原文链接：http://tecdat.cn/?p=23717Logistic回归，也称为Logit模型，用于对二元结果变量进行建模。在Logit模型中，结果的对数概率被建模为预测变量的线性组合。例子例1. 假设我们对影响一个政治候选人是否赢得选举的因素感兴趣。结果（因）变量是二元的（0/1）；赢或输。我们感兴趣的预测变量是花在竞选上的钱，花在竞选上的时间，以及候选人是否是现任者。例2. 一个研究者

零膨胀泊松回归用于对超过零计数的计数数据进行建模。此外，理论表明，多余的零点是通过与计数值不同的过程生成的，并且可以独立地对多余的零点进行建模。因此， zip模型有两个部分，泊松计数模型和用于预测多余零点的 logit 模型。零膨胀泊松回归示例示例 。州立野生动物生物学家想要模拟州立公园的渔民捕获了多少鱼。游客会被问到他们逗留了多长时间，团队中有多少人，团队中是否有儿童以及捕获了多少鱼。一些游客不

原文链接： http://tecdat.cn/?p=23836我们使用R中的igraph包，产生了网络的图形。但是很难将这些图表放到演讲和文章中，因为图表很难根据需要定制。使用igraph中的绘图功能可以得到你想要的结果，但用ggplot对工作更有帮助。所以本文探索了一种在ggplot中创建igraph绘图的方法。igraph图首先，我将带入数据，这是一个物种相对丰度的矩阵。列是物种，每行是一个观

原文链接：http://tecdat.cn/?p=24886原文出处：拓端数据部落公众号在网络上进行社区检测时，有时我们不仅拥有实体之间的联系。这些实体代表了我们可能也想在网络可视化中代表的现实事物。plot(g)我使用数据集，代表了观察到的 18 位女性参加 14 场社交活动的情况。不考虑这个图是二向图，让我们尝试将图划分为社区。有自然的分界线吗？让我们根据节点所属的社区为节点着色：commun

本文开发和应用用于生物序列分析的隐马尔可夫模型和HMM。它包含多个和成对序列比对、模型构建和参数优化、文件导入/导出、实现条件序列概率的前向、后向和 Viterbi 算法、基于树的序列加权和序列模拟的功能。隐马尔可夫模型 (HMM) 是计算生物学中许多最重要任务的基础，包括多序列比对、基因组注释以及越来越多的序列数据库搜索。最初是为语音识别算法开发的，由于计算能力的进步使得完全概率分析代替启发式近

介绍本文是在 R 中使用 Keras 的简单介绍。软件包library(tidyverse) #导入、清理、可视化library(keras) # 用keras进行深度学习library(data.table) # 快速读取csv数据导入让我们看一下数据tst %>% head()初步查看让我们考虑几个 用户可能提出的“不真诚”问题的例子trn %>% filter(tart == 1

原文链接：http://tecdat.cn/?p=23490本文介绍了冲积/桑基图，以及定义了命名方案和冲积/桑基图的基本组成部分（轴、冲积层、流）。描述了所识别的冲积/桑基图数据结构。展示了一些流行的主题。冲积/桑基图这里有一个典型的冲积/桑基图。现在，我们以该图像为参考点，定义典型冲积图的以下元素。轴是一个维度（变量），数据沿着这个维度在一个固定的水平位置被垂直分组。上面的图使用了三个分类轴。

原文链接：http://tecdat.cn/?p=25880原文出处：拓端数据部落公众号介绍本文描述了一个模型，该模型解释了交易的聚集到达，并展示了如何将其应用于比特币交易数据。这是很有趣的，原因很多。例如，对于交易来说，能够预测在短期内是否有更多的买入或卖出是非常有用的。另一方面，这样的模型可能有助于理解基本新闻驱动价格与机器人交易员对价格变化的反应之间的区别。订单到达的自激性和集群性交易不会以