Questions tagged «r»

我有一组值和，它们在理论上呈指数相关：Xxxÿyy ÿ= 一个Xby=axby = ax^b 一种获取系数的方法是在两侧应用自然对数并拟合线性模型： > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] 获得此结果的另一种方法是使用非线性回归，给定一组理论上的起始值： > fit <- nls(y~a*x^b, start=c(a=50, b=1.3)) 如果应用第二种算法，我的测试将显示出更好且与理论相关的结果。但是，我想知道每种方法的统计意义和含义。 他们哪个更好？

13 r  regression  linear-model  model-selection  nonlinear-regression 

我正在使用R lavaan软件包来估计结构方程模型。假设模型由1个具有1个潜伏的内生清单变量和2个清单解释性变量组成： group = {0,1} attitude1 = latent,scale age = respondent's age 然后，所需的lavaan模型不起作用： model <- ' attitude1 =~ att1 + att2 + att3 outcome ~ age*group + attitude1*group' 我的目标是按照线性回归的方法，确定每个变量和组之间的主要作用和相互作用作用。能做到吗？

13 r  interaction  sem  lavaan 

我对25个变量运行PCA，并使用选择了前7台PC prcomp。 prc <- prcomp(pollutions, center=T, scale=T, retx=T) 然后，我对这些组件进行了varimax旋转。 varimax7 <- varimax(prc$rotation[,1:7]) 现在，我希望使用varimax旋转PCA旋转的数据（因为它不是varimax对象的一部分-仅包含加载矩阵和旋转矩阵）。我读到要做到这一点，您需要将旋转矩阵的转置乘以数据的转置，所以我会这样做： newData <- t(varimax7$rotmat) %*% t(prc$x[,1:7]) 但这没有意义，因为上面转置的矩阵的尺寸分别是和7 × 16933，所以我将只剩下7行矩阵，而不是16933行...有人知道吗？在这里做错了还是我的最后一行应该是什么？之后是否只需要移调回位？7 × 77×77\times 77 × 169337×169337 \times 16933777169331693316933

13 r  pca  factor-rotation 

编辑 我找到了一篇准确描述我所需程序的论文。唯一的不同是，论文将每月均值数据插值到每日，同时保留了每月均值。我很难在中实施该方法R。任何提示表示赞赏。 原版的 对于每周，我有以下计数数据（每周一个值）： 医生会诊数 流感病例数 我的目标是通过插值获得每日数据（我想到了线性或截断的样条曲线）。重要的是，我要保留每周平均值，即每日内插数据的平均值应等于本周的记录值。此外，插值应平滑。可能出现的一个问题是某个星期少于7天（例如，在一年的开始或结束时）。 对此，我将不胜感激。 非常感谢。 以下是1995年的示例数据集（已更新）： structure(list(daily.ts = structure(c(9131, 9132, 9133, 9134, 9135, 9136, 9137, 9138, 9139, 9140, 9141, 9142, 9143, 9144, 9145, 9146, 9147, 9148, 9149, 9150, 9151, 9152, 9153, 9154, 9155, 9156, 9157, 9158, 9159, 9160, 9161, 9162, 9163, 9164, 9165, 9166, 9167, 9168, …

13 r  time-series  interpolation 

我是数据科学的新手，在查找R中具有200,000行和50列的数据集中的聚类时遇到问题。 由于数据同时具有数字变量和名义变量，因此使用Euclidean距离度量的K-means之类的方法似乎不是合适的选择。因此，我转向接受距离矩阵作为输入的PAM，agnes和hclust。 菊花方法可以处理混合类型的数据，但距离矩阵太大：200,000乘以200,000，比2 ^ 31-1（R 3.0.0之前的向量长度限制）大得多。 昨天发布的新R 3.0.0支持长度大于2 ^ 31-1的长向量。但是200,000 x 200,000的双矩阵需要大于16Gb的连续RAM，这在我的机器上是不可能的。 我读过有关并行计算和bigmemory包的信息，但不确定它们是否对您有帮助：如果我使用的是雏菊，它将生成一个大矩阵，该矩阵无论如何都无法容纳在内存中。 我还阅读了有关采样的文章： 采样与“大数据”时代相关吗？ 因此，就我而言，对数据集使用抽样，对样本进行聚类然后推断整个数据集的结构是否相关？ 你能给我一些建议吗？谢谢！ 关于我的机器： R版本3.0.0（2013-04-03） 平台：x86_64-w64-mingw32 / x64（64位） 操作系统：Windows 7 64bit 内存：16.0GB

13 r  clustering  sampling  large-data 

如果我构建一个完全由随机数据组成的二维矩阵，我希望PCA和SVD组件本质上什么也不能解释。 相反，第一个SVD列似乎可以解释75％的数据。怎么可能呢？我究竟做错了什么？ 这是情节： 这是R代码： set.seed(1) rm(list=ls()) m <- matrix(runif(10000,min=0,max=25), nrow=100,ncol=100) svd1 <- svd(m, LINPACK=T) par(mfrow=c(1,4)) image(t(m)[,nrow(m):1]) plot(svd1$d,cex.lab=2, xlab="SVD Column",ylab="Singluar Value",pch=19) percentVarianceExplained = svd1$d^2/sum(svd1$d^2) * 100 plot(percentVarianceExplained,ylim=c(0,100),cex.lab=2, xlab="SVD Column",ylab="Percent of variance explained",pch=19) cumulativeVarianceExplained = cumsum(svd1$d^2/sum(svd1$d^2)) * 100 plot(cumulativeVarianceExplained,ylim=c(0,100),cex.lab=2, xlab="SVD column",ylab="Cumulative percent of variance explained",pch=19) 更新资料 谢谢@亚伦。如您所述，解决方法是在矩阵上增加比例，以便数字以0为中心（即平均值为0）。 m <- scale(m, scale=FALSE) 这是校正后的图像，显​​示了对于具有随机数据的矩阵，第一SVD列接近预期的0。

13 r  pca  svd 

我来自逻辑回归模型（R中的glm）的预测并不像我期望的那样介于0和1之间。我对逻辑回归的理解是，您的输入和模型参数线性组合，并且使用对数链接函数将响应转换为概率。由于logit函数的范围是0到1，因此我希望我的预测范围是0到1。 但是，当我在R中实现逻辑回归时，这不是我看到的： data(iris) iris.sub <- subset(iris, Species%in%c("versicolor","virginica")) model <- glm(Species ~ Sepal.Length + Sepal.Width, data = iris.sub, family = binomial(link = "logit")) hist(predict(model)) 如果有的话，predict（model）的输出对我来说看起来很正常。谁能向我解释为什么我得到的值不是概率？

13 r  regression  logistic  generalized-linear-model 

该bild软件包似乎是用于串行二进制响应的出色软件包。但这是离散时间。我想为时间响应的平滑函数指定电流响应Y的比值比对与在较早时间测量的二进制响应，或者至少是一阶马尔可夫版本。我相信这称为交替逻辑回归。有谁知道R包可以处理连续时间，即测量时间可以在任何后续时间进行吗？我不需要模型中的随机效应。

13 r  repeated-measures  binary-data  panel-data 

我正在寻找一种通用，干净，快速（即使用C ++例程）的R包，用于使用Euler-Maruyama方案，Milstein方案（或任何其他方案）模拟非均匀非线性扩散（如（1））的路径。这注定要嵌入到更大的估计代码中，因此值得优化。 dXt=f(θ,t,Xt)dt+g(θ,t,Xt)dWt,(1)(1)dXt=f(θ,t,Xt)dt+g(θ,t,Xt)dWt,dX_t = f(\theta, t, X_t)\, dt + g(\theta, t, X_t)\, dW_t, \tag{1} 与标准布朗运动。 WtWtW_t

13 r  simulation  stochastic-processes  markov-process 

我想使用通过遥感获得的一些变量来预测某个地区的树高。像近似生物量，等等。我想首先使用线性回归（我知道这不是最好的主意，但这对我的项目来说是必不可少的步骤）。我想知道空间自相关对它的影响有多严重，如果可能的话，最简单的纠正方法是什么。顺便说一下，我正在R中做所有事情。

13 r  multiple-regression  spatial  autocorrelation 

奥赖利（O'Reilly）的“黑客机器学习”说，每个主成分代表方差的百分比。我引用了以下页面的相关部分（第8章，第207页）。在与另一位专家交谈时，他们同意这是百分比。 但是，这24个组件的总和为133.2095％。这个怎么可能？ 在说服自己可以使用PCA之后，我们如何在R中做到这一点？同样，这是R发挥作用的地方：整个PCA可以在一行代码中完成。我们使用princomp函数运行PCA： pca <- princomp(date.stock.matrix[,2:ncol(date.stock.matrix)]) 如果仅在R中键入pca，我们将看到主要组成部分的快速摘要： Call: princomp(x = date.stock.matrix[, 2:ncol(date.stock.matrix)]) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 Comp.7 29.1001249 20.4403404 12.6726924 11.4636450 8.4963820 8.1969345 5.5438308 Comp.8 Comp.9 Comp.10 Comp.11 Comp.12 Comp.13 Comp.14 5.1300931 4.7786752 4.2575099 3.3050931 2.6197715 2.4986181 2.1746125 Comp.15 Comp.16 Comp.17 Comp.18 Comp.19 Comp.20 Comp.21 1.9469475 …

13 r  pca 

我正在尝试对此处的数据运行贝叶斯logit 。我在R bayesglm()中的arm包中使用。编码非常简单： 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) 给出以下输出： Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 0.10381 0.10240 1.014 0.311 SEXMale 0.02408 0.09363 0.257 0.797 HIGH -0.27503 0.03562 -7.721 1.15e-14 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 …

13 r  bayesian  p-value 

我希望在使用R进行双向Anova后执行TukeyHSD事后测试，以获得包含按显着性差异分组的排序对的表格。（很抱歉，我仍然不熟悉统计数据。） 我想要这样的东西： 因此，按星号或字母分组。 任何想法？我HSD.test()从agricolae程序包中测试了该功能，但似乎无法处理双向表。

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

我正在尝试使用glmnetR中的包对一些数据进行建模。假设我有以下数据 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) （这是一种简化；我的数据要复杂得多。）然后，我使用以下代码创建了glmnet模型。 x <- as.matrix(training_x) library(glmnet) GLMnet_model_1 <- glmnet(x, y, family="gaussian", alpha=0.755, nlambda=1000, standardize=FALSE, maxit=100000) 我正在使用，standardize=FALSE因为我的现实生活数据已经标准化。然后，我要对一组新数据进行预测。假设我的新数据是： newdata <- as.matrix(data.frame(variable1 = c(2, 2, 1, 3), variable2 = c(6, …

13 r  glmnet 

我正在尝试使用R中的随机森林模型进行预测。 但是我得到了错误，因为某些因素在测试集中与训练集中具有不同的值。例如，一个因子在测试集中的Cat_2值34, 68, 76等不出现在训练集中。不幸的是，我无法控制测试集...我必须原样使用它。 我唯一的解决方法是使用将问题因子转换回数值as.numeric()。它的工作原理，但我不是很满意，因为这些值是没有意义的数字代码... 您是否认为还有另一种解决方案，可以从测试集中删除新值？但是，不删除1, 2, 14, 32训练和测试中所有其他因素值（比如说值等），并且包含可能对预测有用的信息。

13 r  categorical-data  random-forest