search for: suave

I have a non-linear regression with 8 parameters to solve .... however it does not converge ... easily solves the excel ... including the initial estimates used in the R were found in the excel ... Another question is how to establish the increments of R by the parameters in the search ..

...ject (object of class "ppp"). However we have at the moment no convenient function to *extract* the observation component of a ppp object, nor have we a really convenient means of (re-) assigning the window component of such an object. We can extract the component via X$window or more suavely via as.owin(X) --- but the latter is rather counter-intuitive and lacks parallelism with other usage. Re-assignment of the observation window component of X can be done either via X$window <- W or X <- X[W]. These are not quite the same. The former may leaves points which are outside...

...ite noise'', i.e. no model at all. I thought it would be nice if I could fit this into the arima.sim() context, without making an exceptional case. I.e. one ***could*** do something to the effect if(length(model)==0) x <- rnorm(n) else x <- arima.sim(model,n) but it would be more suave if one could just use arima.sim() all the time. Experimenting I found that arima.sim() accepts an empty list as the model, e.g. x <- arima.sim(list(),100) and the result appears to be white noise. There are a couple of funnies, but. One is that the resulting x is of length 99, rather than...

De acuerdo a Bard; ? scale_colour_viridis_d: Esta función utiliza la paleta de colores "viridis" en una escala continua, donde los colores varían de forma suave y continua. Es adecuada para representar datos en los que se desea resaltar las variaciones sutiles en los valores de la variable. ? scale_colour_viridis_c: Esta función también utiliza la paleta de colores "viridis", pero en una escala categórica discreta. Los colores se asignan a c...

Hello all, This is something that I am sure has a really suave solution in R, but I can't quite figure out the best (or even a basic) way to do it. I have a simple linear regression that is fit with lm for which I would like to estimate the x intercept with some measure of error around it (confidence interval). In biology, there is the concept of a devel...

...ían programación cuadrática (e.g. quadprog), Levenberg-Marquardt para mínimos cuadrados no lineales (e.g. minpack.lm) y combinaciones de algoritmos (p.e. si la función es lineal en algunos parámetros). En el caso más general, si hay muchos óptimos locales o si la función objetivo es poco suave (incluso con discontinuidades), mi recomendación sería emplear un algoritmo genético (aunque hay otras alternativas como el temple simulado - simulated annealing). El inconveniente puede ser el tiempo de computación (a veces solo los utilizo para testear si otros más rápidos funcionan bien). De...

I am having a lot of troubles setting up an rsync daemon that works properly. I've inspected the Faq-o-matic and as much of the past archives as I can stand, but I can't seem to get any of the solutions suggested there to work. I'm having two problems. First, I can't get password authentication to work. I have ensured that the password file is only readable by root, and that

Si puedo dar mi opinión es que no uséis rcomander. Al final el alumno cree que usa R pero no lo usa!!! Depende del tiempo pero si es para psicología yo usaría excell o spss. Rcomander les va a liar mas de lo debido y deja el ordenador inutilizable... Soy profe de estadistic pero aparte estoy en segundo de psicologia y la estadistica que se da es muy muy basica como para usar R. Salutis. Renaud

Hola a todos: Alguién me podría explicar cuales son las diferencias entre las diferentes escalas de viridis en ggplot2, es decir en qué se diferencian scale-colour_viridis_d de scale_colour_viridis_c, scale_colour_viridis_b. Y cual es la diferencia entre scale-fiil-viridis_d de scale-fill_viridis_c y de scale_fill_viridis-b. He estado buscando la diferencia en internet y no he encontrado nada al

Es que es justo ahi donde no se como hacerlo. Es decir, dentro del bucle for hago las comprobaciones train test, y me da que de media el mejor es randomForest, pero claro, no me estoy quedando con el modelo, ya que no se va guardando....Entonces es cuando no se como seguir para quedarme con ese modelo.... ________________________________ De: Isidro Hidalgo Arellano <ihidalgo en

...rning-data-introductory-machine-caltechx-cs1156x> www.edx.org Introductory Machine Learning course covering theory, algorithms and applications. Our focus is on real understanding, not just "knowing." Tiene un libro asociado que está muy bien también. Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about Statistical Learning | Stanford Lagunita<https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> lagunita.stanford.edu StatLearning now...

Estimados Reailizo una pregunta general, casi desconociendo. Se me ocurrió explorar lo siguiente: hay ejemplos de programación lineal o utilizando la herramienta solver de excel, donde se realizan algunos cálculos, lo más sencillo de comprender y documentado (todos lados) es una cantidad de productos, un costo de compra, un costo de venta, una cantidad para invertir y ¿cuánto me conviene

...;http://www.edx.org> > > Introductory Machine Learning course covering theory, algorithms and > applications. Our focus is on real understanding, not just "knowing." > > > > Tiene un libro asociado que está muy bien también. > > Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: > https://lagunita.stanford.edu/courses/HumanitiesSciences/ > StatLearning/Winter > 2016/about > > > > <https://lagunita.stanford.edu/courses/HumanitiesSciences/ > StatLearning/Winte > r2016/about> Statistical Learning | Stanfor...

....edx.org < <http://www.edx.org> http://www.edx.org> Introductory Machine Learning course covering theory, algorithms and applications. Our focus is on real understanding, not just "knowing." Tiene un libro asociado que está muy bien también. Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winte r2016/about> https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter 2016/about < <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLe...

...org> < <http://www.edx.org> http://www.edx.org> Introductory Machine Learning course covering theory, algorithms and applications. Our focus is on real understanding, not just "knowing." Tiene un libro asociado que está muy bien también. Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winte <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> r2016/about> https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearnin...

...org> < <http://www.edx.org> http://www.edx.org> Introductory Machine Learning course covering theory, algorithms and applications. Our focus is on real understanding, not just "knowing." Tiene un libro asociado que está muy bien también. Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winte <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winte r2016/about> r2016/about> https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearni...

...http://www.edx.org> > > Introductory Machine Learning course covering theory, algorithms and > applications. Our focus is on real understanding, not just "knowing." > > > > Tiene un libro asociado que está muy bien también. > > Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: > > <https://lagunita.stanford.edu/courses/HumanitiesSciences/ > StatLearning/Winte > r2016/about > <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> > > > https://lagunita.stanford.edu/cou...

...;> Introductory Machine Learning course covering theory, algorithms and >> applications. Our focus is on real understanding, not just "knowing." >> >> >> >> Tiene un libro asociado que está muy bien también. >> >> Si te da miedito, hay otro más suave, de los clásicos Hastie y Tibshirani: >> >> <https://lagunita.stanford.edu/courses/HumanitiesSciences/St >> atLearning/Winte >> r2016/about >> <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about> >> > >> https...

...earning course covering theory, algorithms and >>> applications. Our focus is on real understanding, not just "knowing." >>> >>> >>> >>> Tiene un libro asociado que está muy bien también. >>> >>> Si te da miedito, hay otro más suave, de los clásicos Hastie y >>> Tibshirani: >>> >>> <https://lagunita.stanford.edu/courses/HumanitiesSciences/St >>> atLearning/Winte >>> r2016/about >>> <https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/about...

Dear R-help members I would be grateful if anyone could help me with the following problem: I would like to combine two matrices (SCH_15 and SCH_16, they are attached) which have a species presence/absence x sampling plot structure. The aim would be to have in the end only one matrix which shows all existing species and their presence/absence on all the different plots(an_1, an_2 etc.) To do