnorm）。 我知道使用一些标准命令来为离散均匀分布再现这些函数很容易，但是我是否已经意识到我不知道的用于内置建模R中离散均匀分布的首选函数家族？

28 r  distributions  uniform 

我有R脚本，用于从不同文件中读取大量的CSV数据，然后执行诸如svm的机器学习任务以进行分类。 是否有任何库可用于R的服务器上的多个内核 ？ 或者 什么是最合适的方法？

28 r  parallel-computing  multicore 

我使用“ boot”包来计算近似的两面自举p值，但是结果与使用t.test的p值相差太远。我无法弄清楚我在R代码中做错了什么。有人可以给我一个提示吗 time = c(14,18,11,13,18,17,21,9,16,17,14,15, 12,12,14,13,6,18,14,16,10,7,15,10) group=c(rep(1:2, each=12)) sleep = data.frame(time, group) require(boot) diff = function(d1,i){ d = d1[i,] Mean= tapply(X=d$time, INDEX=d$group, mean) Diff = Mean[1]-Mean[2] Diff } set.seed(1234) b3 = boot(data = sleep, statistic = diff, R = 5000, strata=sleep$group) pvalue = mean(abs(b3$t) > abs(b3$t0)) pvalue 两面自举的p值（pvalue）= 0.4804，但t.test的两面p值为0.04342。两个p值的差约为11倍。怎么会这样

28 r  hypothesis-testing  p-value  bootstrap  permutation-test 

重复线程： 我刚安装了R的最新版本。我应该获得哪些软件包？ 您无法想象日常使用数据的R包是什么？请同时列出常规工具和特定工具。 更新：至于24.10.10 ggplot2似乎以7票成为赢家。 提到的不止一个的其他软件包是： plyr -4 RODBC，RMySQL-4 sqldf -3 lattice -2 zoo -2 Hmisc/rms -2 Rcurl -2 XML -2 谢谢大家的回答！

28 r 

我有一个包含9个连续自变量的数据集。我正在尝试从这些变量中进行选择，以使模型适合单个百分比（因变量）变量Score。不幸的是，我知道几个变量之间将存在严重的共线性。 我尝试使用stepAIC()R中的函数进行变量选择，但是奇怪的是，该方法似乎对方程中列出变量的顺序很敏感... 这是我的R代码（因为它是百分比数据，所以我对得分使用了logit转换）： library(MASS) library(car) data.tst = read.table("data.txt",header=T) data.lm = lm(logit(Score) ~ Var1 + Var2 + Var3 + Var4 + Var5 + Var6 + Var7 + Var8 + Var9, data = data.tst) step = stepAIC(data.lm, direction="both") summary(step) 由于某种原因，我发现方程式开头列出的变量最终被stepAIC()函数选择，结果可以通过列出来操纵，例如，Var9首先（跟随波浪号）。 在这里拟合模型的一种更有效（且争议较小）的方法是什么？我使用线性回归并没有真正陷入僵局：我唯一想做的就是能够了解9个变量中的哪一个真正驱动了变量的Score变化。优选地，这将是考虑这9个变量的共线性的强大潜力的某种方法。

28 r  multiple-regression  feature-selection  multicollinearity 

我有一个矩阵，其中a（i，j）告诉我我浏览过页面j的次数。有27K个人和95K页。我想在页面空间中有一些“尺寸”或“方面”，它们对应于经常一起查看的页面集。我的最终目标是能够计算出个人浏览过1维，2维等页面的频率。 我已经阅读了有关主成分分析和单值分解的R文档，并执行了这些命令，但是我不确定如何继续。 如何使用降维方法来做到这一点？还是这确实是一个聚类问题，而我应该研究聚类算法？ 非常感谢您的见解〜l

28 r  clustering  dimensionality-reduction 

当我使用GAM时，它给了我剩余的DF为（代码的最后一行）。这意味着什么？超越GAM示例，通常，自由度可以是非整数吗？26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max -4.1470 -1.6217 -0.8971 1.2445 6.0516 (Dispersion Parameter for gaussian family taken to be 6.6717) Null Deviance: 1126.047 on 31 degrees of freedom Residual Deviance: 177.4662 on 26.6 degrees of …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

我有一个336x256浮点数的矩阵（336个细菌基因组（列）x 256个标准化四核苷酸频率（行），例如，每列总计1）。 使用主成分分析运行分析时，我得到很好的结果。首先，我根据数据计算kmeans聚类，然后运行PCA并基于2D和3D中的初始kmeans聚类为数据点着色： library(tsne) library(rgl) library(FactoMineR) library(vegan) # read input data mydata <-t(read.csv("freq.out", header = T, stringsAsFactors = F, sep = "\t", row.names = 1)) # Kmeans Cluster with 5 centers and iterations =10000 km <- kmeans(mydata,5,10000) # run principle component analysis pc<-prcomp(mydata) # plot dots plot(pc$x[,1], pc$x[,2],col=km$cluster,pch=16) # plot …

27 r  pca  tsne 

在arimaR中的函数中，是什么order(1, 0, 12)意思？什么是可以被分配到的值p，d，q和过程是怎样的去寻找那些价值？

27 r  time-series  arima 

在多层次模型中，估计与不估计随机效应相关参数的实际和解释相关的含义是什么？提出此问题的实际原因是，在R中的lmer框架中，当在参数之间的相关性模型中进行估算时，没有通过MCMC技术估算p值的已实现方法。 例如，看这个例子（下面引用的部分），M2与M3的实际含义是什么。显然，在一种情况下不会估计P5，而在另一种情况下会估计。 问题 出于实际原因（希望通过MCMC技术获得p值），即使P5基本不为零，也可能希望在随机效应之间没有相关性的情况下拟合模型。如果执行此操作，然后通过MCMC技术估算p值，结果是否可以解释？（我知道@Ben Bolker之前曾提到过，“虽然从统计学上讲，将显着性测试与MCMC相结合有点不连贯，尽管我理解这样做的冲动（更容易获得置信区间）”，所以，如果这样做会使您睡得更好在晚上假装我说出置信区间。） 如果一个人无法估计P5，是否等于断言它为0？ 如果P5确实非零，那么P1-P4的估计值会受到什么影响？ 如果P5确实非零，那么P1-P4的误差估计会受到什么影响？ 如果P5确实非零，那么以何种方式无法包含P5的模型解释有缺陷？ 借用@Mike Lawrence的答案（比我更了解的人可以随意用完整的模型表示法替换它，我并不完全相信我可以以合理的忠诚度做到这一点）： M2 ：（ V1 ~ (1|V2) + V3 + (0+V3|V2)估计P1-P4） M3 ：（ V1 ~ (1+V3|V2) + V3估计P1-P5） 可以估计的参数： P1：全局拦截 P2：V2的随机效应截距（即，对于V2的每个级别，该级别的截距与全局截距的偏差） P3：对V3的效果（斜率）的单个全局估计 P4：V2的每个级别内的V3效果（更具体地说，给定级别内的V3效果偏离V3的整体效果的程度），同时使跨级别的截距偏差和V3效果偏差之间的相关性为零V2。 P5：跨V2级别的截距偏差和V3偏差之间的相关性 从足够大和广泛的模拟以及使用lmer的R中附带的代码中得出的答案是可以接受的。

27 r  mixed-model  lme4-nlme  random-effects-model 

我有一个散点图。如何添加非线性趋势线？

27 r  data-visualization  nonlinear-regression  trend 

虽然我知道在R中有一系列用于生成热图的函数，但问题是我无法生成视觉上吸引人的图。例如，以下图像是我要避免的热图的很好示例。第一个明显缺乏细节，而另一个（基于相同的观点）太详细而无法使用。这两个图都是由spatstat R包中的density（）函数生成的。 如何获得更多的“流量”？我的目标是获得更多商用SpatialKey（屏幕截图）软件能够产生的外观。 有什么提示，算法，程序包或代码行可以带我朝这个方向前进吗？

27 r  data-visualization  spatial