data-imputation पर टैग किए गए जवाब

अनुपलब्ध डेटा को "भरने" के लिए उपयोग की जाने वाली विधियों के एक सामान्य वर्ग का संदर्भ देता है। आम तौर पर ऐसा करने के लिए उपयोग की जाने वाली विधियाँ प्रक्षेप (http://en.wikipedia.org/wiki/Interpolation) से संबंधित हैं और डेटा गायब क्यों है (उदाहरण के लिए "यादृच्छिक पर गायब") के बारे में मान्यताओं की आवश्यकता है

3
एक उदाहरण: बाइनरी परिणाम के लिए ग्लासो का उपयोग करते हुए LASSO प्रतिगमन
मैं LASSO रिग्रेशन के glmnetसाथ उपयोग करने से वंचित होना शुरू कर रहा हूं, जहां मेरी रुचि के परिणाम द्विगुणित हैं । मैंने नीचे एक छोटा सा नकली डाटा फ्रेम बनाया है: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 
3
आर कैरेट और एनए
मैं इसके पैरामीटर ट्यूनिंग क्षमता और एकसमान इंटरफ़ेस के लिए बहुत अधिक पसंद करता हूं, लेकिन मैंने देखा है कि इसे हमेशा पूर्ण डेटासेट की आवश्यकता होती है (यानी NA के बिना) भले ही "नग्न" मॉडल NAs की अनुमति देता हो। यह बहुत ही कष्टप्रद है, इस बारे में कि …
4
पीसीए के लिए लापता मूल्यों का विचलन
मैंने prcomp()आर में एक पीसीए (प्रमुख घटक विश्लेषण) करने के लिए फ़ंक्शन का उपयोग किया । हालांकि, उस फ़ंक्शन में एक बग है जैसे कि na.actionपैरामीटर काम नहीं करता है। मैंने स्टैकओवरफ्लो पर मदद मांगी ; वहाँ दो उपयोगकर्ताओं ने NAमूल्यों से निपटने के दो अलग-अलग तरीकों की पेशकश की …
3
कई प्रतिरूपण का उपयोग करते समय मिश्रित-प्रभाव मॉडल के एक विचरण घटक के लिए आत्मविश्वास अंतराल कैसे संयोजित करें
मल्टीपल इंप्यूटेशन (एमआई) का तर्क एक बार नहीं बल्कि कई (आमतौर पर एम = 5) बार गुम मूल्यों को लागू करना है, जिसके परिणामस्वरूप एम पूरा डेटासेट होता है। एम पूरा किए गए डेटासेट का विश्लेषण तब पूर्ण-डेटा विधियों के साथ किया जाता है, जिस पर एम अनुमान और उनकी …
5
एक 6-प्रतिक्रिया विकल्प ("मुझे नहीं पता") को 5-पॉइंट लिकर्ट स्केल में जोड़ा गया था। क्या डेटा खो गया है?
मुझे प्रश्नावली से डेटा को बचाने में थोड़ी मदद की जरूरत है। मेरे एक सहकर्मी ने एक प्रश्नावली लागू की, लेकिन अनजाने में, मूल 5-पॉइंट लिकर्ट स्केल (दृढ़ता से सहमत होने के लिए दृढ़ता से असहमत) का उपयोग करने के बजाय, उन्होंने स्केल में 6 वां उत्तर डाला। और, मामले …
2
समय श्रृंखला में लापता डेटा कैसे भरें?
मेरे पास प्रदूषण के आंकड़ों का एक बड़ा समूह है जो 2 साल के कोर्स के लिए हर 10 मिनट में रिकॉर्ड किया गया है, हालांकि डेटा में कई अंतराल हैं (कुछ में जो एक समय में कुछ हफ्तों के लिए जाते हैं)। डेटा काफी मौसमी प्रतीत होता है और …
1
कई आरोपण के बाद पूलिंग अंशांकन भूखंड
मैं कई प्रतिरूपण के बाद अंशांकन भूखंडों / आंकड़ों को पूल करने की सलाह चाहूंगा। भविष्य की घटना की भविष्यवाणी करने के लिए सांख्यिकीय मॉडल विकसित करने की सेटिंग में (जैसे अस्पताल रिकॉर्ड से डेटा का उपयोग करके पोस्ट डिस्चार्ज अस्तित्व या घटनाओं की भविष्यवाणी करने के लिए), कोई कल्पना …
3
मशीन लर्निंग में लापता डेटा की समस्या के आसपास काम करने के तरीके
वस्तुतः किसी भी डेटाबेस को हम मशीन लर्निंग एल्गोरिदम का उपयोग करके भविष्यवाणियां करना चाहते हैं, कुछ विशेषताओं के लिए लापता मान पाएंगे। इस समस्या को संबोधित करने के लिए कई दृष्टिकोण हैं, जो उन विशेषताओं को छोड़ देते हैं जब तक कि वे गायब नहीं होते हैं जब तक …
5
KNN प्रतिरूपण R संकुल
मैं केएनएन इंप्यूटेशन पैकेज की तलाश में हूं। मैं इंप्यूटेशन पैकेज देख रहा हूं ( http://cran.r-project.org/web/packages/imputation/imputation.pdf ) लेकिन किसी कारण केएनएन इंप्यूट फंक्शन (विवरण से उदाहरण का पालन करते समय भी) केवल लगता है शून्य मान लगाने के लिए (नीचे के अनुसार)। मैं चारों ओर देख रहा हूं, लेकिन अभी …
2
डेटा लगाने में पड़ोसी जानकारी का उपयोग करना या ऑफ-डेटा (आर में) खोजना।
मेरे पास इस धारणा के साथ डेटासेट है कि निकटतम पड़ोसी सर्वश्रेष्ठ भविष्यवक्ता हैं। बस दो तरफा ढाल का एक आदर्श उदाहरण है- मान लीजिए कि हमारे पास ऐसा मामला है जहां कुछ मूल्य गायब हैं, हम आसानी से पड़ोसियों और प्रवृत्ति के आधार पर भविष्यवाणी कर सकते हैं। आर …
5
बहुत बड़ी संख्या में डेटा बिंदुओं में मानों की प्रतिरूपण कैसे करें?
मेरे पास एक बहुत बड़ा डेटासेट है और लगभग 5% यादृच्छिक मूल्य गायब हैं। ये चर एक दूसरे के साथ सहसंबद्ध हैं। निम्नलिखित उदाहरण R डाटासेट केवल एक खिलौना उदाहरण है जिसमें डमी सहसंबद्ध डेटा है। set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
2
टाइम सीरीज़ में मिसिंग वैल्यूज़ लगाने के लिए कलमन फ़िल्टर का उपयोग करना
मुझे इस बात में दिलचस्पी है कि कैसे कलामन फ़िल्टर का उपयोग टाइम सीरीज़ डेटा में गुम मूल्यों को लागू करने के लिए किया जा सकता है। क्या यह तब भी लागू होता है जब कुछ लगातार समय बिंदु गायब होते हैं? मुझे इस विषय पर बहुत कुछ नहीं मिल …
1
XGBoost पूर्वानुमान चरण में लापता डेटा को संभाल सकता है
हाल ही में मैंने XGBoost एल्गोरिदम की समीक्षा की है और मैंने देखा है कि यह एल्गोरिथ्म प्रशिक्षण चरण में लापता डेटा (बिना आवेग के) को संभाल सकता है। मैं सोच रहा था कि क्या XGboost लापता डेटा (बिना आवेग के) को संभाल सकता है जब इसका उपयोग नई टिप्पणियों …
4
LASSO के साथ सुविधा चयन के लिए डेटा तैयार करने के लिए लापता मानों को कैसे संभालना है?
मेरी स्थिति: छोटे नमूने का आकार: 116 बाइनरी परिणाम चर व्याख्यात्मक चर की लंबी सूची: 44 व्याख्यात्मक चर मेरे सिर के ऊपर से नहीं आए थे; उनकी पसंद साहित्य पर आधारित थी। नमूने के अधिकांश मामलों और अधिकांश चर में लापता मान हैं। चयनित चयन की सुविधा के लिए दृष्टिकोण: …
3
प्रतिगमन में कई मॉडल बनाने पर अभियोग का क्या फायदा है?
मुझे आश्चर्य है कि अगर कोई लापता डेटा के लिए अलग-अलग मॉडल बनाने से बेहतर है कि गुम डेटा के लिए अलग-अलग मॉडल बनाने से बेहतर क्यों है। विशेष रूप से [सामान्यीकृत] रैखिक मॉडल के मामले में (मैं शायद गैर-रैखिक मामलों में देख सकता हूं चीजें अलग हैं) मान लें …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.