Domande taggate «multivariate-analysis»

Analizza dove vi è più di una variabile analizzata contemporaneamente e queste variabili sono o dipendenti (risposta) o le uniche nell'analisi. Ciò può essere contrastato con l'analisi "multipla" o "multivariabile", che implica più di una variabile predittore (indipendente).

1
Pacchetto GBM vs. Caret tramite GBM
Ho usato il tuning del modello caret, ma poi rieseguendo il modello usando il gbmpacchetto. Comprendo che il caretpacchetto utilizza gbme l'output dovrebbe essere lo stesso. Tuttavia, solo un rapido test eseguito utilizzando data(iris)mostra una discrepanza nel modello di circa il 5% utilizzando RMSE e R ^ 2 come metrica …
3
Quali sono le distribuzioni sul quadrante k-dimensionale positivo con matrice di covarianza parametrizzabile?
Seguendo la domanda di zzk sul suo problema con le simulazioni negative, mi chiedo quali siano le famiglie parametrizzate di distribuzioni sul quadrante k-dimensionale positivo, per le quali è possibile impostare la matrice di covarianza .Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Come discusso con zzk , partire da una distribuzione su e applicare la trasformazione …
1
Cosa fare quando la matrice di covarianza del campione non è invertibile?
Sto lavorando ad alcune tecniche di clustering, in cui per un determinato cluster di vettori di dimensione D presumo una distribuzione normale multivariata e calcolo il vettore medio d-dimensionale del campione e la matrice di covarianza del campione. Quindi, quando provo a decidere se un nuovo vettore invisibile, d-dimensionale appartiene …
4
MANOVA e correlazioni tra variabili dipendenti: quanto è forte è troppo forte?
Le variabili dipendenti in un MANOVA non dovrebbero essere "troppo fortemente correlate". Ma quanto è forte una correlazione troppo forte? Sarebbe interessante ottenere le opinioni delle persone su questo tema. Ad esempio, procederesti con MANOVA nelle seguenti situazioni? Y1 e Y2 sono correlati con er=0.3r=0.3r=0.3p&lt;0.005p&lt;0.005p<0.005 Y1 e Y2 sono correlati …
1
R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?
Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Penalizzazione soft-soglia vs. lazo
Sto cercando di riassumere ciò che ho capito finora nell'analisi multivariata penalizzata con insiemi di dati ad alta dimensione, e ancora faccio fatica a ottenere una definizione corretta della penalizzazione a soglia morbida rispetto al lasso (o ).L1L1L_1 Più precisamente, ho usato la regressione PLS sparsa per analizzare la struttura …
3
I valori di ridimensionamento in un'analisi discriminante lineare (LDA) possono essere utilizzati per tracciare variabili esplicative sui discriminanti lineari?
Utilizzando un biplot di valori ottenuti attraverso l'analisi dei componenti principali, è possibile esplorare le variabili esplicative che compongono ciascun componente principale. Ciò è possibile anche con l'analisi discriminante lineare? Gli esempi forniti utilizzano I dati sono "Dati Iris di Edgar Anderson" ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). Ecco i dati dell'iride : …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.