R dist function binário opções

As medidas de distância disponíveis são (escritas para dois vetores x e y): Distância usual entre os dois vetores (2 norma aka L2), sqrt (soma ((xi - yi) 2)). Distância máxima entre duas componentes de x e y (norma suprema) Distância absoluta entre os dois vetores (1 norma aka L1). Soma (xi - yi xi yi). Termos com numerador zero e denominador são omitidos da soma e tratados como se os valores estivessem faltando. Isto é destinado a valores não negativos (por exemplo, contagens): tomar o valor absoluto do denominador é uma modificação de 1998 R para evitar distâncias negativas. (Aka binário assimétrico): Os vetores são considerados como bits binários, então elementos não-zero são lsquoonrsquo e zero elementos são lsquooffrsquo. A distância é a proporção de bits em que apenas um está entre aqueles em que pelo menos um está ligado. A p-norma, a p-ésima raiz da soma das p-ésimas potências das diferenças dos componentes. Valores ausentes são permitidos e são excluídos de todos os cálculos envolvendo as linhas dentro das quais ocorrem. Além disso, quando os valores de Inf estão envolvidos, todos os pares de valores são excluídos quando a sua contribuição para a distância deu NaN ou NA. Se algumas colunas são excluídas no cálculo de uma distância euclidiana, Manhattan, Canberra ou Minkowski, a soma é escalonada proporcionalmente ao número de colunas utilizadas. Se todos os pares forem excluídos ao calcular uma determinada distância, o valor é NA. O método dist de as. matrix () e as. dist () pode ser usado para conversão entre objetos de dist de classe e matrizes de distância convencionais. As. dist () é uma função genérica. Seu método padrão manipula objetos herdados de classe dist. Ou coercible para matrizes usando as. matrix (). Suporte para classes que representam distâncias (também conhecido como dissimilaridades) pode ser adicionado fornecendo um as. matrix () ou, mais diretamente, um método as. dist para essa classe. Dist retorna um objeto de classe dist. O triângulo inferior da matriz de distância armazenada por colunas em um vetor, digamos fazer. Se n é o número de observações, isto é, n lt - attr (do, Size). Então para i lt j le n. A dissimilaridade entre (linha) i e j é don (i-1) - i (i-1) 2 j-i. O comprimento do vector é n (n-1) 2. Isto é, de ordem n2. O objeto tem os seguintes atributos (além da classe igual a dist): integer, o número de observações no dataset. Generalized Linear Models Consulte help (glm) para outras opções de modelagem. Consulte a ajuda (família) para obter outras funções de link permitidas para cada família. Três subtipos de modelos lineares generalizados serão abordados aqui: regressão logística, regressão de poisson e análise de sobrevivência. Regressão logística A regressão logística é útil quando você está prevendo um resultado binário a partir de um conjunto de variáveis ​​preditoras contínuas. É freqüentemente preferido sobre a análise de função discriminante por causa de suas suposições menos restritivas. Regressão logística onde F é um fator binário e x1-x3 são preditores contínuos que se encaixam lt - glm (F x1x2x3, datamydata, familybinomial ()) resumo (ajuste) display results confint (fit) 95 IC para os coeficientes exp (coef (fit) ) Coeficientes exponenciados exp (confint (ajuste)) 95 IC para coeficientes exponenciais predizer (ajuste, tipoquotresponsequot) valores preditos residuals (ajuste, tipoquotdeviancequot) residuais x, dados mydata) exibirá o gráfico de densidade condicional do resultado binário F no x contínuo variável. Regressão de Poisson A regressão de Poisson é útil para predizer uma variável de resultado representando contagem de um conjunto de variáveis ​​preditoras contínuas. Poisson Regressão onde contagem é uma contagem e x1-x3 são preditores contínuos que se encaixam lt - glm (contagem x1x2x3, datamydata, familypoisson ()) resumo (ajuste) exibir resultados Se você tem overdispersion (veja se o desvio residual é muito maior do que graus de liberdade ), Você pode querer usar quasipoisson () em vez de poisson (). Análise de sobrevivência A análise de sobrevivência (também chamada análise de histórico de eventos ou análise de confiabilidade) abrange um conjunto de técnicas para modelar o tempo de um evento. Os dados podem ser censurados corretamente - o evento pode não ter ocorrido até o final do estudo ou podemos ter informações incompletas sobre uma observação, mas sabemos que até certo tempo o evento não tinha ocorrido (por exemplo, o participante deixou de estudar na semana 10, mas estava vivo naquela época). Enquanto os modelos lineares generalizados são tipicamente analisados ​​usando a função glm (), a análise de sobrevivência é tipicamente realizada usando funções do pacote de sobrevivência. O pacote de sobrevivência pode lidar com um e dois problemas de amostra, modelos paramétricos de falha acelerada e o modelo de riscos proporcionais de Cox. Normalmente, os dados são inseridos na hora de início do formato. pare o tempo . E status (1evento ocorreu, 0evento não ocorreu). Alternativamente, os dados podem estar no formato de tempo para evento e status (1evento ocorreu, 0evento não ocorreu). Um status0 indica que a observação está correta. Os dados são empacotados em um objeto Surv através da função Surv () antes de outras análises. Sobrevivência () é usado para estimar uma distribuição de sobrevivência para um ou mais grupos. Survdiff () testes para diferenças nas distribuições de sobrevivência entre dois ou mais grupos. Coxph () modela a função hazard em um conjunto de variáveis ​​preditoras. Mayo Clinic Câncer de pulmão Biblioteca de dados (sobrevivência) aprender sobre o conjunto de dados ajuda (pulmão) criar um Surv objeto sobreviver lt - com (pulmão, Surv (tempo, estado)) Plot sobrevivência distribuição da amostra total Kaplan-Meier estimador fit0 lt - (Survobj 1, datalung) resumo (fit0) parcela (fit0, xlabquotSurvival Time em Daysquot, ylabquot Survivingquot, yscale100, mainquotSurvival Distribution (Overall) quot) Compare as distribuições de sobrevivência de homens e mulheres fit1 lt - survit (Quottoprightquot, titlequotGenderquot, c (quotMalequot, quotbluequot), fillc (quotredquot, quotbluequot)) teste de diferença (fit1, xlabquotSurvival Time em Daysquot, ylabquot Survivingquot, yscale100, colc (quotredquot, quotbluequot), mainquot Entre as curvas de sobrevivência masculina e feminina (teste logarítmico), sobrevivência (sobrevivência) predizem a sobrevivência masculina a partir da idade e pontuações médicas MaleMod lt-coxph (survobj ageph. ecogph. karnopat. karno, datalung, sub Setsex1) exibir resultados MaleMod avaliar a hipótese de riscos proporcionais cox. zph (MaleMod) Veja Thomas Lumleys R artigo de notícias sobre o pacote de sobrevivência para obter mais informações. Outras boas fontes incluem Mai Zhous Use R Software para fazer Análise de Sobrevivência e Simulação e M. J. Crawleys capítulo sobre Análise de Sobrevivência. Para praticar Tudo começou como uma simples pergunta de Scott Chamberlain no Twitter: Faça mxn matriz com randomicamente atribuído 01 - gt apply (m, c (1,2), função (x) amostra (c (0,1), 1) ) - solução betterfaster rstats O objetivo era criar uma matriz com elementos binários selecionados aleatoriamente, e um número predeterminado de linhas e colunas, 0160que tem algo como isto: Muitas sugestões seguidas (incluindo uma de mim) .0160Há várias maneiras diferentes sugeridas De criar os valores binários aleatórios: Use a função runif para criar números aleatórios entre 0 e 1 e arredonde para o número inteiro mais próximo. Use ifelse na saída de runif, e atribua 0 se ele39s abaixo de 0,5 e 1 caso contrário. Use a função rbinom para amostrar de uma distribuição binomial com um tamanho de 1 e probabilidade 0.5 Use a função de exemplo com a opção replaceTRUE para simular seleções de 0 e 1. Houve também maneiras diferentes sugeridas para gerar a matriz: Use um para loop para Preencher cada elemento da matriz individualmente. Gerar números aleatórios linha a linha e preencher a matriz usando apply. Gere todos os números aleatórios ao mesmo tempo e use a função quotmatrix quot para criar a matriz diretamente. Luis Apiolaza analisa os métodos sugeridos. Cada um tem seus méritos: em clareza de código, em elegância, e especialmente em desempenho. Nessa frente, Dirk Eddelbuettel comparou várias das soluções, inclusive traduzindo o código em C usando Rcpp. Um resultado surpreendente: traduzir o problema em C é apenas um pouco mais rápido do que usar uma chamada para amostra. Como diz Dirk, isso mostra que o código bem escrito 0160R pode ser competitivo com o código da máquina.