similar to: Ayuda con Mice con polyreg

Saludo gente, antes que nada gracias por la ayuda que puedan aportarme, soy iniciante en R, estoy usando el paquete Mice para realizar imputaciones múltiples sobre variables en su mayoría categóricas. El problema está que cuando expresó este comando imp <- mice(dataset,method="polr",maxit=1) donde el dataset es un data.frame me tirá este error : iter imp variable 1 1 pial1a

Saludo gente, antes que nada gracias por la ayuda que puedan aportarme, soy iniciante en R, estoy usando el paquete Mice para realizar imputaciones múltiples sobre variables en su mayoría categóricas. El problema está que cuando expresó este comando imp <- mice(dataset,method="polr",maxit=1) donde el dataset es un data.frame me tirá este error : iter imp variable 1 1 pial1a

Muchas gracias, pero claro en una muestra de 50 datos se ejecuta, en la muestra original de 1000 registros me tira error :( 2013/10/30 daniel <daniel319@gmail.com> > Amalia, > > No obtengo tus resultados. Corrí tus formulas y datos y el resultado es > x <- structure(list(ï..psraid = c(202517L, 202518L, 202520L, 202523L, > + 202527L, 202537L, 202543L, 202544L, 202551L,

Amalia, No obtengo tus resultados. Corrí tus formulas y datos y el resultado es x <- structure(list(ï..psraid = c(202517L, 202518L, 202520L, 202523L, + 202527L, 202537L, 202543L, 202544L, 202551L, 202566L, 202570L, + 202571L, 202606L, 202619L, 202624L, 202629L, 202631L, 202632L, + 202633L, 202648L, 202657L, 202663L, 202676L, 202683L, 202685L, + 202706L, 202708L, 202709L, 202710L, 202734L,

I am trying to use the mi package to impute data, but am running into problems with the functions it calls. For instance, I am trying to impute a categorical variable called "min.func." The mi() function calls the mi.categorical() function to deal with this variable, which in turn calls the nnet.default() function, and passes it a fixed parameter MaxNWts=1500. However, as

Dearest all, Objective: I am now learning neural networks. I want to see how well can train an artificial neural network model to discriminate between the two files I am attaching with this message. http://r.789695.n4.nabble.com/file/n2240582/3dMaskDump.txt 3dMaskDump.txt http://r.789695.n4.nabble.com/file/n2240582/test_vowels.txt test_vowels.txt Question: when I am attempting to run

Dear all, I have found some difference of the results between multinom() function in R and multinomial logistic regression in SPSS software. The input data, model and parameters are below: choles <- c(94, 158, 133, 164, 162, 182, 140, 157, 146, 182); sbp <- c(105, 121, 128, 149, 132, 103, 97, 128, 114, 129); case <- c(1, 3, 3, 2, 1, 2, 3, 1, 2, 2); result <- multinom(case ~ choles

Hi, I'm trying to impute a large data set using mice but I keep getting this: Error in nnet.default(X, Y, w, mask = mask, size = 0, skip = TRUE, softmax = TRUE, : too many (2944) weights nnet.default uses the argument MaxNWts to set a maximum number of weights. I've tried to change nnet.default to get around this, but mice is somehow still passing an argument that sets the maximum

Hello all, Ive been playing with nnet (package 'nnet') and Ive come across this problem. nnet doesnt seems to like to have more than 1000 weights. If I do: > data(iris) > names(iris)[5] <- "species" > net <- nnet(species ~ ., data=iris, size=124, maxit=10) # weights: 995 initial value 309.342009 iter 10 value 21.668435 final value 21.668435 stopped after 10

The following code fails to train a nnet model in a random dataset using caret: nR <- 700 nCol <- 2000 myCtrl <- trainControl(method="cv", number=3, preProcOptions=NULL, classProbs = TRUE, summaryFunction = twoClassSummary) trX <- data.frame(replicate(nR, rnorm(nCol))) trY <- runif(1)*trX[,1]*trX[,2]^2+runif(1)*trX[,3]/trX[,4] trY <-

Saludo a todos, una consulta, donde hay que enviar las dudas en R para que alguién con mayor conocimiento en R nos ayude!!, Me llegan estos email lo cual son interesantes pero necesito ayuda!. Por favor!, gracias. El 30 de octubre de 2013 10:16, Felipe Vargas Reeve <kaiser756@gmail.com>escribió: > Muy buena iniciativa y gestión Carlos, se agradece. Saludos estimado, > atte >

R-helpers: I have a dataset that has 168 subjects and 12 variables. Some of the variables have missing data and I want to use the multiple imputation capabilities of the "mice" package to address the missing data. Given that mice only supports linear models and generalized linear models (via the lm.mids and glm.mids functions) and that I need to fit Cox models, I followed the previous

HI, Dear R community, My data set has 2409 variables, the last one is response variable. I have used the nnet after feature selection and works. But this time, I am using nnet to fit a model without feature selection. I got the following error information: > dim(train) [1] 1827 2409 nnet.fit<-nnet(as.factor(out) ~ ., data=train, size=3, rang=0.3, decay=5e-4, maxit=500) # model

Hola R-adictos, me gustaría que alguien me ayudara a aplicar la función "quantile" (varios percentiles) a un marco de datos estratificado por algunas variables categóricas (ver fichero adjunto como ejemplo). La idea es obtener varios percentiles de varias variables (primeras columnas del fichero de datos), pero dividiendo el marco de datos en función de los valores de las variables

Hola, Ya está disponible el material (presentación, código) del Taller de ayer, así como los videos. Todo el detalle lo podéis encontrar en: http://www.r-es.org/GILMadrid *Gracias a todos por la buena asistencia que tuvimos!.* Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]]

HI sorry to be a nuisance to all!!! how can i see the code of a particular function? e.g. nnet just as an example

Hello all, I have searched and have not yet identified a solution so now I am sending this message. In short, I need to split my data into training, validation, and testing subsets that keep all observations from the same sites together ? preferably as part of a cross validation procedure. Now for the longer version. And I must confess that although my R skills are improving, they are not so

Dear helpers, I am trying to use the mda package downloaded from the R website, but the data set has missing values so I got an error message. Should I manually handle these missing values? I was trying to read the documents to specify any option related to missing values, but I did not find it. Please forgive me if I ignore something obvious. Thanks, Zhu Wang Statistical Science Department

Estimados amigos: Esta tarde he estado probando la librería mlr3, que me resulta muy interesante para trabajos de clasificación. En concreto, para entender su funcionamiento he probado un ejemplo simple (viene en CRAN). Sin embargo, cuando cambio el parámetro de clasifiación en la función de aprendizaje, me aparece el error siguiente: *Error: Element with key

Buenos días, Soy Cristian Rodelo y quería haceros una pregunta. Tengo un conjunto de datos en los que a un grupo de sujetos se les realizaron medidas de tensión arterial a lo largo de 24 horas. En promedio 4 determinaciones horarias. Es decir que cada sujeto se le realizaron 4 determinaciones horarias durante 24 horas. Bien, quiero determinar la trayectoria longitudinal de las mediciones de