Se uma variável fator (por exemplo, gênero com níveis M e F) for usada na fórmula glm, as variáveis fictícias serão criadas e poderão ser encontradas no resumo do modelo glm juntamente com seus coeficientes associados (por exemplo, gêneroM) Se, em vez de confiar em R para dividir o fator dessa...
Ao codificar recursos categóricos para regressão linear, existe uma regra: o número de manequins deve ser um a menos que o número total de níveis (para evitar colinearidade). Existe uma regra semelhante para as Árvores de Decisão (ensacadas, reforçadas)? Estou perguntando isso, porque uma prática...
Eu tenho lutado com o seguinte problema, espero que seja fácil para estatísticos (eu sou um programador com alguma exposição a estatísticas). Preciso resumir as respostas a uma pesquisa (para gerenciamento). A pesquisa tem mais de 100 perguntas, agrupadas em diferentes áreas (com cerca de 5 a 10...
Eu tenho um conjunto de dados que contém variáveis categóricas e variáveis contínuas. Fui aconselhado a transformar as variáveis categóricas como variáveis binárias para cada nível (por exemplo, A_level1: {0,1}, A_level2: {0,1}) - acho que alguns chamaram isso de "variáveis...
Existem métodos simples de transformar dados de nível ordinal em nível de intervalo (assim como existem para fazê-lo ao contrário)? E performable no Excel ou SPSS? Tendo os dados, digamos: 10 perguntas no nível ordinal (digamos, escala 0-5, onde 0 = "nada", 5 = "o tempo todo"), quero...
Tenho dados de vendas diárias de um produto altamente sazonal. Eu quero capturar a sazonalidade no modelo de regressão. Eu li que, se você tiver dados trimestrais ou mensais, nesse caso, poderá criar 3 e 11 variáveis fictícias, respectivamente - mas posso lidar com dados diários? Eu tenho três...
Estou tentando fazer previsões usando um modelo aleatório de floresta em R. No entanto, recebo erros, pois alguns fatores têm valores diferentes no conjunto de testes e no conjunto de treinamento. Por exemplo, um fator Cat_2possui valores 34, 68, 76, etc., no conjunto de testes que não aparecem no...
Eu ajustei um modelo com um fator com muitos níveis e o R leva muito tempo para ajustá-lo. Por que é isso? Por exemplo, se eu ajustar uma regressão para prever os salários dos jogadores e incluir um fator preditivo para todas as respectivas nacionalidades dos jogadores, levaria mais tempo do que...
Eu tenho um grande conjunto de dados de mercado agregados sobre as vendas de vinhos nos EUA e gostaria de estimar a demanda por determinados vinhos de alta qualidade. Estas partes de mercado foram basicamente derivadas a partir de um modelo de utilidade aleatória da forma vocêeu j t= X′j tβ- α pj...
Nota: esta pergunta é um repost, pois minha pergunta anterior teve que ser excluída por razões legais. Ao comparar o PROC MIXED do SAS com a função lmedo nlmepacote no R, deparei-me com algumas diferenças bastante confusas. Mais especificamente, os graus de liberdade nos diferentes testes...
Eu nunca tenho certeza de quando usar a codificação one-hot para variáveis categóricas não ordenadas e quando não usar . Eu o uso sempre que o algoritmo usa uma métrica de distância para calcular a similaridade. Alguém pode dar uma regra geral a respeito de quais tipos de algoritmos exigiriam que...
Eu tenho um conjunto de dados com 8000 clusters e 4 milhões de observações. Infelizmente, meu software estatístico, Stata, roda lentamente ao usar sua função de dados em painel para regressão logística: xtlogitmesmo com uma subamostra de 10%. No entanto, ao usar a logitfunção não painel , os...
Não sei qual função de distância entre indivíduos usar no caso de atributos nominais (categóricos não ordenados). Eu estava lendo alguns livros e eles sugerem a função Correspondência Simples , mas alguns livros sugerem que eu deva alterar os atributos nominais para binários e usar o Coeficiente...
Parece que você pode usar a codificação para uma variável categórica, mas eu tenho duas variáveis categóricas e uma variável preditora contínua. Posso usar regressão múltipla para isso no SPSS? Em caso afirmativo, como?
Seja px,ypx,yp_{x,y} uma distribuição conjunta de duas variáveis categóricas X,YX,YX,Y , com x,y∈{1,…,K}x,y∈{1,…,K}x,y\in\{1,\ldots,K\} . Digamos que nnn amostras foram retiradas dessa distribuição, mas recebemos apenas as contagens marginais, ou seja, para j=1,…,Kj=1,…,Kj=1,\ldots,K...
Eu tenho um conjunto de dados muito grande e faltam cerca de 5% de valores aleatórios. Essas variáveis estão correlacionadas entre si. O exemplo a seguir do conjunto de dados R é apenas um exemplo de brinquedo com dados correlatos simulados. set.seed(123) # matrix of X variable xmat <-...
Eu já li todas as páginas deste site tentando encontrar a resposta para o meu problema, mas ninguém parece ser o certo para mim ... Primeiro, explico o tipo de dados com o qual estou trabalhando ... Digamos que eu tenha um vetor de matriz com vários nomes de cidade, um para cada um dos 300...
Eu tenho uma tabela de contingência de três níveis, com dados de contagem de várias espécies, a planta hospedeira da qual elas foram coletadas e se essa coleta ocorreu em um dia chuvoso (isso realmente importa!). Usando R, dados falsos podem ser algo assim: count <- rpois(8, 10) species <-...
Gostaria de executar uma regressão logística ordinal em Python - para uma variável de resposta com três níveis e com alguns fatores explicativos. O statsmodelspacote suporta os modelos binário de logit e multinomial logit (MNLogit), mas não o logit ordenado. Como a matemática subjacente não é tão...
As variáveis categóricas podem ser usadas no cluster hierárquico? Ouvi dizer que apenas variáveis contínuas são usadas, mas já vi pessoas discutindo variáveis categóricas que podem ou não ser usadas também. Alguém pode fornecer informações?