Soru:
Farelerde 2l.norm kullanarak "1. derecenin önde gelen küçük pozitif kesin değil" hatası
Robert Long
2013-04-12 16:59:32 UTC
view on stackexchange narkive permalink

fare 'de 2l.norm çok düzeyli yüklemenin 2l.norm yöntemini kullanırken sorun yaşıyorum.

Maalesef tekrarlanabilir bir örnek gönderemiyorum çünkü verilerimin boyutu - boyutu küçülttüğümde sorun ortadan kalkıyor.

Belirli bir değişken için fareler aşağıdaki hataları ve uyarıları üretir:

  chol.default hatası (inv.sigma2 [class] * X.SS [[class]] + inv.psi): 1. sıranın başındaki minör pozitif tanımlı değil Ek olarak: Uyarı mesajları: 1: rgamma ( n. sınıf, ng / 2 + 1 / (2 * teta), ölçek = 2 * teta / (ss *: Üretilen NA'lar2: rgamma'da (1, n.class / (2 * teta) + 1, ölçek = 2 * teta * H / n.class): UA'lar produced3: rgamma (1 'de, n.class / 2-1, ölçek = 2 / (n.class * (sigma2.0 / H - log (sigma2.0) +: UA'lar üretilmiş  

2l.pan , norm veya pmm yöntemlerini kullanırsam, sorun olmaz

Değişken aşağıdaki dağılıma sahiptir: enter image description here

  Min. 1. Çeyrek Medyan Ortalama 3. Çeyrek. Maks. Alan sayısı NA 50.0 117.0 136.0 136.7 155.0 249.0 3124 

Ayrıca, sınıf büyüklükleri aşağıdaki dağılıma sahiptir:

  Min. 1. Çeyrek Medyan Ortalama 3. Çeyrek. Maks. Alan sayısı 3,00 50,00 80,00 88,52 111,00 350,00  
Bir cevap:
tomka
2013-12-12 18:07:46 UTC
view on stackexchange narkive permalink

MICE'da benzer bir sorun yaşadım, kendi tartışmama buradan bakın. Sorun, modelinize fazla uyduğunuz için (çok fazla parametre, değişken), bazı değişkenlerin son derece eşdoğrusal olması veya tüm değişkenlerde eksik olan durumlarınız olması nedeniyle ortaya çıkar.

Benim durumumda model gereğinden fazla donatılmıştı. Bu sorunu çözmenin bir yolu, MICE'ın tahmin matrisini ayarlamaktır. Öngörü matrisine bakmak için imp $ pred 'yi imp mids nesneniz olarak verebilirsiniz.

new.pred <- quickpred (data)

fareleri (..., pred = new.pred) kod>

verilerdeki değişkenlerin (örneğin Pearson, Spearman) iki değişkenli korelasyonlarına dayalı olarak otomatik olarak bir tahmin matrisi oluşturmak için, burada .10 varsayılan sınır değeridir. Bu sorununuzu çözebilir. Daha genel olarak modellerinizi akıllıca oluşturun ve yalnızca sahip olabileceğiniz tüm değişkenleri dahil etmeyin.



Bu Soru-Cevap, otomatik olarak İngilizce dilinden çevrilmiştir.Orijinal içerik, dağıtıldığı cc by-sa 3.0 lisansı için teşekkür ettiğimiz stackexchange'ta mevcuttur.
Loading...