Questions tagged «r»

精度定义为： p = true positives / (true positives + false positives) 对不对，作为true positives和false positives做法0，精度接近1？ 召回相同的问题： r = true positives / (true positives + false negatives) 我目前正在实施统计测试，需要计算这些值，有时分母为0，我想知道在这种情况下应返回哪个值。 PS：请原谅，不恰当的标签，我想用recall，precision和limit，但我不能创造新的标签呢。

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

我不是随机森林专家，但是我清楚地了解到随机森林的关键问题是（随机）树的生成。您能解释一下树木是如何产生的吗？（即，用于生成树的分布是什么？） 提前致谢 ！

20 machine-learning  r  algorithms  cart  random-forest 

在主题测试中进行事后调查的首选方法是什么？我已经看过使用Tukey的HSD的已发表工作，但是对Keppel和Maxwell＆Delaney的评论表明，这些设计中可能会违反球形性，因此误差项不正确，并且这种方法存在问题。Maxwell＆Delaney在他们的书中提供了解决该问题的方法，但我从未在任何统计数据包中看到过这样做的方法。他们提供的方法合适吗？对多个配对样本t检验进行Bonferroni或Sidak校正是否合理？可接受的答案将提供通用的R代码，该代码可以对包装中的ezANOVA功能所产生的简单，多路和混合设计进行事后分析ez，并提供适当的引文，可能会引起审阅者的注意。

20 r  repeated-measures  multiple-comparisons  post-hoc  sphericity 

如何从中的混合分布，尤其是正态分布的混合中采样R？例如，如果我想从以下位置取样： 0.3×N(0,1)+0.5×N(10,1)+0.2×N(3,.1)0.3×N(0,1)+0.5×N(10,1)+0.2×N(3,.1) 0.3\!\times\mathcal{N}(0,1)\; + \;0.5\!\times\mathcal{N}(10,1)\; + \;0.2\!\times\mathcal{N}(3,.1) 我该怎么办？

20 r  random-generation  mixture 

R caret包是否同时针对模型alpha和模型lambda进行交叉验证glmnet？运行此代码， eGrid <- expand.grid(.alpha = (1:10) * 0.1, .lambda = (1:10) * 0.1) Control <- trainControl(method = "repeatedcv",repeats = 3,verboseIter =TRUE) netFit <- train(x =train_features, y = y_train, method = "glmnet", tuneGrid = eGrid, trControl = Control) 培训日志如下所示。 Fold10.Rep3: alpha=1.0, lambda=NA 什么lambda=NA意思

20 r  machine-learning  cross-validation  caret  glmnet 

我正在使用R，并且一直在使用具有二项式链接的GLM分析数据。 我想知道输出表中拦截的含义是什么。我的一个模型的截距明显不同，但是变量没有。这是什么意思？ 什么是拦截。我不知道我是否只是在迷惑自己，而是在互联网上搜索，没有什么可说的，就是这样，注意它...还是不。 请帮助，一个非常沮丧的学生 glm(formula = attacked_excluding_app ~ treatment, family = binomial, data = data) Deviance Residuals: Min 1Q Median 3Q Max -2.3548 0.3593 0.3593 0.3593 0.3593 Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 2.708 1.033 2.622 0.00874 ** treatmentshiny_non-shiny 0.000 1.461 0.000 1.00000 (Dispersion parameter for binomial family …

20 r  generalized-linear-model 

如果您的矩阵具有n行和m列，则可以使用SVD或其他方法来计算给定矩阵的低秩近似。 但是，低阶近似仍将具有n行和m列。假设您拥有相同数量的特征，低秩近似对于机器学习和自然语言处理如何有用？

20 r  matrix  approximation 

关闭。这个问题是题外话。它当前不接受答案。 想改善这个问题吗？ 更新问题，使它成为交叉验证的主题。 去年关闭。 我想通过基于余弦距离的行聚类制作一个热图。我正在使用R并heatmap.2()制作数字。我可以看到其中有一个dist参数，heatmap.2但是找不到用于生成余弦相异度矩阵的函数。内置dist函数不支持余弦距离，我还发现了一个arules带有dissimilarity()函数的包，但仅适用于二进制数据。

20 r  clustering  similarities 

好的，我进行了逻辑回归，并使用该predict()函数根据我的估计来绘制概率曲线。 ## LOGIT MODEL: library(car) mod1 = glm(factor(won) ~ as.numeric(bid), data=mydat, family=binomial(link="logit")) ## PROBABILITY CURVE: all.x <- expand.grid(won=unique(won), bid=unique(bid)) y.hat.new <- predict(mod1, newdata=all.x, type="response") plot(bid<-000:1000,predict(mod1,newdata=data.frame(bid<-c(000:1000)),type="response"), lwd=5, col="blue", type="l") 很好，但我对绘制概率的置信区间感到好奇。我已经尝试过plot.ci()但是没有运气。谁能指出一些完成此操作的方法，最好是使用car包装或基数R。

20 r  logistic  confidence-interval 

我们知道，配对t检验只是单向重复测量（或对象内）ANOVA以及线性混合效应模型的一种特殊情况，可以用Rme中的lme（）函数的lme（）函数进行演示如下所示。 #response data from 10 subjects under two conditions x1<-rnorm(10) x2<-1+rnorm(10) # Now create a dataframe for lme myDat <- data.frame(c(x1,x2), c(rep("x1", 10), rep("x2", 10)), rep(paste("S", seq(1,10), sep=""), 2)) names(myDat) <- c("y", "x", "subj") 当我运行以下配对t检验时： t.test(x1, x2, paired = TRUE) 我得到了这个结果（由于随机生成器，您将得到不同的结果）： t = -2.3056, df = 9, p-value = 0.04657 …

20 r  mixed-model  t-test  repeated-measures  lme4-nlme 

的qqnorm()一个R函数产生一个正常QQ-情节和qqline()增加了穿过第一和第三四分位数的线。这条线的起源是什么？检查正常性是否有帮助？这不是经典线（线性缩放后，对角线）。ÿ= xÿ=Xy=x 这是一个例子。首先，我比较的理论分布函数经验分布函数： 现在我绘制QQ-情节与线Ŷ = μ + σ X ; 该图大致对应于上一个图的（非线性）缩放比例： 但是，这是带有R qqline的qq图： 这最后一个图没有像第一个图那样显示偏离。ñ（μ^，σ^2）ñ（μ^，σ^2）{\cal N}(\hat\mu,\hat\sigma^2)ÿ= μ^+ σ^Xÿ=μ^+σ^Xy=\hat\mu + \hat\sigma x

20 r  normal-distribution  qq-plot 

我想检验一个假设，即从同一总体中抽取两个样本，而无需对样本或总体的分布进行任何假设。我应该怎么做？ 在Wikipedia上，我的印象是Mann Whitney U考试应该是合适的，但实际上似乎对我没有用。 为了具体起见，我创建了一个数据集，其中包含两个样本（a，b），它们大（n = 10000），并从两个非正态（双峰），相似（均值），但不同（标准差）的总体中得出我正在寻找一种测试，可以识别出这些样本不是来自同一群体。 直方图视图： R代码： a <- tibble(group = "a", n = c(rnorm(1e4, mean=50, sd=10), rnorm(1e4, mean=100, sd=10))) b <- tibble(group = "b", n = c(rnorm(1e4, mean=50, sd=3), rnorm(1e4, mean=100, sd=3))) ggplot(rbind(a,b), aes(x=n, fill=group)) + geom_histogram(position='dodge', bins=100) 令人惊讶的是，这是曼·惠特尼（Mann Whitney）检验（？）无法拒绝样本来自同一总体的原假设： > wilcox.test(n ~ group, rbind(a,b)) Wilcoxon rank …

19 r  hypothesis-testing  nonparametric  wilcoxon-mann-whitney  wilcoxon-signed-rank 

CrossValidated对于何时以及如何应用King和Zeng（2001）的罕见事件偏差校正有几个问题。我正在寻找与众不同的东西：一个基于模拟的最小演示，证明存在偏差。 特别是国王和曾国 “……在极少数事件数据中，几千个样本量的概率偏差可能实际上是有意义的，并且处于可预测的方向：估计的事件概率太小。” 这是我尝试模拟R中的这种偏差： # FUNCTIONS do.one.sim = function(p){ N = length(p) # Draw fake data based on probabilities p y = rbinom(N, 1, p) # Extract the fitted probability. # If p is constant, glm does y ~ 1, the intercept-only model. # If p is not constant, assume …

19 r  logistic  simulation  bias  rare-events 

这篇文章与一个快速变化的事件有关。 我遇到了一个2012年的问题，该问题对朱莉娅进行了很好的讨论，关于朱莉娅是R / Python的替代品，用于各种类型的统计工作。 这是2012年关于朱莉娅的诺言的原始问题 不幸的是，朱莉娅那时还很新，而统计工作所需的工具包有些原始。错误正在被消除。发行版很难安装。等等。 有人对此问题发表了非常恰当的评论： 这就是说，事后才可能回答这个问题还需要5年。到目前为止，Julia缺少统计编程系统的以下关键方面，这些系统可能与R竞争日常用户： 那是在2012年。现在已经到了2015年，并且已经过去了三年，我想知道人们如何看待Julia的成就？ 语言本身和整个Julia生态系统是否有更丰富的经验？我会很高兴知道。 特别： 您会建议统计工具的新用户学习R上的Julia吗？ 您会建议某人使用哪种Statistics统计用例？ 如果R在执行某项任务时很慢，切换到Julia或Python是否有意义？ 注意：2015年6月14日首次发布。

19 r  python  computing  julia 

假设我们必须使用GLMM mod1 <- glmer(y ~ x + A + (1|g), data = dat) mod2 <- glmer(y ~ x + B + (1|g), data = dat) 这些模型不是通常意义上的嵌套： a <- glmer(y ~ x + A + (1|g), data = dat) b <- glmer(y ~ x + A + B + (1|g), data …

19 r  mixed-model  aic  lme4-nlme  nested-models