问题标签 [singular]

我想将字符串中的变量替换为基于数字的单数/复数单词。

我试过使用正则表达式，但我不知道如何使用正则表达式和替换的组合。

它现在只输出变量，而不是整个输入。我如何需要将其添加到代码中？

我正在尝试研究专门针对大量协变量 p 和高维状态的最大似然估计的分布（这意味着 p/n，样本大小为 n，约为 1/5）。我正在生成数据，然后使用statsmodels.api.Logit将参数拟合到我的模型中。

问题是，这似乎只适用于低维状态（如 300 个协变量和 40000 个观察值）。具体来说，我知道已经达到最大迭代次数，对数似然是 inf 即已经发散，并且出现“奇异矩阵”错误。

我不知道如何解决这个问题。最初，当我仍在使用较小的值（比如 80 个协变量，4000 个观察值）时，我偶尔会遇到这个错误，我设置了最多 70 次迭代而不是 35 次。这似乎有帮助。

然而，它现在显然无济于事，因为我的对数似然函数正在发散。这不仅仅是在最大迭代次数内不收敛的问题。

很容易回答这些包根本不打算处理这些数字，但是已经有专门研究这种高维机制的论文，比如在这里使用p=800协变量和n=4000观察值。

当然，本文使用的是 R 而不是 python。不幸的是，我不知道 R。但是我应该认为 python 优化应该具有可比的“质量”？

我的问题：

R 是否比 python statsmodels 更适合处理这种高 p/n 机制中的数据？如果是这样，为什么以及可以使用 R 的技术来修改 python statsmodels 代码？

如何修改我的代码以适用于 p=800 和 n=4000 左右的数字？

我想生成一个非奇异数据矩阵，并避免 R 中出现以下错误：

我在 R 中使用 is.singular.matrix 函数。如何在 ifelse 函数中对“丢弃 x”部分进行编码？

我试图澄清我对代码中单数似乎从复数中提取的情况的理解。我不确定这是否是不同语言之间的标准，或者是 python 中特定情况所特有的。无论如何，在下面的示例中，我指的是正方形列表中的正方形：

python是否足够直观，可以知道我指的是“正方形”列表中的奇异正方形？它是这种类型的编码请求所独有的还是更广泛和更标准？等等

我正在从事具有以下特征的离散选择实验： 3 个备选方案，其中包括 1 个选择退出。2 个备选方案中的每一个都具有 3 个属性，每个属性具有 3 个因子水平。每个受访者有 6 个选择任务要完成。所有 3 个参数（替代项）都已进行效果类型编码。

我想创建一个随机参数错误组件模型，没有购买/退出作为拦截。但是，这会在使用“mlogit”包时产生奇异错误。任何人都可以就如何处理这个问题提供建议吗？

随机参数模型创建：

数据示例（长格式）：

我一直在 R 中使用 mnlogit 来生成多变量逻辑回归模型。我原来的一组变量产生了一个奇异的矩阵错误，即

事实证明，几个“稀疏”列（对于大多数抽样个体而言，变量为 0）会导致这种奇异性错误。我需要一种系统的方法来删除那些导致奇异性错误的变量，同时保留那些允许估计回归模型的变量，即类似于使用函数 step 来选择通过逐步加法最小化 AIC 的变量，但这次删除变量生成奇异矩阵。

有没有办法做到这一点，因为手动检查每个变量（有数百个预测变量）会非常乏味？

我在我的选择模型数据上使用了下面的 r 命令，它运行良好：

• mlmodel_BL <- mlogit（选择〜价格+功能+ Brloy，数据= mldata_BL，reflevel =“Brand4”）

但是当我想在那里添加交互时，我会遇到奇点错误。

• mlmodel_BL2 <- mlogit（选择〜价格+功能+布洛伊+收入*价格，数据= mldata_BL，参考级别=“Brand4”）

错误：

• solve.default(H, g[!fixed]) 中的错误：
• Lapack 例程 dgesv：系统完全是奇异的：U[7,7] = 0

我尝试了下面的命令并且它有效，但是，我更喜欢在我的模型中包含交互表单而不是更改我的数据：

• mldata_BL$Price_Income <- mldata_BL$Price * mldata_BL$Income

• mlmodel_BL2 <- mlogit（选择 ~ 价格 + 功能 + Brloy + Price_Income ，数据 = mldata_BL，参考级别 = “Brand4”）

请您指导我在我的代码中可能导致此问题的原因？谢谢

我正在尝试在 R 中生成使用该nls()函数的 von Bertalanffy 增长模型，但出现“奇异梯度”错误

数据集“FladenA”是指我的样本来自的位置，并包含“最大高度”和“年龄”数据，这是模型所需的两个变量

这是我用来帮助生成模型的 pdf http://derekogle.com/fishR/examples/oldFishRVignettes/VonBertalanffy.pdf

nls()函数需要增长模型表达式作为第一个参数，用适当的变量名称替换通用长度和年龄变量，从中绘制参数中的变量的数据框data=，以及 start= 参数中包含起始参数值的列表. 与往常一样，应将模型拟合分配给对象以进行进一步分析。

nls 中的错误（vbTypical，数据 = FladenA，开始 = svTypicala）：
奇异梯度

这个“奇异梯度”是问题所在，有谁知道如何解释这个问题以及我如何解决它？

我正在拟合具有泊松误差分布和日志链接的glmer 模型，以测试男性组（治疗，控制）对特定生殖行为所花费的时间（秒，因此整数计数）的影响。我的随机因素由女性身份表示，因为同一位女性同时与治疗组和对照组相结合。

由于模型过度分散：在 12 个自由度上为 3364.749（比率：280.396），我引入了第二个观察水平随机因子：

通过这种方式，我纠正了过度分散（残差：11 个自由度上的 3.08，比率：0.28），但我收到了奇异拟合的警告：

边界（奇异）拟合：见?isSingular

我怎么能以不同的方式处理这个问题？非常感谢。

我正在尝试建立一个nonlinear mixed effects model适用于 COVID-19 的数据，该数据符合来自不同国家/地区的每日病例数的钟形曲线（随机效应在国家一级）。

数据表太大，无法包含在帖子中，但这里是数据框的结构：

尝试拟合模型：

但是，这是由此产生的错误：

nlme.formula 中的错误（new_cases ~ bellcurve.model(d, mu, var, x = day), : 0 级反解中的奇点，块 1

我读过其他 StackOverflow 帖子，暗示某些协变量可能会在模型中混淆，但我在这里用来预测的唯一协变量new_cases是day. 任何有关这意味着什么的建议或调试提示将不胜感激，尤其是有关如何解决此问题的任何建议。