Preguntas etiquetadas con data-transformation

Si tengo datos positivos muy sesgados, a menudo tomo registros. Pero, ¿qué debo hacer con datos no negativos muy sesgados que incluyen ceros? He visto dos transformaciones utilizadas: log(x+1)log⁡(x+1)\log(x+1) que tiene la característica ordenada que 0 se asigna a 0. log(x+c)log⁡(x+c)\log(x+c) donde c se estima o se establece como un …

191 data-transformation  large-data 

Tengo un marco de datos R como este: age group 1 23.0883 1 2 25.8344 1 3 29.4648 1 4 32.7858 2 5 33.6372 1 6 34.9350 1 7 35.2115 2 8 35.2115 2 9 35.2115 2 10 36.7803 1 ... Necesito obtener el marco de datos en la siguiente …

181 r  data-transformation 

Digamos que tengo algunos datos históricos, por ejemplo, precios de acciones anteriores, fluctuaciones de precios de pasajes aéreos, datos financieros anteriores de la empresa ... Ahora alguien (o alguna fórmula) aparece y dice "tomemos / usemos el registro de la distribución" y aquí es donde voy POR QUÉ ? Preguntas: …

174 distributions  data-transformation  logarithm 

¿Estoy buscando una distribución de mejor comportamiento para la variable independiente en cuestión, o para reducir el efecto de los valores atípicos, o algo más?

164 regression  distributions  data-transformation  logarithm  regression-strategies 

A menudo se recomienda sacar la raíz cuadrada cuando tiene datos de conteo. (Para algunos ejemplos en CV, vea la respuesta de @ HarveyMotulsky aquí , o la respuesta de @ whuber aquí .) Por otro lado, cuando se ajusta un modelo lineal generalizado con una variable de respuesta distribuida …

57 generalized-linear-model  data-transformation  poisson-distribution  count-data  variance-stabilizing 

He analizado mis datos tal como están. Ahora quiero ver mis análisis después de tomar el registro de todas las variables. Muchas variables contienen muchos ceros. Por lo tanto, agrego una pequeña cantidad para evitar tomar el registro de cero. Hasta ahora he agregado 10 ^ -10, sin ninguna justificación …

57 data-transformation  chemometrics 

Al responder esta pregunta sobre datos discretos y continuos , afirmé con soltura que rara vez tiene sentido tratar los datos categóricos como continuos. A primera vista, parece evidente, pero la intuición es a menudo una guía pobre para las estadísticas, o al menos la mía lo es. Entonces ahora …

57 categorical-data  data-transformation  ordinal-data  continuous-data 

He leído que usar escalas de registro cuando los gráficos / gráficos son apropiados en ciertas circunstancias, como el eje y en un gráfico de series de tiempo. Sin embargo, no he podido encontrar una explicación definitiva de por qué ese es el caso, o cuándo sería apropiado. Tenga en …

57 data-visualization  data-transformation 

¿Existe una transformación similar a Box-Cox para variables independientes? Es decir, ¿una transformación que optimice la variable para que se ajuste más razonablemente a un modelo lineal?Xxxy~f(x) Si es así, ¿hay una función para realizar esto R?

53 r  regression  data-transformation  normality-assumption 

Hay dos formas diferentes de codificar variables categóricas. Digamos, una variable categórica tiene n valores. La codificación única lo convierte en n variables, mientras que la codificación ficticia lo convierte en n-1 variables. Si tenemos k variables categóricas, cada una de las cuales tiene n valores. Una codificación activa termina …

50 regression  categorical-data  data-transformation  scikit-learn  data-preprocessing 

¿Transforme todos mis datos o pliegues (si se aplica CV) al mismo tiempo? p.ej (allData - mean(allData)) / sd(allData) ¿Transforme el conjunto de trenes y el conjunto de pruebas por separado? p.ej (trainData - mean(trainData)) / sd(trainData) (testData - mean(testData)) / sd(testData) ¿O transformo el conjunto de trenes y uso …

47 r  cross-validation  data-transformation  normalization  standardization 

Me pregunto si hace una diferencia en la interpretación si solo el dependiente, tanto el dependiente como el independiente, o solo las variables independientes se transforman logarítmicamente. Considere el caso de log(DV) = Intercept + B1*IV + Error Puedo interpretar el IV como el porcentaje de aumento, pero ¿cómo cambia …

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

¿Cuál es la diferencia entre la 'Normalización' de datos y la 'Escala' de datos? Hasta ahora pensé que ambos términos se refieren al mismo proceso, pero ahora me doy cuenta de que hay algo más que no sé / entiendo. Además, si hay una diferencia entre Normalización y Escalado, ¿cuándo …

45 data-transformation  scales  normality-assumption  normalization 

Al transformar variables, ¿tiene que usar la misma transformación? Por ejemplo, ¿puedo elegir y elegir variables transformadas de manera diferente, como en: Sea edad, la duración del empleo, la duración de la residencia y los ingresos.x1,x2,x3x1,x2,x3x_1,x_2,x_3 Y = B1*sqrt(x1) + B2*-1/(x2) + B3*log(x3) O, ¿debe ser coherente con sus transformaciones …

41 r  regression  logistic  data-transformation 

Tengo datos de 3 grupos de biomasa de algas ( UNAUNAA , sisiB , dodoC ) que contienen tamaños de muestra desiguales ( norteUNA= 15norteUNA=15n_A=15 , nortesi= 13nortesi=13n_B=13 , nortedo= 12nortedo=12n_C=12 ) y me gustaría comparar si estos grupos son de la misma población . Fmax= 19,1Fmax=19,1F_{\max} = 19.1Fc r …

36 r  anova  data-transformation  heteroscedasticity