A
Спасибо!
Size: a a a
2020 May 07
АР
Чем можно было бы определить взаимосвязь между k объектами и n категориями, где испытуемый обязан отнести каждый из k объектов к единственной из n категорий, при этом категории у разных объектов повторяться не могут?
АР
Я так чувствую, это что-то на тему мультиномиального распределения, но какие тут критерии есть?
АК
Вопрос на творческое мышление. Дана таблица (
Решение влоб, дабы отсечь самый очевидный (для меня) вариант:
data.table разумеется) и список фильтров. Необходимо отфильтровать таблицу.library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
Решение влоб, дабы отсечь самый очевидный (для меня) вариант:
for (i in seq_along(l)) d <- d[get(names(l)[i]) %in% l[[i]]]
AB
Вопрос на творческое мышление. Дана таблица (
Решение влоб, дабы отсечь самый очевидный (для меня) вариант:
data.table разумеется) и список фильтров. Необходимо отфильтровать таблицу.library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
Решение влоб, дабы отсечь самый очевидный (для меня) вариант:
for (i in seq_along(l)) d <- d[get(names(l)[i]) %in% l[[i]]]
Похоже получается. Не уверен, что универсально. library(data.table); library(magrittr)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
d2 <- do.call(rbind, l) %>% t %>% as.data.table
d3 <- fintersect(d, d2, all = FALSE)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
d2 <- do.call(rbind, l) %>% t %>% as.data.table
d3 <- fintersect(d, d2, all = FALSE)
АК
Похоже получается. Не уверен, что универсально. library(data.table); library(magrittr)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
d2 <- do.call(rbind, l) %>% t %>% as.data.table
d3 <- fintersect(d, d2, all = FALSE)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
d2 <- do.call(rbind, l) %>% t %>% as.data.table
d3 <- fintersect(d, d2, all = FALSE)
Сначала подумал, ну что за дичь 😁 А идея вполне годная оказалась. Доработанный вариант:
Только я её немного переинтерпетировал.
library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
l <- as.data.table(l)
merge(d, l, by = intersect(names(d), names(l)))
Только я её немного переинтерпетировал.
AB
Сначала подумал, ну что за дичь 😁 А идея вполне годная оказалась. Доработанный вариант:
Только я её немного переинтерпетировал.
library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
l <- as.data.table(l)
merge(d, l, by = intersect(names(d), names(l)))
Только я её немного переинтерпетировал.
👍
AB
Сначала подумал, ну что за дичь 😁 А идея вполне годная оказалась. Доработанный вариант:
Только я её немного переинтерпетировал.
library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
l <- as.data.table(l)
merge(d, l, by = intersect(names(d), names(l)))
Только я её немного переинтерпетировал.
Я усомнился сам в годности моего решения. Выбор идёт по полям независимо или на пересечении значений полей? Я сделал по-последнему
AB
Если независимо, то какой-то вид перебора кажется правильным. Вопрос в скорости, например на document-term matrix 50000*30000
АК
Я усомнился сам в годности моего решения. Выбор идёт по полям независимо или на пересечении значений полей? Я сделал по-последнему
Да тут без особых вариантов. Получается всё фильтры применяются через И. В любом случае спасибо за идею. Для меня ключевым моментом оказалось «схлопывание» фильтров в таблицу.
АР
Чем можно было бы определить взаимосвязь между k объектами и n категориями, где испытуемый обязан отнести каждый из k объектов к единственной из n категорий, при этом категории у разных объектов повторяться не могут?
В итоге пришёл к выводу, что математически равносильно хи-квадрату точного попадания, т.к. невыбор какой-то наиболее подходящей категории по переменной, из-за того, что ее уже отдали другому, ещё более подходящему объекту, по вероятности точно компенсируется вынужденным выбором той же самой категории для объекта, потому что остальное более подходящее израсходовали
АР
А кстати, для хи-квадрата точного попадания post hoc бывает? Я когда-то искал и вроде не нашёл
AB
Да тут без особых вариантов. Получается всё фильтры применяются через И. В любом случае спасибо за идею. Для меня ключевым моментом оказалось «схлопывание» фильтров в таблицу.
Аа, я рад тогда. Обычно и правда дичь делаю ;)
VP
А кстати, для хи-квадрата точного попадания post hoc бывает? Я когда-то искал и вроде не нашёл
а что такое хи-квадрат точного попадания? впервые слышу такое выражение. Согласия с распределением, что ли?
АР
Goodness of fit для дискретного распределения
VP
ну да, оно. понятно, спасибо
АР
Вроде всегда такой русский перевод был
VP
ну.. разве что в переводчике:)
АР
ну.. разве что в переводчике:)
Нет, я это у Митиной впервые видел
ГД
Сначала подумал, ну что за дичь 😁 А идея вполне годная оказалась. Доработанный вариант:
Только я её немного переинтерпетировал.
library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
l <- as.data.table(l)
merge(d, l, by = intersect(names(d), names(l)))
Только я её немного переинтерпетировал.
тогда уж, чтобы было совсем идиоматично:
library(data.table)
d <- data.table(
a = c("a", "b", "c", "d"),
b = c("a", "a", "b", "b")
)
l <- list(a = c("a", "b"), b = "a")
d[l, on = names(l)]