predict

    0熱度

    1回答

    如何找到預測對數曲線的方程？

    使用R，我想輸入如何找到預測邏輯曲線的方程（從經驗數據預測）。 我能找到的最接近的命令是library(ggpmisc)的stat_poly_eq函數，並在使用ggplot2繪製曲線時使用。但是，我只能用這種方法在圖上打印y = 0.48，但我需要整個方程。 下面是一些供參考的R代碼裏面： gg.disp.adults<- ggplot(sub.data, aes(x=SVL3, y=Disp01
    r logistic-regression equation predict 2017-03-12

    0熱度

    1回答

    評分新數據集時保留ID密鑰（或任何其他列）？

    這可能是一個愚蠢的問題，但是當我在R中使用H2O Predict函數時，我想知道是否有一種方法可以指定它保留評分數據中的一列或多列。具體而言，我想保留我的唯一ID密鑰。現在，我最終做了一個非常低效的方法，將原始數據集和一個索引鍵分配給分數，然後將分數合併到計分數據集中。我寧願說「評分這個數據集並保留x，y，z ....列」。有什麼建議？ 低效的代碼： #Use H2O predict functi
    r data-manipulation predict h2o scoring 2017-04-04

    1熱度

    1回答

    無法在mxnet 0.94中預測R

    我已經能夠使用nnet和neuralnet來預測常規backprop網絡中的值，但是由於許多原因一直在努力做到與MXNET和R相同。 這是文件（簡單的CSV頁眉，列已歸一化） https://files.fm/u/cfhf3zka 這是我使用的代碼： filedata <- read.csv("example.csv") require(mxnet) datain <- filedata[
    r neural-network predict mxnet 2017-03-09

    2熱度

    1回答

    與預測（）函數的麻煩（可能容易解決）

    所有。 這是我在本論壇中提出的第一個問題。我是個初學者，你們都會馬上告訴你。 我正在做一個小任務，我必須將訓練模型與測試模型進行比較。重點在於訓練模型比測試模型有更多的行。 通過線性迴歸模型，我想這兩種模式相比，但是當我使用的預測（）函數，我得到以下錯誤： 「newdata」有3456行，但變量發現最喜歡的7689行。 這是我做過什麼： regression = lm(train$students
    r regression linear-regression predict 2017-03-09

    0熱度

    1回答

    使用預測點語句

    我是R新手，無法從訓練線性迴歸結果預測和繪製測試數據集。 我有516個觀測 訓練數據集，並用10個觀測 測試數據集我跑在訓練數據的線性迴歸 train2.lm = LM（CO2〜時期+ P2，數據=訓練） 摘要（train2.lm） 然後我繪製我的測試數據，並變成了紅色 圖（測試$ CO2〜$測試期間，山坳=「紅」） 現在我想把估計測試點與我的實際測試da相同ta看我的模型預測實際數據有多好。 點
    regression points predict 2017-03-12

    1熱度

    1回答

    Coxph預測不

    下午好匹配係數， 我可以張貼重複性代碼，並肯定會，如果每個人都同意，什麼是錯的，但現在我覺得我的問題很簡單，有人會指出我的正確的道路。 我在一個數據集的工作是這樣的： created_as_free_user t c <fctr> <int> <int> 1 true 36 0 2 true 36 0 3 true 0 1 4 t
    r predict survival-analysis cox-regression cox 2017-03-16

    1熱度

    1回答

    來自nnet的預測是一個字符而不是一個因子

    我擔心的是，當我訓練一個nnet時，這個類是類型因子，但是當我做一個預測時，我會返回一個chr。 我從另一篇文章中看到了這個例子。 library(nnet) library(C50) library(caret) attach(iris) set.seed(3456) trainIndex <- createDataPartition(iris$Species, p = .8,
    r neural-network predict 2017-03-17

    10熱度

    1回答

    glmer logit - 交互對概率尺度的影響（用`predict`複製'效果'）

    我正在使用lme4軟件包運行glmer logit模型。我對各種兩種和三種互動效果及其解釋感興趣。爲了簡化，我只關心固定效應係數。 我設法提出了一個代碼來計算和繪製這些影響的對數尺度，但我很難將它們轉換爲預測的概率尺度。最終我想複製effects包的輸出。 該示例依賴於UCLA's data on cancer patients。 library(lme4) library(ggplot2)
    r graphics effects predict lme4 2017-03-26

    -3熱度

    1回答

    在GLM後預測R

    我在6000訓練樣本（glm）上訓練了我的模型 然後，我嘗試預測有200000行的向量， 但結果我只收到6000行。 我用這些參數的函數預測（）： predict( object = model_ppp2, newdate = Model_education, type = c("link", "response", "terms"), se.fit = TRUE, disp
    r machine-learning glm predict 2017-03-31

    4熱度

    1回答

    在R中使用隨機森林進行時間序列預測

    我正在嘗試使用randomforest進行時間序列分析。 PFB我的代碼 Subsales<-read.csv('Sales.csv') head(Subsales) 樣本數據： Date SKU City Sales <date> <chr> <chr> <dbl> 1 2014-08-11 Vaseline Petroleum Jelly P
    r random-forest forecasting predict 2017-04-03
最新問題