প্রশ্ন ট্যাগ «mixed-model»

আমি ভাবছিলাম যে দ্রাঘিমাংশের ডেটা মডেলিংয়ের জন্য কোনও মেশিন লার্নিং কৌশল (নিরীক্ষণ) আছে কিনা? আমি সবসময় মিশ্র প্রভাবগুলির মডেলগুলি ব্যবহার করেছি (বেশিরভাগ অ-লিনিয়ার) তবে আমি ভাবছিলাম যে এটি করার কোনও অন্য উপায় আছে (মেশিন লার্নিং ব্যবহার করে)। মেশিন লার্নিং দ্বারা, আমার অর্থ এলোমেলো বন, শ্রেণিবদ্ধকরণ / গুচ্ছ, সিদ্ধান্ত গাছ এবং …

11 machine-learning  mixed-model 

আমি মিশ্রিত মডেলগুলির কৌতুকপূর্ণ কৌতুক আরও ভালভাবে বুঝতে আর এর lme4 প্যাকেজে ডগ বেটসের তত্ত্বের কাগজটি পড়ছি, এবং একটি উদ্ভট ফলাফল পেয়েছি যা আমি আরও ভালভাবে বুঝতে চাইছি, বৈকল্পিকতা নির্ধারণের জন্য সীমাবদ্ধ সর্বোচ্চ সম্ভাবনা (আরএএমএল) ব্যবহার সম্পর্কে । আরইএমএল মাপদণ্ডের ৩.৩ ধারায় তিনি বলেছিলেন যে কোনও ফিটিত রৈখিক মডেলের অবশিষ্টাংশের …

11 maximum-likelihood  mixed-model  unbiased-estimator  hierarchical-bayesian  reml 

আমি নিম্নলিখিতগুলির সাথে একটি হালকা মডেল ফিট করেছি (তবে আউটপুট তৈরি হওয়া সত্ত্বেও): Random effects: Groups Name Std.Dev. day:sample (Intercept) 0.09 sample (Intercept) 0.42 Residual 0.023 আমি নীচের সূত্রটি ব্যবহার করে প্রতিটি প্রভাবের জন্য সত্যই একটি আত্মবিশ্বাসের ব্যবধান তৈরি করতে চাই: ( এন - 1 ) এস2χ2α / 2 , …

11 lme4-nlme  mixed-model 

আমি lme4আমার পরীক্ষামূলক ডিজাইনের জন্য রৈখিক মিশ্র ইফেক্ট মডেলের (সহ ) সূত্র নির্দিষ্ট করার চেষ্টা করছি, তবে আমি নিশ্চিত নই যে আমি এটি সঠিকভাবে করছি। নকশা: মূলত আমি উদ্ভিদের উপর একটি প্রতিক্রিয়া পরামিতি পরিমাপ করছি। আমি চিকিত্সার 4 স্তর, এবং 2 সেচ স্তর আছে। গাছগুলি 16 টি প্লটে বিভক্ত করা …

11 r  experiment-design  mixed-model 

আমার প্রশ্ন এই প্রতিক্রিয়ার উপর ভিত্তি করে যা দেখিয়েছে কোন lme4::lmerমডেলটি দ্বি-দ্বি পুনরাবৃত্তি ব্যবস্থার সাথে মিলছে আনোভা: require(lme4) set.seed(1234) d <- data.frame( y = rnorm(96), subject = factor(rep(1:12, 4)), a = factor(rep(1:2, each=24)), b = factor(rep(rep(1:2, each=12))), c = factor(rep(rep(1:2, each=48)))) # standard two-way repeated measures ANOVA: summary(aov(y~a*b+Error(subject/(a*b)), d[d$c == …

11 r  anova  mixed-model  repeated-measures  lme4-nlme 

একটি এলোমেলো ইন্টারসেপ্ট লিনিয়ার মডেল বিবেচনা করুন। এটি এক্সচেঞ্জেবল ওয়ার্কিং রিলেশনশিপ ম্যাট্রিক্স সহ জিইই লিনিয়ার রিগ্রেশনের সমতুল্য। ধরুন ভবিষ্যতবক্তা হয় এবং এবং এই ভবিষ্যতবক্তা জন্য কোফিসিয়েন্টস হয় , , এবং । র্যান্ডম ইন্টারসেপ্ট মডেলটিতে সহগের জন্য ব্যাখ্যা কী? এটি পৃথক স্তরের ব্যতীত জিআইই লিনিয়ার রিগ্রেশন এর সমান?এক্স1, এক্স2,এক্স1,এক্স2,x_1, x_2,এক্স3এক্স3x_3β1β1\beta_1β2β2\beta_2β3β3\beta_3

11 mixed-model 

আমি আর আমি বহুস্তরীয় মডেলের সঙ্গে জটিল জরিপ তথ্য বিশ্লেষণ করতে কিভাবে পরামর্শ খুঁজছি ব্যবহার করেছি surveyএক পর্যায়ের মডেল নির্বাচনের অসম সম্ভাব্যতা জন্য ওজন প্যাকেজ, কিন্তু এই প্যাকেজ বহুস্তরীয় মডেলিং জন্য ফাংশন নেই। lme4প্যাকেজ বহুস্তরীয় মডেলিং জন্য মহান, কিন্তু একটি উপায় যে আমি ক্লাস্টারিং বিভিন্ন পর্যায়ে ওজন অন্তর্ভুক্ত করা জানেন …

11 r  mixed-model  weighted-sampling  cluster-sample 

প্রান্তিক মডেল এবং এলোমেলো-প্রভাবগুলির মডেল এবং তাদের মধ্যে কীভাবে চয়ন করবেন সে সম্পর্কে কোনও তথ্যের সন্ধান করতে আমি কিছু তথ্য পেয়েছি তবে এটি আরও কম-বেশি গাণিতিক বিমূর্ত ব্যাখ্যা ছিল (উদাহরণস্বরূপ এখানে: https: //stats.stackexchange .কম / এ / 68753/38080 )। কোথাও আমি দেখতে পেয়েছি যে এই দুটি পদ্ধতি / মডেলের ( …

11 mixed-model  random-effects-model  glmm  gee  marginal-model 

আমার একটি এলোমেলো ইন্টারসেপ্ট লজিস্টিক রিগ্রেশন রয়েছে (বারবার পরিমাপের কারণে) এবং আমি কিছু ডায়াগনস্টিক করতে চাই, বিশেষত বিদেশী এবং প্রভাবশালী পর্যবেক্ষণ সম্পর্কিত। আমি পর্যবেক্ষণগুলি দাঁড়িয়ে আছে কিনা তা দেখতে অবশিষ্টাংশের দিকে তাকালাম। তবে আমি কুকের দূরত্ব বা ডিএফএফআইটিএস এর মতো কিছু দেখতে চাই। হোসমার এবং লেমশো (2000) বলেছেন যে পারস্পরিক …

11 mixed-model  outliers  glmm  cooks-distance 

আমি lme4একটি মিশ্র প্রভাবগুলি রিগ্রেশন ফিট multcompকরতে এবং জোড়াযুক্ত তুলনা গণনা করতে চাই। আমার একাধিক ধারাবাহিক এবং শ্রেণিবদ্ধ ভবিষ্যদ্বাণী নিয়ে একটি জটিল ডেটা সেট রয়েছে, তবে ChickWeightউদাহরণ হিসাবে বিল্ট-ইন ডেটা সেট ব্যবহার করে আমার প্রশ্নটি প্রদর্শিত হতে পারে : m <- lmer(weight ~ Time * Diet + (1 | Chick), …

11 r  mixed-model  multiple-comparisons 

আমি সাধারণত এমন ডেটা নিয়ে কাজ করি যেখানে 2 বা ততোধিক শর্তে একাধিক ব্যক্তি প্রতি একাধিকবার পরিমাপ করা হয়। আমি সম্প্রতি individualএলোমেলো প্রভাব হিসাবে মডেলিং, শর্তগুলির মধ্যে পার্থক্যের জন্য প্রমাণ মূল্যায়নের জন্য মিশ্র ইফেক্টস মডেলিংয়ের সাথে খেলছি । এই জাতীয় মডেলিং থেকে ভবিষ্যদ্বাণীগুলি সম্পর্কে অনিশ্চয়তা দেখার জন্য, আমি বুটস্ট্র্যাপিং ব্যবহার …

11 confidence-interval  mixed-model  bootstrap  monte-carlo  simulation 

আপনি যদি মিশ্র অ্যানোভা ব্যবহার করে অবিচ্ছিন্ন নির্ভরশীল পরিবর্তনশীল সহ প্রাক-পোস্ট চিকিত্সা-নিয়ন্ত্রণের নকশা বিশ্লেষণ করতে বেছে নেন, তবে চিকিত্সা গোষ্ঠীতে থাকার প্রভাবের পরিমাণ নির্ধারণের বিভিন্ন উপায় রয়েছে। মিথস্ক্রিয়া প্রভাব একটি প্রধান বিকল্প। সাধারণভাবে, আমি বিশেষত কোহেনের ডি ধরণের পদক্ষেপগুলি (যেমন, ) পছন্দ করি। আমি ভিন্নতা বর্ণিত ব্যবস্থাগুলি পছন্দ করি না …

11 anova  mixed-model  effect-size  cohens-d 

আমার কাছে দুই বছরের ডেটা রয়েছে যা মূলত এ জাতীয় দেখাচ্ছে: তারিখ _ __ সহিংসতা ওয়াই / এন? _ রোগীর সংখ্যা 1/1/2008 _ ___ 0 __ _ __ _ ____ 11 2/1/2008 _ __ _ 0 _ __ _ __ _ __ 11 3/1/2008 _ ____ 1 __ _ __ …

11 r  mixed-model  autocorrelation  panel-data 

লিনিয়ার মিক্সড ইফেক্টস মডেলগুলি হ'ল গ্রুপগুলিতে সংগ্রহ করা ও সংক্ষিপ্তসার করা ডেটার জন্য লিনিয়ার রিগ্রেশন মডেলগুলির এক্সটেনশন। মূল সুবিধাটি হ'ল সহগ বা একাধিক গ্রুপ ভেরিয়েবলের ক্ষেত্রে পৃথক হতে পারে। তবে আমি মিশ্র ইফেক্ট মডেলটি কখন ব্যবহার করব তা নিয়ে লড়াই করছি ? আমি চরম ক্ষেত্রে একটি খেলনা উদাহরণ ব্যবহার করে …

11 regression  mixed-model  random-effects-model  linear 

mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …

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