Rのpsychパッケージに含まれる探索的因子分析関数 fa() では不適解が発生しないらしい - 教育社会学の勉強・備忘録
2015/01/24追記： 現在のバージョン psych 1.5.1 では、Heywood case が検知されると Warning が出るようです。 とのこと、はてブコメントにてお知らせいただきました。コメントを下さったid:hoxo_m様、ありがとうございます。 したがって表題の問題は、最新バージョンでは発生しないものと思われます。 ただ古い文献などにはこの問題が載っている可能性があること、また別の問題の解決に役立つ可能性があることを考え、本記事は残しておきます。 本題 Rのpsychパッケージに含まれるfa関数で最尤法による探索的因子分析を行うと、本来不適解（Heywood Case）になるようなデータであっても不適解が発生しないようです。 不適解とはつまり、因子分析の結果、いずれかの独立変数の共通性（communarity）が1を超えることを言いますが、fa関数で因子分析を行った場
tensorFlow : ニューラルネットワークによる回帰(regression) - Qiita
はじめに 画像の分類やオブジェクト認識などの問題でDNNが注目されていまして，たくさんのサンプルコードが公開されています．これらは分類(classification)の問題ですが，回帰(regression)の問題をDNNで解きたい場面もあると思います．本稿ではtensorFlowとscikit-learnのデータセットを用いて回帰の問題を解いてみようと思います． データセット scikit-learnの"diabetes"のデータセットを用います．これは糖尿病患者の生理学的な特徴量(10次元, real)と1年後の病状を表すターゲット(1次元, int)をセットにしたデータです．特徴量は$\pm0.2$に正規化されており，ターゲットの値域は$25<y<346$となっています．各特徴量がそれぞれの値が何を意味しているか理解していませんが，とりあえず回してみます．サンプル数は442です． ネ
重回帰分析 - Wikipedia
この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "重回帰分析" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL（2016年2月） 重回帰分析（じゅうかいきぶんせき）は、多変量解析の一つ。回帰分析において独立変数が2つ以上（2次元以上）のもの。独立変数が1つのものを単回帰分析という。 一般的によく使われている最小二乗法、一般化線形モデルの重回帰は、数学的には線形分析の一種であり、分散分析などと数学的に類似している。適切な変数を複数選択することで、計算しやすく誤差の少ない予測式を作ることができる。重回帰モデルの各説明変数の係数を偏回帰係数という。目的変数への影響度は偏回帰係数は示さないが標準化
Numerical Analysis & Statistics: MATLAB, R, NumPy, Julia - Hyperpolyglot
Numerical Analysis & Statistics: MATLAB, R, NumPy, Julia a side-by-side reference sheet sheet one: grammar and invocation | variables and expressions | arithmetic and logic | strings | regexes | dates and time | tuples | arrays | arithmetic sequences | 2d arrays | 3d arrays | dictionaries | functions | execution control | file handles | directories | processes and environment | libraries and names
多変量解析 - Wikipedia
この項目「多変量解析」は加筆依頼に出されており、内容をより充実させるために次の点に関する加筆が求められています。 加筆の要点 - 統計学の分野の内容をベースとした導入部分の出典明記・加筆など。また、各学問での多変量解析の利用など。 （貼付後はWikipedia:加筆依頼のページに依頼内容を記述してください。記述が無いとタグは除去されます） （2020年7月） 多変量解析（たへんりょうかいせき、英語: multivariate analysis）は、多変量のデータの特徴を要約する方法のことである[1]。データの要約により、データの特徴を単純化し、分析しやすくする[2]。 当初は統計学の理論として生まれたが、コンピュータの発展とともに他の分野でも応用されるようになっていった[1]。 主な多変量解析[編集] この節は検証可能な参考文献や出典が全く示されていないか、不十分です。出典を追加して記事の
因子分析 - Wikipedia
因子分析（いんしぶんせき、英: factor analysis）は、分析対象を多数の項目で測定・評価したデータ(=観測データ)の連成を分析し、データの裏にある本質的な原因(=因子)を統計的に推定する多変量解析の手法のひとつ。 心理学におけるパーソナリティの特性論的研究など、心理尺度の研究手法として使用される。 モデル式の形状などから主成分分析と混同されることもあるが、主成分分析は観測データから合成スコアを構築することが目的であるのに対し、因子分析は観測データが合成量であると仮定し、個々の構成要素を得ようとすることが目的であり、両者は因果関係を異にする。 適用の例として「器用さ」の個人差の検討が考えられる。A, B, Cの3人はそれぞれ「ジグソーパズル」「彫刻」「時計の分解」をある速度で器用にこなすことができるとしたときにA, B, Cの器用さをどのように評価すればよいかを考える場合、3人が
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
