Tag: predict

Habe ich versucht vorherzusagen, mehrere Modelle, die mit einer früheren Funktion, sondern ich bin immer "Error in eval(expr, envir, enclos) : Objekt 'var.1' nicht gefunden". Das ist komisch, weil var.1 ist nicht in der dataframe. Der code

Ich bin mit DBSCAN-cluster-einige Daten mithilfe von Scikit-Learn (Python 2.7): from sklearn.cluster import DBSCAN dbscan = DBSCAN(random_state=0) dbscan.fit(X) Allerdings fand ich, dass es keine built-in Funktion (abgesehen von "fit_predict") könnten ordnen Sie die neuen Daten Punkte, Y,

Mein problem ist mit der predict() Funktion, seiner Struktur und der Darstellung der Vorhersagen. Mit den Vorhersagen aus meinem Modell, würde ich mag, um zu visualisieren, wie mein signifikanten Faktoren (und deren Interaktion) Einfluss auf die Wahrscheinlichkeit,

leider habe ich Probleme mit predict() im folgenden an einem einfachen Beispiel: library(e1071) x <- c(1:10) y <- c(0,0,0,0,1,0,1,1,1,1) test <- c(11:15) mod <- svm(y ~ x, kernel = "linear", gamma = 1, cost = 2, type="C-classification")

Ich habe dieses Daten-set: x <- c(0, 40, 80, 120, 160, 200) y <- c(6.52, 5.10, 4.43, 3.99, 3.75, 3.60) Ich berechnet ein lineares Modell mit lm(): model <- lm(y ~ x) Will ich wissen, die vorhergesagten

Ich versuche zu konvertieren Extinktion (Abs) - Werte Konzentration (ng/mL), basiert auf einer etablierten linearen Modell & standard-Kurve. Ich plante, dies zu tun, indem Sie mit der predict () - Funktion. Ich habe Probleme damit, predict (),

Benutze ich R nur ein wenig und verwenden Sie niemals Daten-frames, wodurch das Verständnis der richtigen Nutzung der Vorhersagen schwierig. Ich habe meine Daten in einfachen Matrizen, data-frames, rufen Sie a und b, die N x p

Habe ich einige Daten mit Prädiktoren und eine binäre Ziel. Eg: df <- data.frame(a=sort(sample(1:100,30)), b= sort(sample(1:100,30)), target=c(rep(0,11),rep(1,4),rep(0,4),rep(1,11))) Trainierte ich ein Logistik-regresion-Modell mit glm() model1 <- glm(formula= target ~ a + b, data=df, family=binomial) Nun bin ich versucht,

Ich versuche voraussagen, - Werte über die Zeit (Tage x-Achse) für eine glmer-Modell, das war auf meinem binomialen Daten. Total Lebendig und Total Tot sind count data. Dies ist mein Modell, und die entsprechenden Schritte unten. full.model.dredge<-glmer(cbind(Total.Alive,Total.Dead)~(CO2.Treatment+Lime.Treatment+Day)^3+(Day|Container)+(1|index),

Ich habe recherchiert diese umfassend, ohne eine Lösung zu finden. Ich hab meine Daten wie folgt festgelegt: library("raster") impute.mean <- function(x) replace(x, is.na(x) | is.nan(x) | is.infinite(x) , mean(x, na.rm = TRUE)) losses <- apply(losses, 2, impute.mean)

Habe ich ein Modell bauen mit caret-Zeichen. Wenn die Ausbildung abgeschlossen war, habe ich die folgende Warnung: Warnmeldung: In dem Zug.default(x, y, weights = w, ...) : Mindestens einer der Klassen-Ebenen sind nicht gültig R Variablen-Namen; Diese

TL;DR : Gibt es etwas, was ich kann-flag in der ursprünglichen randomForest nennen, um zu vermeiden, re-run der predict - Funktion verwenden, um vorhergesagte Wahrscheinlichkeiten kategorisch, anstatt nur die voraussichtlichen Kategorie? Details: Ich bin mit dem randomForest