predict

    -1熱度

    1回答

    我有一個非常大的數據集。這是一些例子。 Car sport SUV Wagon Minivan Pickup AWD RWD MSRP Invoice EngineSize Cylinders HP City.MPG Hwy.MPG Weight Chevrolet Aveo 4dr 0 0 0 0 0 0 0 11690 10965 1.6 4 103

    0熱度

    1回答

    我想觀察治療變量對我的結果的影響Y.我做了多元迴歸:fit <- lm (Y ~ x1 + x2 + x3)。 x1是治療變量,x2,是控制變量。我使用了預測功能x2和。我繪製了這個預測函數。 現在我想添加一條線到我的情節,類似於一個簡單的迴歸abline,但我不知道如何做到這一點。 我想我必須使用line(x,y),其中y = predict和x是我的變量x1的一系列值。但R告訴我y和x的長度不

    1熱度

    1回答

    我在r中使用gbm來預測生存(distribution =「coxph」)。 gbm.predict(....,type =「response」)的預測值大概在[-0.001至0.5]之間。 如何解釋新樣本的風險範圍爲0到1([0,1])。

    0熱度

    1回答

    我有一個問題所困擾的R. 此列表中包含的孕婦,出生體重和奇偶校驗的數據。 我想預測第一次分娩的兩名未來女性(分別爲0)和3200克和3700克的孩子體重增加的差異。 我有這樣的數據集: str(birth_all) 'data.frame': 910 obs. of 13 variables: $ birthweight: int 3270 3580 3030 2460 3400 4250 4

    1熱度

    1回答

    我試圖從quanteda NB預測情緒分析與驗證碼: library(quanteda) X_train <-c("I love this sandwich.", "This is an amazing place!", "I feel very good about these beers.", "This is my best work.",

    2熱度

    1回答

    Link to dataset 定義的參數擬合值,而不是預測: M <- maximum.oxygen.uptake m <- mass a <- age s <- sex v <- as.numeric(vigorous.exercise>0) sv <- s*v asv <- a*s*v as <- a*s av <- a*v lnm=log(m) lnms <- log(

    0熱度

    1回答

    我的問題類似於R: using predict() on new data with high dimensionality,但對於Stata 我想在一個數據子集(實驗的控制組)上運行主要組件模型(pca)以提取第一個組件。然後,我想在單獨的數據子集(實驗的治療組)上重新運行PCA模型,並獲得這些數據的分數。本質上,我想使用在數據集1上運行的pca模型來預測新數據集2中的分數。 在R中,只會將模型

    0熱度

    1回答

    在SAS中是否有等效的R功能predict(model, data)? 例如,如何將下面的模型應用於響應變量「Age」未知的大型測試數據集? proc reg data=sashelp.class; model Age = Height Weight ; run; 我知道你可以從結果窗口中提取公式年齡=攔截+身高(Estimate_height)+重量(Estimate_weigh

    1熱度

    1回答

    我有一個問題,當我用我的模型做一些預測時,R顯示這條消息Warning message prediction from a rank-deficient fit may be misleading,我該如何解決它?我認爲我的模型是正確的是預測失敗,我不知道爲什麼。 在這裏你可以走一步看一步,我做什麼,模型的總結: myModel <- lm(margin~.,data = dataClean[tr

    0熱度

    1回答

    我想通過使用darch()將模型擬合到非線性迴歸中。 這裏是我已經做了代碼: library(darch) x = seq(-10, 10, 0.2) e = function(x) { return(rnorm(n = length(x), 0, sqrt(0.1))) } y = function(x) { return(0.1*x**2 + sin(3*x)