Публикации по теме 'r'


Как добавить R в блокнот Jupyter
Сегодня я научу вас, как добавить R в Jupyter Notebook. Вы можете добавить R в Jupyter Notebook, введя эту команду в приглашении Anaconda: conda install -c r r-irkernel Но на всякий случай, если вам интересно, вот полные шаги по добавлению R в Jupyter Notebook с нуля. Шаги по добавлению R в Jupyter Notebook Шаг 1. Откройте приглашение Anaconda. Для начала откройте приглашение Anaconda: Затем вы увидите следующий экран с вашим именем пользователя: Шаг 2: Добавьте R в..
R_WEEK7: Функции
Мы знаем, что существует множество функций R, организованных в разные пакеты, но нам нужно ознакомиться с этими функциями, например, как и где их использовать. Когда у нас есть конкретное требование, лучше написать собственную функцию и реализовать ее. Я перечисляю некоторые встроенные функции, с которыми мы знакомы, toupper(), substr(), paste(), summary (), mean(), hist(), rnorm(), abs(), sqrt(), потолочный(), floor(), trunc(), log() и т. д. Функции в R создаются с помощью директивы..
Как измерить качество регрессионной модели
Простое исследование того, как проверить статистическую точность регрессионной модели. Модели регрессии очень полезны и широко используются в машинном обучении. Однако при оценке качества обученной модели у них могут возникнуть некоторые проблемы. Хотя у классификационных моделей есть некоторые стандартные инструменты , которые можно использовать для оценки их эффективности (например, площадь под кривой ROC, матрица путаницы, оценка F-1 и т. Д.), Эффективность регрессионных..
Статистический отчет модели линейной регрессии
Как прочитать статистический отчет модели, созданный в R? Давайте начнем с определения различных терминов в отчете, показанном на рисунке выше. lm(formula = heart.disease ~ езда на велосипеде+курение, data = heart.data) lm относится к модели линейной регрессии. lm() – это способ вызова этой функции. Модель линейной регрессии в машинном обучении прогнозирует переменную на основе других переменных. 1. Прогнозируемую переменную часто называют зависимой переменной ...
Полное введение в анализ временных рядов (с R):: Тесты на стационарность:: Прогноз 1 →…
Мы прошли долгий путь: от изучения моделей изучения временных рядов , стационарных процессов , таких как MA(1) и AR(1) , затем Классической модели декомпозиции , до Разностных и тесты на стационарность . Но как мы на самом деле делаем прогнозы?? Что ж, как сказал мой профессор статистики, начинать линейно — всегда хорошая идея . Так вот что мы будем делать! Имейте в виду, что в этом разделе мы будем использовать некоторые вычисления и вероятность, поэтому, если вам нужно..
Понимание результатов линейной регрессии в R
В этом посте я напишу о статистике и метриках линейной регрессии, чтобы вы, наконец, поняли весь вывод функции summary() R, примененной к объекту lm() , очень практичным способом. Отказ от ответственности . Я НЕ статистик, поэтому всем статистикам приношу извинения за неправильное использование термина. Мое намерение состоит в том, чтобы дать людям интерпретировать их собственные регрессионные модели и понять , что происходит с их данными на практике. О линейной регрессии Есть..
Упорядоченная логистическая регрессия в R (исследовательское моделирование и интерпретация)
Введение В отличие от бинарной логистической регрессии (две категории в зависимой переменной), упорядоченная логистическая регрессия может иметь три или более категорий при условии, что они могут иметь естественный порядок (не номинальный). Основная философия этой модели регрессии заключается в том, что по мере увеличения одной переменной это приведет к сдвигу в сторону любого конца спектра порядковых ответов. Когда использовать модель порядковой логистической регрессии..