Los modelos penalizados se pueden usar para estimar modelos donde el número de parámetros es igual o incluso mayor que el tamaño de la muestra. Esta situación puede surgir en modelos log-lineales de grandes tablas dispersas de datos categóricos o de conteo. En estos entornos, a menudo también es...
Estoy buscando la ecuación correcta para calcular la covarianza muestral imparcial ponderada. Las fuentes de Internet son bastante raras en este tema y todas usan ecuaciones diferentes. La ecuación más probable que he encontrado es
EDITAR: desde que hice esta publicación, he seguido con una publicación adicional aquí . Resumen del texto a continuación: estoy trabajando en un modelo y he intentado la regresión lineal, las transformaciones de Box Cox y GAM, pero no he progresado mucho Utilizando R, actualmente estoy...
La situación Tengo un conjunto de datos con una dependiente una variable independiente . Quiero ajustar una regresión lineal continua por partes con puntos de interrupción conocidos / fijos que ocurren en . Los breakpoins se conocen sin incertidumbre, por lo que no quiero estimarlos. Luego ajusto...
Tengo un randomForestmodelo de clasificación fina que me gustaría utilizar en una aplicación que predice la clase de un nuevo caso. El nuevo caso inevitablemente tiene valores perdidos. Predecir no funcionará como tal para las AN. ¿Cómo debo hacer esto entonces? data(iris) # create first the new...
Me gustaría entender el uso de la simulación de Monte Carlo en la chisq.test()función en R. Tengo una variable cualitativa que tiene 128 niveles / clases. El tamaño de mi muestra es 26 (no pude probar más "individuos"). Obviamente, tendré algunos niveles con 0 "individuos". Pero el hecho es que...
Antecedentes En un artículo de Epstein (1991): al obtener valores climatológicos diarios a partir de medias mensuales , se proporciona la formulación y un algoritmo para calcular la interpolación de Fourier para valores periódicos y espaciados pares. En el documento, el objetivo es obtener...
No soy un experto, así que perdóname si parte de la terminología es un poco torpe. Estaremos encantados de proporcionar más información cuando sea necesario. Tengo dos vectores de 50 valores numéricos emparejados en R. Quiero realizar una prueba de aleatorización o permutación de dos colas para...
Estoy realizando un metanálisis de los tamaños de efecto d en R usando el paquete metafor. d representa diferencias en los puntajes de memoria entre pacientes y sanos. Sin embargo, algunos estudios informan solo subpuntos de la medida de interés d (por ejemplo, varios puntajes de memoria diferentes...
Esta puede ser una pregunta tonta, pero cuando se genera un modelo con cuidado y se usa algo como LOOCVo (aún más importante) LGOCV, ¿cuál es el beneficio de dividir los datos en trenes y conjuntos de pruebas si esto es esencialmente el paso de validación cruzada? lo hace de todos modos? Leí...
Tengo modelos como este: require(nlme) set.seed(123) n <- 100 k <- 5 cat <- as.factor(rep(1:k, n)) cat_i <- 1:k # intercept per kategorie x <- rep(1:n, each = k) sigma <- 0.2 alpha <- 0.001 y <- cat_i[cat] + alpha * x + rnorm(n*k, 0, sigma) plot(x, y) m1 <- lm(y ~...
Estoy pensando en un problema que consiste en predecir el registro (gasto) de un cliente mediante regresión lineal. Estoy considerando qué características usar como entrada y me pregunto si estaría bien usar el percentil de una variable como entradas. Por ejemplo, podría usar los ingresos de la...
Digamos que tenemos los siguientes datos: set.seed(123) data <- data.frame(x = c(rnorm(50, 1, 1), rnorm(50, 5, 2)), y = c(rep('A', 50), rep('B', 50))) Lo que produce el siguiente diagrama de caja ( boxplot(data$x ~ data$y)): Ahora digamos que quiero probar si las dos muestras tienen los...
Estoy tratando de usar SMOTE para corregir el desequilibrio en mi problema de clasificación de varias clases. Aunque SMOTE funciona perfectamente en el conjunto de datos de iris según el documento de ayuda de SMOTE, no funciona en un conjunto de datos similar. Así es como se ven mis datos. Tenga en...
Tengo datos de accidentes automovilísticos por hora del día. Como era de esperar, son altas en la mitad del día y alcanzan su punto máximo en la hora pico. geom_density predeterminado de ggplot2 lo suaviza muy bien Un subconjunto de los datos, para los accidentes relacionados con la bebida, es...
Tengo un conjunto de datos de ejemplo de la siguiente manera: Volume <- seq(1,20,0.1) var1 <- 100 x2 <- 1000000 x3 <- 30 x4 = sqrt(x2/pi) H = x3 - Volume r = (x4*H)/(H + Volume) Power = (var1*x2)/(100*(pi*Volume/3)*(x4*x4 + x4*r + r*r)) Power <- jitter(Power, factor = 1, amount...
Tengo los siguientes datos ubicados aquí . Estoy tratando de calcular el intervalo de confianza del 95% en la pureza media cuando el porcentaje de hidrocarburos es 1.0. En R, ingreso lo siguiente. > predict(purity.lm, newdata=list(hydro=1.0), interval="confidence", level=.95) fit lwr upr 1...
Estoy analizando un conjunto de datos sobre comunidades intermareales. Los datos son porcentajes de cobertura (de algas, percebes, mejillones, etc.) en cuadrantes. Estoy acostumbrado a pensar en el análisis de correspondencia (CA) en términos de conteo de especies y el análisis de componentes...
He visto en la literatura publicada (y publicada aquí) que la eficiencia relativa asintótica de la prueba de rango con signo de Wilcoxon es de al menos 0,864 en comparación con la prueba t. También he oído que esto solo se aplica a muestras grandes, aunque algunos libros no mencionan esto (¿qué...
¿Es posible trazar un diagrama de dependencia parcial para mostrar la probabilidad de clase y estimar los efectos de un predictor para un modelo GBM ? Algo similar al partialPlotdel randomForestpaquete. Según este artículo , una trama parcial es factible con gbm. Gracias de antemano por tu...