程序中突然出现 library(reshape) 错误: package or namespace load failed for ‘reshape’ in library.dynam(lib, package, package.lib): 没有这个DLL ‘plyr’：是不是没有为此架构安装？ 此外: Warning message: 程辑包‘reshape’是用R版本4.1.2 来
转载
2023-07-09 21:34:20
270阅读
1、参数检验和非参数检验的区别定义不同：参数检验：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、u检验、方差分析。非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验。由于不涉及总体分布的参数，故名「非参数」检验。比如，卡方检验。衡量值不同参数检验的集中趋势的衡量为均值非参数检验为中位数。需要的信息不同参数检验要利用到总体的信息（
转载
2023-10-24 10:45:56
245阅读
第一次接触这个概念是在总结LR和SVM之间的区别的时候，LR是参数模型，SVM是非参数模型。今天来总结一下参数模型和非参数模型。一、前言参数模型(parametric model)和非参数模型(non-parametric model)作为数理统计学中的概念，现在也常用于机器学习领域。在统计学中，参数模型通常假设总体(样本、数据、随机变量)服从某个分布，这个分布可以由一些参数确定，如正态分布由均值
转载
2024-06-05 12:29:02
57阅读
# 如何实现“R语言 lmer函数分析”
## 一、整体流程
下面是实现“R语言 lmer函数分析”的整体流程，可以用表格展示步骤：
| 步骤 | 内容 |
| ---- | ---- |
| 1 | 安装并加载必要的R包 |
| 2 | 导入数据 |
| 3 | 设计mixed-effects模型 |
| 4 | 进行模型拟合 |
| 5 | 查看模型结果 |
## 二、详细步骤
##
原创
2024-03-20 04:54:12
585阅读
r语言的VIF函数分析是统计建模过程中非常重要的一部分，它专注于多重共线性问题的检测。主要用于判断独立变量之间是否存在高度相关性，从而影响模型的准确性和可解释性。以下是我整理的关于r语言VIF函数分析的详细介绍，包括其分析背景、参数解析、调试步骤、性能调优、排错指南和生态扩展。
## 背景定位
在现代数据分析中，多重共线性的问题常常会导致回归模型估计的不稳定，从而影响业务决策的质量。当多重共线
生存分析指根据试验或调查得到的数据对生物或人的生存时间进行分析和推断，研究生存时间和结局与众多影响因素间关系及其程度大小的方法，也称生存率分析或存活率分析。常用于肿瘤等疾病的标志物筛选、疗效及预后的考核。简单地说，比较两组或多组人群随着时间的延续，存活个体的比例变化趋势。活着的个体越少的组危险性越大，对应的基因对疾病影响越大，对应的药物治疗效果越差。生存分析适合于处理时间-事件数据，如下生存时间数
实验内容及要求利用观测数据计算总体分位数、对称中心和位置差的点估计，区间估计；利用R软件自带程序或自编程序完成中位数的符号检验，两总体比较的Wilcoxon秩和检验和K-S检验，独立性与随机性的卡方检验和Fisher列联表检验，相关性秩检验与协同性检验以及多总体比较的秩和检验和卡方检验；制作数据经验分布函数、概率密度图像，使用分布拟合方法解决总体类型的检验问题；通过最小二乘与权函数结合使用的方法解
转载
2024-01-25 21:29:20
189阅读
# R语言中的非整合参数
在R语言中，假设我们想要构建一个模型或函数，通常会涉及不同类型的参数。有些参数是整合参数，而另一些则被称为非整合参数。了解非整合参数的概念对提高我们R编程的技能是非常重要的。
## 什么是非整合参数？
非整合参数通常是与模型或函数的特定实现无关的参数，这些参数往往在整个分析过程中保持不变。相较于整合参数，非整合参数的设置更灵活且可以为多次调用提供不同的输出。通过良好
非参数检验(Nonparametric tests)是统计分析方法的重要组成部分，在数据分析过程中，由于种种原因，人们往往无法对总体分布形态作简单假定，此时参数检验的方法就不再适用了。非参数检验基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。一，数据的导入与调整本次示例：探
转载
2023-07-09 20:29:29
155阅读
本文考虑一下基于核方法进行分类预测。注意，在这里，我们不使用标准逻辑回归，它是参数模型。非参数方法用于函数估计的非参数方法大致上有三种：核方法、局部多项式方法、样条方法。非参的函数估计的优点在于稳健，对模型没有什么特定的假设，只是认为函数光滑，避免了模型选择带来的风险；但是，表达式复杂，难以解释，计算量大是非参的一个很大的毛病。所以说使用非参有风险，选择需谨慎。非参的想法很简单：函数在观测到的点取
转载
2023-08-14 16:53:46
206阅读
个体越少的组危险性越大，对应的基因对疾病影响越大，对应的药物
原创
精选
2023-05-07 23:11:37
409阅读
从本质上来说，Newtons就是用迭代方式，使近似解（泰勒公式）不断的逼近真实解，当满足精度要求时，即可认为近似解为真实解下面用R语言实现Newtons法Newtons<-function(fun,x,ep=1e-5,it_max=100) ##fun为需要求解的方程(组),x为初始解，ep为精度要求，it_max为最大迭代次数{
index<-0 ##指示是否完成迭代成功，满足精
转载
2023-06-01 15:14:02
118阅读
# 使用R语言进行非参数Cox回归分析
## 引言
在生存分析中，Cox回归模型广泛应用于评估影响生存时间的风险因素。非参数Cox回归模型，或称Cox比例风险模型，能够在不假设基础风险函数形状的前提下，分析生存数据。本文将带领你了解如何在R语言中实现非参数Cox回归模型。
## 实现步骤
以下是实现非参数Cox回归模型的主要步骤：
| 步骤 | 描述 |
| ---- | ---- |
非参数统计是应用统计学的重要分支之一。非参数统计区别于传统的参数统计的基本 特点是：非参数统计分析模型通常对模型和数据的假定更为宽松 。一般而言，非参数统计是对数据分布的具体形式不做细致假定，尽量从数据本身获得数据的结构关系，逐渐建立对研究对象的数学模型和统计模型的方法。 非
对于确定性趋势的参数估计，大致有五种：常均值模型、线性模型、二次式模型、季节均值模型、余弦模型。虽然每种模型各有特点和要求，但对于参数求解，一般都是使用OLSE。其区别仅在与设计矩阵的构造。本文将介绍这五种模型参数估计的R语言自编程序的实现。 注： 1、本人最近正在学习《时间序列分析及应用》一书，本文的相关理论也来自于此书，水平有限，如有错误，还请多批评指正； 2、本文未贴出运行结果，有需要的
转载
2023-08-12 20:06:24
111阅读
非参数统计：方法与应用（全书例题R语言实现）第二章2.1例2.1 a <- c(88,12) b <- c(0.95,0.05) chisq.test(a,p = b) $p.value p = 0.001318969 例2.2 a <- c(380,69,43,8) b <- c(0.8,0.12,0.07,0.01) chisq.test(a, p = b) $p.va
转载
2023-07-05 23:50:33
435阅读
集成算法简单介绍以往我们接触过很多算法，而每种算法都有不同的使用领域，例如线性可分和线性不可分。在现实世界里，我们遇到的很多难题往往能用“集体智慧”、“专家汇集”等方式来解决或者更好的解决，那么在机器学习世界里，对于一个复杂的任务，我们能否将很多单一的机器学习算法组合在一起呢，计算出来的结果会比使用单一的算法性能更好吗？集成学习方法就是这样一个思想，他是指通过多个模型的组合，来获得更好的效果，使集
转载
2023-10-23 08:38:12
169阅读
字符串操作一般分割、拼接、替换、提取等等
拆分
strsplit
strsplit默认输出格式为列表
转载
2023-05-24 21:18:13
215阅读
在R中各种概率函数都有统一的形式，即一套统一的 前缀+分布函数名(参数)：分布函数注意：不同前缀，第一个参数 n 的意义不同（详见下方讲解）连续型 名称英文名R对应的函数参数高斯分布gaussian normn, mean=0, sd=1指数分布exponential expn, rate=1伽玛分布(γ)gamma gamman, sh
转载
2023-07-02 22:51:50
762阅读
全
原创
2022-11-14 20:55:06
195阅读
