search for: abscisa

Muchísimas gracias Carlos, de verdad que te agradezco la ayuda, pero no es lo que voy buscando. Quiero colocar en el eje de abscisas la secuencia temporal de los meses, es decir, agosto septiembre, octubre, etc? pero no las fechas de las toma de datos, sino que aparezca la marca de un mes, y la siguiente marca sea la del siguiente mes, etc?, y además que las muestras estén separadas de acuerdo con la fecha que les corresponde,...

...3 28.51 Now I want to launch something like plot(tmp[, 0], Old) points(tmp[, 0], New, pch = 20) and it gives me the error Error in pairs.default(x, ...) : non-numeric argument to pairs I guess that I am having problem with tmp[, 0]. If I use plot(Old) points(New, pch = 20) I get the plot, but abscisa is numbered from 1 to 7 not 1, 2, 5, 10, 15, 20 and 40. Does anyone have any sugestions? I would also like to produce table like this, so plotting would be easier, since there would be no need to use points() and/or lines() commands to add another group. Model h2 mean 1 Old 1 31.00 2 Ol...

...and I would like to ask you something I cannot solve... I'm using the fwdlm function from the forward library, I'm specially interested by the results of Cook's distances: I'd want to know which inputs are the cause of peacks in Cook's distances plot; because what I find in abscisas axes are the steps in which some (up to 5) input data are introduced to estimate a new LMS regression. can someone help me? thank you very much in advance best regards Manuele Pesenti -- Manuele Pesenti manuele at inventati.org amicogodzilla at jabber.linux.it http://mpesenti.polito.it

...attach(Libro1) plot (xbar~as.Date(fechas,"%d/%m/%y"), ylim=c(400,650), type="b", pch=19,cex=1) arrows(x0=as.Date(fechas,"%d/%m/%y"),y0=lci,x1=as.Date(fechas,"%d/%m/%y"),y1=lcs,angle=90,code=3,length=.1) El problema es que la gráfica emitida por R me saca en abscisas una serie de meses que me los coloca por defecto (ver gráfica adjunta) y lo que yo quiero es poner marcas mensuales desde agosto de 2013 hasta mayo 2014, incluido el cambio de año (ya sea dic?13 o ene?14), pero por mucho que lo intento no me sale. ¿Podéis ayudarme?. Muchas gracias por adelantado...

...attach(Libro1) plot (xbar~as.Date(fechas,"%d/%m/%y"), ylim=c(400,650), type="b", pch=19,cex=1) arrows(x0=as.Date(fechas,"%d/%m/%y"),y0=lci,x1=as.Date(fechas,"%d/%m/%y"),y1=lcs,angle=90,code=3,length=.1) El problema es que la gráfica emitida por R me saca en abscisas una serie de meses que me los coloca por defecto (ver gráfica adjunta) y lo que yo quiero es poner marcas mensuales desde agosto de 2013 hasta mayo 2014, incluido el cambio de año (ya sea dic?13 o ene?14), pero por mucho que lo intento no me sale. ¿Podéis ayudarme?. Muchas gracias por adelantado...

...attach(Libro1) plot (xbar~as.Date(fechas,"%d/%m/%y"), ylim=c(400,650), type="b", pch=19,cex=1) arrows(x0=as.Date(fechas,"%d/%m/%y"),y0=lci,x1=as.Date(fechas,"%d/%m/%y"),y1=lcs,angle=90,code=3,length=.1) El problema es que la gráfica emitida por R me saca en abscisas una serie de meses que me los coloca por defecto (ver gráfica adjunta) y lo que yo quiero es poner marcas mensuales desde agosto de 2013 hasta mayo 2014, incluido el cambio de año (ya sea dic?13 o ene?14), pero por mucho que lo intento no me sale. ¿Podéis ayudarme?. Muchas gracias por adelantado...

Hola a todos. Estoy utilizando la función lmer del paquete lme4 para ajustar un modelo mixto. Tengo varias variables en mi data.frame, unas son a nivel individual y otras a nivel de comarcas. Listo algunas. ingre_6 : Ingresos (nivel individual) iscs_a : un indicador sintético resumen de otras variables, calculado mediante componentes principales. sau_com : superficie agraria útil de cada una

...; Con esto tienes 15 combinaciones. > > Vamos al código. Simplemente crea una lista donde metes los resultados (y > tienes que añadir los parámetros, que has omitido) > > Después graficas usando un mapa de calor para ver qué combinación de > parámetros te da el mejor resultado (en abscisas ntree y en ordenadas > nodesize). Una vez que veas los intervalos de parámetros que mejor se > comportan, afinas el resultado con otra validación cruzada: > > > > for(i in 1:15){ > > > > numeros<-sample(1:1500,1500*0.7) > > > > train<-datos[numeros,]...

Buenas, Puse los modelos lo mas simplificados, para centrar el tiro en el tema que me preocupa. Es una pena no poder hablar cara a cara, porque por email puedo sonar algo borde, pero no es así, al contrario estoy enormemente agradecido por tu ayuda, pero le veo un problema. Me dices que use un list para ir guardando el modelo, pero tal y como he propuesto en el bucle for, el modelo se crea 10

...Otra de nodesize: 3, 6, 10 Con esto tienes 15 combinaciones. Vamos al código. Simplemente crea una lista donde metes los resultados (y tienes que añadir los parámetros, que has omitido) Después graficas usando un mapa de calor para ver qué combinación de parámetros te da el mejor resultado (en abscisas ntree y en ordenadas nodesize). Una vez que veas los intervalos de parámetros que mejor se comportan, afinas el resultado con otra validación cruzada: for(i in 1:15){ numeros<-sample(1:1500,1500*0.7) train<-datos[numeros,] test<-datos[-numeros,] #modeloRF resultadoRF &...

...Otra de nodesize: 3, 6, 10 Con esto tienes 15 combinaciones. Vamos al código. Simplemente crea una lista donde metes los resultados (y tienes que añadir los parámetros, que has omitido) Después graficas usando un mapa de calor para ver qué combinación de parámetros te da el mejor resultado (en abscisas ntree y en ordenadas nodesize). Una vez que veas los intervalos de parámetros que mejor se comportan, afinas el resultado con otra validación cruzada: for(i in 1:15){ numeros<-sample(1:1500,1500*0.7) train<-datos[numeros,] test<-datos[-numeros,] #modeloRF resultadoRF &...

...Otra de nodesize: 3, 6, 10 Con esto tienes 15 combinaciones. Vamos al código. Simplemente crea una lista donde metes los resultados (y tienes que añadir los parámetros, que has omitido) Después graficas usando un mapa de calor para ver qué combinación de parámetros te da el mejor resultado (en abscisas ntree y en ordenadas nodesize). Una vez que veas los intervalos de parámetros que mejor se comportan, afinas el resultado con otra validación cruzada: for(i in 1:15){ numeros<-sample(1:1500,1500*0.7) train<-datos[numeros,] test<-datos[-numeros,] #modeloRF resultadoRF &...

...; Con esto tienes 15 combinaciones. > > Vamos al código. Simplemente crea una lista donde metes los resultados (y > tienes que añadir los parámetros, que has omitido) > > Después graficas usando un mapa de calor para ver qué combinación de > parámetros te da el mejor resultado (en abscisas ntree y en ordenadas > nodesize). Una vez que veas los intervalos de parámetros que mejor se > comportan, afinas el resultado con otra validación cruzada: > > > > for(i in 1:15){ > > > > numeros<-sample(1:1500,1500*0.7) > > > > train<-datos[numeros,]...

...binaciones. >> >> Vamos al código. Simplemente crea una lista donde metes los resultados (y >> tienes que añadir los parámetros, que has omitido) >> >> Después graficas usando un mapa de calor para ver qué combinación de >> parámetros te da el mejor resultado (en abscisas ntree y en ordenadas >> nodesize). Una vez que veas los intervalos de parámetros que mejor se >> comportan, afinas el resultado con otra validación cruzada: >> >> >> >> for(i in 1:15){ >> >> >> >> numeros<-sample(1:1500,1500*0.7) >&...

...>>> Vamos al código. Simplemente crea una lista donde metes los resultados (y >>> tienes que añadir los parámetros, que has omitido) >>> >>> Después graficas usando un mapa de calor para ver qué combinación de >>> parámetros te da el mejor resultado (en abscisas ntree y en ordenadas >>> nodesize). Una vez que veas los intervalos de parámetros que mejor se >>> comportan, afinas el resultado con otra validación cruzada: >>> >>> >>> >>> for(i in 1:15){ >>> >>> >>> >>> n...