Відео

Cieszę się. Pozdrawiam

Rozumiem to pytanie w następujący sposób: Czy powinno się standaryzować dane przed przeprowadzeniem PCA (tak, żeby różne zmienne miały porównywalne wariancje)? Tak - jest to zalecane - wtedy takie ujednolicenie sprawi, że w analizie nie będą dominować zmienne o największych rozstępach - wariancjach. Mam nadzieję, że jest to odpowiedź na Pani pytanie. Pozdrawiam

Dziękuję i pozdrawiam

Cieszę się. Pozdrawiam

Dziękuję i pozdrawiam

Dziękuję za miłe słowa. Mam nadzieję, że książka się Panu spodoba. Pozdrawiam

Dziękuję. Myślę, że tak. Ale jest "kolejka" tematów, które chcę omówić. Między innymi chcę też rozpocząć temat Pythona w analizie danych. Więc nie potrafię powiedzieć kiedy.

@@zArkadiuszem A czy masz może doświadczenie z językiem Julia ? Kiedyś czytałem o nim, sporo ludzi dobrze się wypowiadało na jego temat w zakresie datascience. Ponoć Rust jeżeli chodzi o uczenie maszynowe jest OK ze względu na szybkość pracy.

Nie pracowałem w tych językach. Z tego co wiem z YT Julia miała integrować środowisko badaczy poprzez tworzenie kodu, który jest bliższy naukowej notacji (formułom obliczeniowym). Sam kod miał być przez to zrozumiały co miało wspierać dyskusje naukowe (także te interdyscyplinarne).

Mili Państwo, to nie kanał matrymonialny tylko o analizie danych.

@@zArkadiuszem Szkoda. 🥰😘😍

Dziękuję. Tworzenie aplikacji z shiny to spory krok do przodu dla każdego użytkownika R. Przede wszystkim jest to wiedza o dużej wartości praktycznej. Pozdrawiam

Polecam się na przyszłość!

Ja w porównywalnym czasie miałem 10 subskrybentów. Powodzenia

Dziękuję za podpowiedź. Pewnie od strony marketingowej sporo można byłoby tu zmienić

Cieszę się

Dziękuję i pozdrawiam

Pozdrawiam

Ja się zajmuję nauką. Korzystam z R głównie do analizy danych empirycznych w celach naukowych. Sam pakiet dplyr jest popularny - ułatwia przetwarzanie danych. Operator pipe sprawia, że kod staje się bardziej czytelny. Pozdrawiam

Co prawda, to prawda ;)

Możliwe, że filmy są za długie i widzów to odstrasza. Dziękuję i pozdrawiam

Dziękuję i pozdrawiam

Będę zamieszczał skrypty do części filmów, które dopiero zamierzam opublikować. Do tego materiału musi wystarczyć to co jest. Pozdrawiam

Dziękuję i pozdrawiam

Kilka następnych filmów będzie o SQL - po nich wrócę do R. Pozdrawiam

Cieszę się, że się podobała. Pozdrawiam

Dziękuję bardzo za te miłe słowa. Cieszę się, że osoby reprezentujące różne nauki empiryczne są zainteresowane moimi materiałami. Jednym z moich celów jest prezentowanie materiału w taki sposób, aby wspierać widza w jego pracy naukowej (pisaniu artykułów, książek, prac dyplomowych). Pozdrawiam

Dziękuję, cieszę się, że się podobało.

Dziękuję i pozdrawiam

Dziękuję. Będą jeszcze takie materiały, ale będą też nowe zagadnienia z zakresu analizy danych.

Dziękuję i pozdrawiam

błąd standardowy średniej * wartość z tablicy dla rozkładu normalnego lub t studenta (dla określonego poziomu ufności np. 0.95 lub 0.99). Dla poziomu ufności 0.95 i "dużej" próby wartość ta wynosi 1.96 Zatem upraszczając temat błąd standardowy średniej * 1.96

dziękuję! @@zArkadiuszem

Proszę

Dziękuję. Prace pisarskie trwają

Dziękuję i pozdrawiam

Dziękuję

Proszę napisać do mnie maila na: zarkadiuszem@gmail.com Prześlę. Pozdrawiam

@@zArkadiuszem ok

Dziękuję i pozdrawiam

Zatem trzymam kciuki

Piszę książkę o R i tam będzie więcej dostępnych informacji - ale niestety to jeszcze trochę potrwa. Skryptów nie zamieszczam. Pozdrawiam

Dziękuję i pozdrawiam

Dziękuję

Cieszę się, że się kurs podoba. Pozdrawiam

Dziękuję. Braki danych przetwarza się często "automatycznie" za pomocą właściwych algorytmów. To zagadnienie omawiam na kanale w serii poświęconej maszynowemu uczeniu. Pozdrawiam

Cieszę się. Pozdrawiam

O - nie wiedziałem, że licealiści też oglądają. Świetnie. Pozdrawiam

Dziękuję. Przygotowuję materiał - książkę - na ten temat. Ale to jeszcze trochę potrwa. Pozdrawiam

Sprawdziłem - faktycznie wymagany jest tu operator przypisania <-. Dzięki temu kod jest bardziej czytelny. Gdyby działało = można byłoby pomyśleć, że to jest określenie jakiegoś argumentu w funkcji. Pozdrawiam

Proszę :)

Dziękuję za miłe słowa. Taką problematykę (analizę danych w języku programowania) łatwiej wyłożyć na nagraniu, niż w książce. Książki rządzą się swoimi prawami. Pozdrawiam.

Tak. Pojawia się takie ostrzeżenie. Błędem byłoby tu usunięcie duplikatów - to by zmieniało nasz testowany rozkład empiryczny. Sensowne wydaje mi się natomiast dodanie do duplikatów bardzo małej liczby losowej (to sprawi, że dla testu będą się one różnić). np. z przedziału -0.0001; +0.0001 (chyba, że sama zmienna przyjmuje bardzo małe wartości - wtedy wartość losowa powinna być jeszcze mniejsza). Osobiście zalecałbym jednak wykorzystanie wykresu Q-Q + Shapiro-Wilk Normality Test. Test Shapiro Wilka został zmodyfikowany tak, że teraz (wersja z R funkcja shapiro.test()) można go stosować także do dużych prób (3 - 5000). Jeśli ma Pan/Pani próbę większą niż 5000 - to polecam ocenę wzrokową w oparciu o stosowne wykresy. Pozdrawiam

Mam ten sam problem co @quegon6125 @@zArkadiuszem rozumiem, że skoro u Pana ten test dziala, to Pan ma zmodyfikowany plik? Może Pan go gdzieś udostępnić? Chętnie bym poćwiczyła. Podobny komunikat wyskakiwał mi, gdy próbowałam test Wilcoxona i pojawiały się powtórzone wartości. Czy R nie jest odporny na takie sytuacje (dla przykładu LabVIEW nie ma z tym problemu)? Jeśli tak, to jest to jego bardzo poważne ograniczenie, bo jeśli chcemy zautomatyzować pracę, to ciężko nam zakładać brak powtórzeń, a ocena wzrokowa nie jest oceną obiektywną i nie daje się zautomatyzować. Ręczne wyszukiwanie tych samych próbek i modyfikacji ich wartości w zbiorze bardzo dużych danych nie wchodzi w rachubę.

R to w znacznej mierze zbiór pakietów - jeśli coś można poprawić - zasadne jest dodanie (stworzenie) nowego pakietu. R rozwija się właśnie przez taką pracę ludzi zainteresowanych tematem. Tu powtórzę wcześniejszą sugestię: "Osobiście zalecałbym jednak wykorzystanie wykresu Q-Q + Shapiro-Wilk Normality Test". @@acha10000

Miło to słyszeć. Pozdrawiam.