Comment obtenir des poids de régression normalisés (à effet fixe) à partir d'une régression à plusieurs niveaux? Et, en tant que "module complémentaire": Quelle est la façon la plus simple d'obtenir ces poids standardisés à partir d'un mer-objet (à partir de la lmerfonction du lme4package dans...
J'ai trouvé de nombreux articles utiles sur les variables indépendantes standardisées et les variables indépendantes centrées sur stats.stackexchange.com, mais je suis toujours un peu confus. Je vous demande une évaluation de ce que j'ai compris. De plus, si ce qui suit n'est pas correct,...
J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou...
J'ai une question basique. Dire que j'ai deux variables aléatoires, et . Je peux les standardiser en soustrayant la moyenne et en divisant par l'écart-type, c'est-à-dire .Y X s t a n d a r d i z e d = ( X - E ( X ) )XXXOuiYYXs t a n da r dje ze d= ( X- E( X) )( SD ( X)
Je sais qu'il existe plus de deux types de normalisation. Par exemple, 1- Transformer les données en utilisant un z-score ou un t-score. Ceci est généralement appelé standardisation. 2- Redimensionner les données pour avoir des valeurs comprises entre 0 et 1. La question maintenant si j'ai besoin...
Je sais qu'il est courant de normaliser les caractéristiques de régression de crête et de lasso, mais serait-il plus pratique de normaliser les caractéristiques sur une échelle (0,1) comme alternative à la standardisation du score z pour ces méthodes de régression?
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec...
Diverses questions portent sur les mérites relatifs de diverses méthodes d'évaluation de l'importance des prédicteurs de régression, par exemple celle- ci. J'ai remarqué que dans ce commentaire @gung se réfère à la pratique comme une "idée erronée", reliant cette réponse à l'appui de cette...
Si une analyse discriminante linéaire multi-classes (ou je lis parfois plusieurs analyses discriminantes) est utilisée pour la réduction de dimensionnalité (ou la transformation après réduction de dimensionnalité via PCA), je comprends qu'en général une "normalisation du score Z" (ou...
Verrouillé . Cette question et ses réponses sont verrouillées car la question est hors sujet mais a une signification historique. Il n'accepte pas actuellement de nouvelles réponses ou interactions. Les fonctions que je connais incluent l' échelle à partir de la base R, la mise à l' échelle à...
J'essaie de normaliser les colonnes de l'ensemble de données pour la régression linéaire. L'une des colonnes a l'écart type = 0. def standardize(X): return (X - mean(X)) / std(X) Donc, ce code ne fonctionne pas. Existe-t-il des astuces pour résoudre ce problème? J'ai essayé deux choses Jetez la...
J'utilise la régression logistique pour prédire y étant donné x1 et x2: z = B0 + B1 * x1 + B2 * x2 y = e^z / (e^z + 1) Comment la régression logistique est-elle censée traiter les cas dans lesquels mes variables ont des échelles très différentes? Les gens construisent-ils jamais des modèles de...
J'ai deux prédicteurs dans un modèle de régression logistique binaire: un binaire et un continu. Mon objectif principal est de comparer les coefficients des deux prédicteurs au sein d'un même modèle. Je suis tombé sur la suggestion d'Andrew Gelman de standardiser les variables d'entrée de...
Contexte du problème: Dans le cadre de mes recherches, j'ai écrit deux algorithmes qui peuvent sélectionner un ensemble de fonctionnalités à partir d'un ensemble de données (données d'expression génique de patients cancéreux). Ces caractéristiques sont ensuite testées pour voir dans quelle mesure...