#shinyproxy
Но возникает ещё один=))

При запуске тестовых приложений, идёт инициализация контейнера, я радуюсь и ... сессия завершается. Сама. Я ничего не трогал чесс слово.

Запусти с консоли контейнер с приложением и посмотри что выдаст

В журнале докер - ничего
В журнале shinyproxy - UT005023: Exception handling request to /app/01_hello

Там логами невозможно пользоваться, если честно

Судя по сообщениям на GitHub, вопрос где-то в базовой настройке конфигурации.

Коллеги,
подскажите какой функцией многократно (до успеха) запускать обращение к базе данных чтобы не останавливать исполнение скрипта при появлении ошибки

"ПРЕДУПРЕЖДЕНИЕ:  закрытие подключения из-за краха другого серверного процесса DETAIL:  Управляющий процесс отдал команду этому серверному процессу откатить текущую транзакцию и завершиться, так как другой серверный процесс завершился аварийно и возможно разрушил разделяемую память. HINT:  Вы сможете переподключиться к базе данных и повторить вашу команду сию минуту. Ошибка: Failed to prepare query: server closed the connection unexpectedly  This probably means the server terminated abnormally  before or while processing the request."

гляньте пакет retry

Спасибо, пробую

Привет. Ищу ответ на следующий вопрос: мы используем generalized linear model с двумя предикторами: один binomially distributed другой категоритальный. Зависимая переменная binomial, accuracy 0/1). Мы указали family = binomial, то правильно я понимаю, речь идет вообще о logistic model? На графике тоже не прямая, а кривая. Каким образом мы можем report данную модель? Спасибо.

В glm(family= binomial()) есть параметр link. Если link = "logit", то будет логистическая регрессия, если link = "probit", то будет пробит-регрессия

🙏 спасибо. Logit

А мы можем linear model с этими параметрами считать (на основании теории), или так как binominal ezc то нельзя?

m1 <- glmer( outcome ~ var_binom + var_cont + (1 | group), data = dat, family = binomial(link = "probit) ) то есть если мы вот так укажем, то будем приближаться к линеальной, правильно?

Можно-можно. Но вам надо почитать про логист/пробит, так как Вы явно не понимаете, что в этих моделях линейное

На графике всё равно кривая будет, если вы об этом

Да, я обязательно почитаю.

Почему? (Понимаю что туплю)))

А есть смысл пробит и логит модели потом сравнивать на fit?

Потому что, если грубо говоря, логит- и пробит-регрессии предсказывают вероятность того, что объект, чьи независимые переменные равны каким-то конкретным числам, будет принадлежать к 1.

Вероятность не может быть меньше 0 или больше 1, а любая линейная функция может. Поэтому у вас будет фититься не прямая, а сигмоида (функция в виде буквы S)

(Прошу не бить за нестрогие определения и формулировки)