Pertanyaan yang diberi tag «multivariate-analysis»

Menganalisis di mana ada lebih dari satu variabel yang dianalisis secara bersamaan, dan variabel-variabel ini adalah yang bergantung (respons) atau satu-satunya yang ada dalam analisis. Ini dapat dikontraskan dengan analisis "berganda" atau "multivariabel", yang menyiratkan lebih dari satu variabel prediktor (independen).

1
Paket GBM vs. Caret menggunakan GBM
Saya telah menggunakan model tuning caret, tetapi kemudian menjalankan kembali model menggunakan gbmpaket. Ini adalah pemahaman saya bahwa caretpaket menggunakan gbmdan hasilnya harus sama. Namun, hanya menjalankan tes cepat menggunakan data(iris)menunjukkan perbedaan dalam model sekitar 5% menggunakan RMSE dan R ^ 2 sebagai metrik evaluasi. Saya ingin menemukan kinerja model …
2
Ketika data memiliki distribusi gaussian, berapa banyak sampel akan mencirikannya?
Data Gaussian yang didistribusikan dalam dimensi tunggal memerlukan dua parameter untuk mengkarakterisasi (rata-rata, varians), dan rumor mengatakan bahwa sekitar 30 sampel yang dipilih secara acak biasanya cukup untuk memperkirakan parameter ini dengan kepercayaan yang cukup tinggi. Tetapi apa yang terjadi ketika jumlah dimensi bertambah? Dalam dua dimensi (mis. Tinggi, berat), …
3
Apa distribusi pada kuadran k-dimensi positif dengan matriks kovarians parametrizable?
Berikut zzk 's pertanyaan pada masalah dengan simulasi negatif, saya bertanya-tanya apa keluarga parametrized distribusi pada kuadran k-dimensi positif, yang kovarians matriks dapat ditetapkan.Rk+R+k\mathbb{R}_+^kΣΣ\Sigma Seperti yang didiskusikan dengan zzk , mulai dari distribusi pada dan menerapkan transformasi linear tidak berfungsi.Rk+R+k\mathbb{R}_+^kX⟶Σ1/2(X−μ)+μX⟶Σ1/2(X−μ)+μX \longrightarrow\Sigma^{1/2} (X-\mu) + \mu
1
Apa yang harus dilakukan ketika sampel matriks kovarians tidak dapat dibalik?
Saya sedang mengerjakan beberapa teknik pengelompokan, di mana untuk kluster vektor d-dimensi yang diberikan, saya mengasumsikan distribusi normal multivariat dan menghitung sampel vektor rata-rata d-dimensi dan matriks kovarian sampel. Kemudian ketika mencoba untuk memutuskan apakah baru, tak terlihat, d-dimensi vektor milik klaster ini saya memeriksa jarak melalui ukuran ini: (Xi−μ^X)′σ^−1X(Xi−μ^X)>B0.95(p2,−p2)(Xi−μ^X)′σ^X−1(Xi−μ^X)>B0.95(p2,-hal2)\left(X_i-\hat{\mu}_X\right)'\hat{\sigma}_X^{-1}\left(X_i-\hat{\mu}_X\right)>B_{0.95}\left(\frac{p}{2},\frac{-p}{2}\right) …
4
MANOVA dan korelasi antara variabel dependen: seberapa kuat terlalu kuat?
Variabel dependen dalam MANOVA tidak boleh "berkorelasi terlalu kuat". Tetapi seberapa kuat suatu korelasi terlalu kuat? Akan menarik untuk mendapatkan pendapat orang tentang masalah ini. Misalnya, apakah Anda akan melanjutkan dengan MANOVA dalam situasi berikut? Y1 dan Y2 berkorelasi dengan danp &lt; 0,005r = 0,3r=0.3r=0.3p &lt; 0,005p&lt;0.005p<0.005 Y1 dan Y2 …
3
Analisis intervensi dengan deret waktu multi dimensi
Saya ingin melakukan analisis intervensi untuk mengukur hasil keputusan kebijakan tentang penjualan alkohol dari waktu ke waktu. Saya cukup baru dalam analisis deret waktu, jadi saya punya beberapa pertanyaan pemula. Pemeriksaan literatur mengungkapkan bahwa peneliti lain telah menggunakan ARIMA untuk memodelkan penjualan alkohol seri waktu, dengan variabel dummy sebagai regressor …
1
R / mgcv: Mengapa produk tensor () dan ti () menghasilkan permukaan yang berbeda?
The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan ti(x1) + ti(x2) + ti(x1, x2)mungkin menghasilkan (sedikit) hasil yang …
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
Soft-thresholding vs. Lasso adu penalti
Saya mencoba untuk meringkas apa yang saya mengerti sejauh ini dalam analisis multivariat yang dihukum dengan set data dimensi tinggi, dan saya masih berjuang melalui mendapatkan definisi yang tepat dari hukuman lunak thresholding vs Lasso (atau ).L1L1L_1 Lebih tepatnya, saya menggunakan regresi PLS jarang untuk menganalisis struktur data 2-blok termasuk …
3
Dapatkah nilai penskalaan dalam analisis diskriminan linier (LDA) digunakan untuk memplot variabel penjelas pada diskriminan linier?
Menggunakan biplot nilai yang diperoleh melalui analisis komponen utama, dimungkinkan untuk mengeksplorasi variabel penjelas yang membentuk setiap komponen utama. Apakah ini juga mungkin dengan Analisis Diskriminan Linier? Contoh yang diberikan menggunakan data adalah "Data Iris Edgar Anderson" ( http://en.wikipedia.org/wiki/Iris_flower_data_set ). Berikut adalah data irisnya : id SLength SWidth PLength PWidth …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.