Pertanyaan yang diberi tag data-visualization

11
Bagaimana cara membuat grafik wafel di R?

Terkunci . Pertanyaan ini dan jawabannya dikunci karena pertanyaannya di luar topik tetapi memiliki signifikansi historis. Saat ini tidak menerima jawaban atau interaksi baru. Bagaimana saya bisa melakukan plot grafik wafel sebagai alternatif untuk menggunakan piecharts...

r data-visualization
11
Merencanakan Acara pada Garis Waktu di R

Apakah ada pustaka plot untuk R yang bisa mengubah kerangka data waktu mulai dan berhenti menjadi alur waktu seperti di bawah ini: Makna sumbu Y hanya adalah bahwa ia bertumpuk dengan konkurensi, tetapi tidak selalu mewakili konkurensi (lihat celah di tengah). Setiap kotak abu-abu adalah acara -...

r data-visualization
11
Apa artinya ketika semua tepi dalam jaringan / grafik dunia nyata secara statistik sama mungkin terjadi secara kebetulan?

Saya telah menggunakan metode ekstraksi jaringan backbone yang diuraikan dalam makalah ini: http://www.pnas.org/content/106/16/6483.abstract Pada dasarnya, penulis mengusulkan suatu metode yang didasarkan pada statistik yang menghasilkan probabilitas, untuk setiap sisi dalam grafik, bahwa sisi...

probability statistical-significance data-visualization graph-theory networks
11
R / mgcv: Mengapa produk tensor () dan ti () menghasilkan permukaan yang berbeda?

The mgcvpaket untuk Rmemiliki dua fungsi untuk pas interaksi produk tensor: te()dan ti(). Saya memahami pembagian kerja dasar antara keduanya (menyesuaikan interaksi non-linear vs menguraikan interaksi ini menjadi efek utama dan interaksi). Yang tidak saya mengerti adalah mengapa te(x1, x2)dan...

r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa
11
Tutorial PCA praktis dengan data

Pencarian di internet untuk tutorial PCA memberikan ribuan hasil (bahkan video). Banyak tutorial yang sangat bagus. Tetapi saya tidak dapat menemukan contoh praktis di mana PCA dijelaskan menggunakan beberapa set data yang dapat saya gunakan untuk demonstrasi. Saya membutuhkan tutorial yang...

data-visualization dataset pca data-mining
11
Bagaimana menafsirkan plot kotak berlekuk

Sambil melakukan beberapa EDA saya memutuskan untuk menggunakan plot kotak untuk menggambarkan perbedaan antara dua tingkat faktor. Cara ggplot membuat plot kotak cukup memuaskan, tetapi sedikit sederhana (plot pertama di bawah). Sementara meneliti karakteristik plot kotak saya mulai bereksperimen...

data-visualization ggplot2 eda
11
Interpretasi plot QQ

Pertimbangkan kode dan hasil berikut: par(mfrow=c(3,2)) # generate random data from weibull distribution x = rweibull(20, 8, 2) # Quantile-Quantile Plot for different distributions qqPlot(x, "log-normal") qqPlot(x, "normal") qqPlot(x, "exponential", DB = TRUE) qqPlot(x, "cauchy")...

r data-visualization interpretation qq-plot