問題タブ [pearson]

corと を使用して、2 つのラスター ブリック間のピクセル単位の相関と有意性 (p 値) を取得しようとしていますcor.test。私のデータはここにあります：

• レンガ 1
• レンガ 2

どちらもかなり小さく、全体で 2MB 未満です。

StackOverflow と r-sig-geo に関する以前の議論から、次の 2 つのコード (両方とも Robert Hijmans から) を見つけました。

どちらのコードも、cor相関グリッドを生成する関数で期待どおりに機能します。ただし、 p 値を抽出するために を にcor置き換えてみました。cor.test

次のエラーが発生しました（RStudioのトラックバックを使用）：

以前の r-sig-geo ディスカッションで、ユーザーがこのエラーについて質問しましたが、回答がありませんでした。corそのため、もう一度質問したところ、行列を入力できて入力できないと指摘されたがcor.test、データを数値ベクトルに変換した後でも、問い合わせに対する 1 つの応答を受け取りました。

次のエラーに直面しています：

誰かがこれを手伝ってくれるかどうか疑問に思っていましたか？

私の sessionInfo() は以下の通りです:

ありがとう！

私はこれが初心者の質問であることを知っていますが、私はしなければなりませんでした. matchtemplate ()これらの一致するメソッドのパラメーターの完全な形式と混同しました。

パラメータ =['cv2.TM_CCOEFF', 'cv2.TM_CCOEFF_NORMED', 'cv2.TM_CCORR','cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF', 'cv2.TM_SQDIFF_NORMED']

この正規化相互相関法のどれを知りたいですか? か 。**cv2.TM_CCOEFF_NORMED**_ メソッド**cv2.TM_CCORR_NORMED**の完全な形式は何ですか。**cv2.TM_CCOEFF_NORMED**「ピアソン相関」または「相関係数」という意味ですか?

正のラベルが非常に少ない非常に不均衡なデータがあります。データは非常に高次元です。その上、私の機能も非常にまばらです。

この場合、機能選択を行う最良の方法は何でしょうか。spearmann や pearson の相関関係に基づく相関尺度ランクは、適切なものではありません。私のラベルと機能のほとんどはゼロであり、それほど重要ではありませんが、この機能は非常に相関しているように見えるかもしれません。

何か提案はありますか？

2 つの周波数スペクトルを比較しようとしていますが、多くの点で混乱しています。

1 つのデバイスは 40 Hz でサンプリングし、もう 1 つのデバイスは 100 Hz でサンプリングするため、これを考慮する必要があるかどうかはわかりません。とにかく、両方のデバイスから周波数スペクトルを生成したので、これらを比較したいと思います。各ポイントでピアソン相関を取得するために、各ポイントで相関を行うにはどうすればよいですか。もちろん全体的な方法は知っていますが、相関関係が強い点とそうでない点を見たいですか?

ユーザー インタラクションに基づくレコメンデーション システム (協調フィルタリング) を組み込んだアプリケーションを設計しています。ホームページのユーザーには、操作する 6 つのアイテムのセットが表示されます。アイテム数は50～300アイテム。次のアクションが可能です。

1. アイテムをクリックする (強い関心)
2. アイテムを更新する (少し興味がある)
3. 続きを読むダイアログを開きます (少し興味があります)
4. 先に進むために何もしないでください (無関心)

このデータは収集され、保存されます。システムは、ユーザーに興味のあるアイテムを推奨する必要があります。このデータを評価システムに変えようと考えています。

オプション A) ユーザーがアイテムをクリックすると、これは暗黙のライフタイム レーティング 5 に変換されます。アイテムを更新すると 4 になります。したがって、私の user->item マトリックスは次のようになります。

この例では、john は項目 1 をクリックして項目 3 を更新しました。評価は実際にしか上がりません。つまり、ユーザーが以前に項目を更新した場合、私は 4 を書き、項目が後でクリックされた場合にのみ 5 に更新します。

オプション B) ユーザーが上記のアクションのいずれかを実行するたびに、アイテムのスカラー値をインクリメントします。つまり、無限に大きくなる可能性があります。

数値を 1 から 10 までの評価スケールに変換するのが難しくなったため、これは問題かもしれません。

オプション C) すべてのやり取りを個別にカウントする

ここで問題となるのは、ある項目について「読む」ことは、おそらく 1 回だけであるということです。

どのようなオプションを選択するかに関係なく、私の考えは、コサイン類似度やピアソン相関などを使用して、類似したユーザーを最初に見つけることです。次に、そのリストから上位 10 人から 30 人のユーザーを選び、お気に入りのアイテムのトップリストを作成します。そのリストから、現在のユーザーが過去にほとんど触れていないアイテムをお勧めします。

これはうまくいくものですか？似たようなユーザーを見つけると、現在のユーザーにとって興味深い (新しい) アイテムを見つける機会がなくなるのではないかと心配しています。

私はピアソンの相関関係を持つ類似度ユーザーに関するPythonのコードを持っています。私はPythonの初心者なので、計算のステップを分析したいと思います。手動で計算してこのプログラムの結果と比較しようとすると、結果は常に異なります。手動で計算しようとすると、間違っているのではないかと思います。コードは次のようになります。

ユーザー 1 とユーザー 2 の類似性を計算したいのですが、この部分で混乱しています。

[それ] とはどういう意味ですか?

このプログラムを使用した場合の類似性の結果は、0.755928946018 です。

このコードの意味は([prefs[p1][it] for it in si])、ユーザー 1 の評価を増やすことですか? のように1*2*4？それとも、ユーザー 2 の評価を掛け合わせる必要がありますか? のように(1*2)+(1*3)+(4*3)？

と混同してい[p1][it]ます。よろしくお願いします。

データ フレーム内のすべての数値変数間のペアワイズ相関と有意水準を取得できるようにするために、次の小さな関数を作成しました。

これを行うためのより短くてエレガントな方法があるかどうか、またはこのタイプの機能がおそらくいくつかのパッケージに既に実装されているかどうか疑問に思っていましたか? (Hmisc で rcorr への参照をいくつか見ましたが、データフレームを出力したいだけなので、2 つの行列が出力されます)。

何かご意見は？

乾杯、トム

それらは非常に似ていますが、ピアソン相関類似度と調整コサイン類似度にはいくつかの違いがあると確信しています。これは、すべての論文と Web ページがそれらを 2 つの異なる種類に分けているためです。

しかし、どれも明確な定義を提供していません。ここにページの 1 つがあります。

誰でも違いがわかりますか？

ありがとう