Reexpresión matemática, a menudo no lineal, de valores de datos. Los datos a menudo se transforman para cumplir con los supuestos de un modelo estadístico o para hacer que los resultados de un análisis sean más interpretables.
Si tengo datos positivos muy sesgados, a menudo tomo registros. Pero, ¿qué debo hacer con datos no negativos muy sesgados que incluyen ceros? He visto dos transformaciones utilizadas: log(x+1)log(x+1)\log(x+1) que tiene la característica ordenada que 0 se asigna a 0. log(x+c)log(x+c)\log(x+c)...
Tengo un marco de datos R como este: age group 1 23.0883 1 2 25.8344 1 3 29.4648 1 4 32.7858 2 5 33.6372 1 6 34.9350 1 7 35.2115 2 8 35.2115 2 9 35.2115 2 10 36.7803 1 ... Necesito obtener el marco de datos en la siguiente forma: group mean sd 1 34.5 5.6 2 32.3 4.2 ... El número de grupo...
Digamos que tengo algunos datos históricos, por ejemplo, precios de acciones anteriores, fluctuaciones de precios de pasajes aéreos, datos financieros anteriores de la empresa ... Ahora alguien (o alguna fórmula) aparece y dice "tomemos / usemos el registro de la distribución" y aquí es donde voy...
¿Estoy buscando una distribución de mejor comportamiento para la variable independiente en cuestión, o para reducir el efecto de los valores atípicos, o algo
Al responder esta pregunta sobre datos discretos y continuos , afirmé con soltura que rara vez tiene sentido tratar los datos categóricos como continuos. A primera vista, parece evidente, pero la intuición es a menudo una guía pobre para las estadísticas, o al menos la mía lo es. Entonces ahora me...
He leído que usar escalas de registro cuando los gráficos / gráficos son apropiados en ciertas circunstancias, como el eje y en un gráfico de series de tiempo. Sin embargo, no he podido encontrar una explicación definitiva de por qué ese es el caso, o cuándo sería apropiado. Tenga en cuenta que no...
A menudo se recomienda sacar la raíz cuadrada cuando tiene datos de conteo. (Para algunos ejemplos en CV, vea la respuesta de @ HarveyMotulsky aquí , o la respuesta de @ whuber aquí .) Por otro lado, cuando se ajusta un modelo lineal generalizado con una variable de respuesta distribuida como...
He analizado mis datos tal como están. Ahora quiero ver mis análisis después de tomar el registro de todas las variables. Muchas variables contienen muchos ceros. Por lo tanto, agrego una pequeña cantidad para evitar tomar el registro de cero. Hasta ahora he agregado 10 ^ -10, sin ninguna...
¿Existe una transformación similar a Box-Cox para variables independientes? Es decir, ¿una transformación que optimice la variable para que se ajuste más razonablemente a un modelo lineal?Xxxy~f(x) Si es así, ¿hay una función para realizar esto
Hay dos formas diferentes de codificar variables categóricas. Digamos, una variable categórica tiene n valores. La codificación única lo convierte en n variables, mientras que la codificación ficticia lo convierte en n-1 variables. Si tenemos k variables categóricas, cada una de las cuales tiene n...
¿Transforme todos mis datos o pliegues (si se aplica CV) al mismo tiempo? p.ej (allData - mean(allData)) / sd(allData) ¿Transforme el conjunto de trenes y el conjunto de pruebas por separado? p.ej (trainData - mean(trainData)) / sd(trainData) (testData - mean(testData)) / sd(testData) ¿O...
Me pregunto si hace una diferencia en la interpretación si solo el dependiente, tanto el dependiente como el independiente, o solo las variables independientes se transforman logarítmicamente. Considere el caso de log(DV) = Intercept + B1*IV + Error Puedo interpretar el IV como el porcentaje...
¿Cuál es la diferencia entre la 'Normalización' de datos y la 'Escala' de datos? Hasta ahora pensé que ambos términos se refieren al mismo proceso, pero ahora me doy cuenta de que hay algo más que no sé / entiendo. Además, si hay una diferencia entre Normalización y Escalado, ¿cuándo deberíamos...
Al transformar variables, ¿tiene que usar la misma transformación? Por ejemplo, ¿puedo elegir y elegir variables transformadas de manera diferente, como en: Sea edad, la duración del empleo, la duración de la residencia y los ingresos.x1,x2,x3x1,x2,x3x_1,x_2,x_3 Y = B1*sqrt(x1) + B2*-1/(x2) +...
Tengo datos de 3 grupos de biomasa de algas ( UNAUNAA , sisiB , dodoC ) que contienen tamaños de muestra desiguales ( norteUNA= 15norteUNA=15n_A=15 , nortesi= 13nortesi=13n_B=13 , nortedo= 12nortedo=12n_C=12 ) y me gustaría comparar si estos grupos son de la misma población . Fmax=...
Puede tener datos en formato ancho o en formato largo. Esto es bastante importante, ya que los métodos utilizables son diferentes, dependiendo del formato. Sé que tiene que trabajar con melt()y cast()desde el paquete de remodelación, pero parece que hay algunas cosas que no entiendo. ¿Alguien me...
Digamos, por ejemplo, que está haciendo un modelo lineal, pero los datos son complejos.yyy y= x β+ ϵy=xβ+ϵ y = x \beta + \epsilon Mi conjunto de datos es complejo, ya que en todos los números en son de la forma ( a + b i ) . ¿Hay algo procesalmente diferente cuando se trabaja con dichos...
Estoy trabajando con un gran conjunto de datos (confidencial, por lo que no puedo compartir demasiado), y llegué a la conclusión de que sería necesaria una regresión binomial negativa. Nunca antes había hecho una regresión glm, y no puedo encontrar ninguna información clara sobre cuáles son los...
Un paso común de preprocesamiento para los algoritmos de aprendizaje automático es el blanqueamiento de datos. Parece que siempre es bueno hacer el blanqueamiento, ya que des correlaciona los datos, lo que facilita el modelado. ¿Cuándo no se recomienda el blanqueamiento? Nota: me refiero a la...
Estoy tratando de realizar una regresión múltiple en R. Sin embargo, mi variable dependiente tiene la siguiente gráfica: Aquí hay una matriz de diagrama de dispersión con todas mis variables ( WARes la variable dependiente): Sé que necesito realizar una transformación en esta variable (¿y...