AS
Там все подробно описано, и примеры есть
Но это для самостоятельного изучения
https://habr.com/ru/post/516908/
Size: a a a
2020 October 02
PV
я полистал чат и уже читаю, да)
Все время забываю, что алгоритм должен быть такой:
1) Понять задачу
2) Поискать, не написана ли у Алексея статья на эту тему
3) Если нет — Искать другое решение
Все время забываю, что алгоритм должен быть такой:
1) Понять задачу
2) Поискать, не написана ли у Алексея статья на эту тему
3) Если нет — Искать другое решение
2020 October 03
PU
господа, кто знает изящный способ сделать оконную сумму в data.table?
типа посчитать для каждого дня количество пользователей за последние 7 дней
я могу это сделать с помощью sapply, но хочется более лаконичное решение
типа посчитать для каждого дня количество пользователей за последние 7 дней
я могу это сделать с помощью sapply, но хочется более лаконичное решение
PU
frollsum() тоже решение, конечно
но чревато ошибками, я бы предпочел более строго задавать границы интервала, чем просто сумма последних n строк
но чревато ошибками, я бы предпочел более строго задавать границы интервала, чем просто сумма последних n строк
А
господа, кто знает изящный способ сделать оконную сумму в data.table?
типа посчитать для каждого дня количество пользователей за последние 7 дней
я могу это сделать с помощью sapply, но хочется более лаконичное решение
типа посчитать для каждого дня количество пользователей за последние 7 дней
я могу это сделать с помощью sapply, но хочется более лаконичное решение
Сходу не придумал как это сделать без apply. Но разве только если конвертнуть дату в недели в соседнюю колонку и сделать groupby. Потом добавить к дате день и сделать тоже самое самое. В цикле из 6 итераций гарантированно посчитайте оконную сумму для каждого дня
АК
господа, кто знает изящный способ сделать оконную сумму в data.table?
типа посчитать для каждого дня количество пользователей за последние 7 дней
я могу это сделать с помощью sapply, но хочется более лаконичное решение
типа посчитать для каждого дня количество пользователей за последние 7 дней
я могу это сделать с помощью sapply, но хочется более лаконичное решение
Как данные выглядят? Дата и число?
АК
frollsum() тоже решение, конечно
но чревато ошибками, я бы предпочел более строго задавать границы интервала, чем просто сумма последних n строк
но чревато ошибками, я бы предпочел более строго задавать границы интервала, чем просто сумма последних n строк
Это самый быстрый и оптимальный вариант. Если есть пропуски во временных рядах, просто заполни их предварительно нулями.
PU
Как данные выглядят? Дата и число?
да, дата и число
типа даты заходов пользователей, а хочется посчитать скользящее mau/wau
типа даты заходов пользователей, а хочется посчитать скользящее mau/wau
JS
Есть ещё rollify
IS
rol_sum() есть
IS
если скорость важна то что то такое должно сработать
rsum.cumsum <- function(x, n = 3L) tail(cumsum(x) - cumsum(c(rep(0, n), head(x, -n))), -n + 1)PU
у меня вот такое грязное решение, но оно не требует допилки данных
> auth_stat[1:3]
login_date dau
1: 2020-06-01 733
2: 2020-06-02 1108
3: 2020-06-03 1422
auth_stat[, mau := sapply(login_date, function(x)
auth[login_date %between% c(x - 30, x), uniqueN(user_id)])]
PU
если считать, что данные корректные и прочее, то frollsum будет и правда и лаконичнее, и подозреваю, быстрее всего
PU
не, frollsum не подойдет для вычисления mau, потому что сумма dau за последние 30 дней почти никогда не ровна mau
КС
Добрый день! Вопрос по применению линейных моделей на данных ЭЭГ/МЭГ, может, кто-то сможет помочь? У меня есть LMM c одним фиксированным эффектом, и я хочу понять, для каких каналов (их около 300) этот эффект значим. Оптимален ли такой способ: прогнать модель на всех каналах, получить вектор p-значений, а потом сделать поправку fdr?
IS
Добрый день! Вопрос по применению линейных моделей на данных ЭЭГ/МЭГ, может, кто-то сможет помочь? У меня есть LMM c одним фиксированным эффектом, и я хочу понять, для каких каналов (их около 300) этот эффект значим. Оптимален ли такой способ: прогнать модель на всех каналах, получить вектор p-значений, а потом сделать поправку fdr?
Очень специфично сформулирован вопрос. Возможно будет проще понять, если откинуть отраслевую специфику , показать семпл данных и сформулировать проблему в общем в виде в понятных терминах
2020 October 04
КС
Очень специфично сформулирован вопрос. Возможно будет проще понять, если откинуть отраслевую специфику , показать семпл данных и сформулировать проблему в общем в виде в понятных терминах
Поняла, попробую на другом примере. Есть 300 городов. Меня интересует, в каких городах есть линейная зависимость переменной А (уровня счастья людей) от переменной B (уровня освещенности). Можно ли посчитать линейную регрессию А от B для каждого города, взять все полученные p-значения, сделать поправку fdr, чтобы избежать опасности множественных сравнений, и на основе этих скорректированных p делать выводы?
A
Не думаючто тут линейная зависимость. Темнота тоже иногда нужна для счастья.