问题标签 [varying]

我是新手proc fcmp，我想知道如何在 SAS中编写具有不同数量参数的用户定义函数，例如whichc()or 。coalesce()

如果有人能给我一些提示，我将不胜感激。

我有一些 Stata 代码，我想在R中复制结果。然而，即使使用相同的数据集和我认为相同的代码，我在R中得到的结果与在 Stata 中的结果不同。我认为这可能是因为 Stata 使回归的顺序与键入的顺序不同。

我是否需要与 Stata 中完全相同的顺序才能获得相同的结果，我该怎么做？

我将所有变量更改为因子并再次尝试，但问题仍然存在。

我注意到，当我更改解释变量的顺序时，我得到了不同的结果，但我没有找到“正确的顺序”来复制 Stata 结果。

状态码：

代码：

你可以看到我在复制中得到了完全不同的值。

在 X2data 集中，我已经对值进行了子集化if inelig == 0 & anyoutv1 == 0

对于数据的重建：

我正在尝试创建具有相似名称的多个数据框。名称根据列表变化，也加入一个操作。

我有 train_D、train_E 和 train_F 的数据集，我想相应地对这些数据集应用相同的函数。

在线可用的解决方案只讨论跨列的循环，但我需要可更改的函数来创建新的数据框。

SyntaxError：无效的语法

我是使用 R 的新手。我正在尝试使用面板数据估计潜在类 logit 模型。我试着按照这个例子：https ://rpubs.com/msarrias1986/335556 。
我被告知以下代码应该可以工作：

使用 17 列的基本数据文件（见图），它可以工作。但是，当我再添加一列时，例如性别的虚拟变量，我得到 2 个错误：

1. 在第一个命令中，我收到错误“reshapeLong 中的错误（数据，idvar = idvar，timevar = timevar，variable = varying，：'varying' arguments must be the same length”。我注意到我可以摆脱错误通过声明“variing = list(3:18)”而不是“variing = 3:18”，但我不确定这是否是处理它的正确方法。

2. 在第二个命令中，我收到错误“eval 中的错误（predvars，data，env）：找不到对象'COST'”。'COST' 确实不是一个变量，但'COST_1'（即第一个备选方案的成本）、'COST_2' 和'COST_3' 是。我希望“成本”的系数代表成本在选择替代方案时的重要性。这对于所有其他变量都是相似的。

我觉得很奇怪，只是在数据文件中添加 1 列会导致这些错误。我希望有人有一些好的建议。感谢您的帮助！

（包含图像中我的数据示例）。

我正在尝试基于离散选择实验来估计 R 中的潜在类模型。我的选择集中的属性是“COST”、“NUCL”、“REN”、“FOSS”和“OUTAGE”。我还问了一些背景问题，这些问题给了我变量“MALE”、“NL”、“Y25”、“Y50”、“INC4000”等等（大约 40 个变量）。我正在使用的代码是：

到目前为止，它有效。但是，我需要添加更多的个人特征（因为我有大约 40 个）。当我在“SPA”之后再添加一个变量时，该模型不再起作用。然后，我得到错误：

“solve.default(-H) 中的错误：系统在计算上是奇异的：倒数条件数 = 2.58564e-109”

也许模型只接受 17 个变量，因为我指定了“variing = 3:17”？但是，“df01”文件包含更多列。如果我尝试将“3:17”更改为“3:18”，我会收到错误消息：

“reshapeLong 中的错误（数据，idvar = idvar，timevar = timevar，varying = varying，：'varying' 参数必须是相同的长度”

我究竟做错了什么？我希望有人有一些好的建议。感谢您的帮助！

我正在使用 LSTM 在 Keras 中构建多对多网络。我有不同长度的序列（标签总是与它们描述的序列具有相同的长度）。为了处理不同的长度，在搜索其他 SO 帖子后，我发现填充 + 掩蔽是最好的解决方案。

这是我的模型：

所以我有 n (874) 个 max_len (24) 个填充序列样本，每个样本有 25 个特征。但是我该如何处理我的标签？我也要垫它们吗？

如果我以与 X 相同的方式填充它们（具有相同的特殊值），我会得到：
X_train 形状：（873、24、25）
y_train 形状：（873、24）

一切都很好，除了我收到以下错误： ValueError: Can not squeeze dim[1], expected a dimension of 1, got 24 for '{{node binary_crossentropy/weighted_loss/Squeeze}} = Squeeze[T=DT_FLOAT, squeeze_dims=[-1]](Cast_1)' with input shapes: [1,24].

搜索此错误会导致发布有关retun_sequences=True从我的 LSTM 层中删除的帖子，但我不希望这样，因为我的每个时间步都被标记...

如果我不填充它们，它们就无法转换为张量以供 tensorflow 使用。

编辑：
我想要实现的架构的解释性说明，由这个答案提供：https ://stackoverflow.com/a/52092176/7732923

我有一个典型UITableView的自定义单元格。所有单元格都属于同一类型 - 一个 UIStackView 包含相同类型的视图，但它们的数量不同。

尝试使用一个单元格 - 删除 - 添加内部视图很慢。

尝试为不同数量的子视图创建不同的单元格：

但似乎它只注册了一个没有子视图的单元格，并且使用不同的单元格标识符没有意义（因为每次您需要手动添加 stackview 子视图）。

如何解决这个问题？

已编辑

添加了单元格的代码

The dataset I have is a medical dataset, where measurements were taken at 6 month intervals. Now I want the model to predict 5 years into the future. However there are a lot of subjects that only have for example the first three years of 6 month interval data. How do I still use this data to build a LSTM where the objective is to forecast a value 5 years into the future? Do I have to do something with padding and masking?

Thank you

我不能在这里得到错误，你能帮帮我吗？

我收到此错误：

猜测错误（变化）：无法从名称中猜测随时间变化的变量

这就是我的数据集的样子：

数据集

谢谢！

我的任务是为 R 中的 Smarket 数据找到最佳模型。有 8 个自变量，我决定使用这些变量的任意组合，然后构建所有 LDA 和 QDA 模型。他们的表现将被测试和比较，以选择最佳模型。对于 8 个自变量，共有 255 个组合。我设法将它们存储在一个名为 model_varaibles() 的列表中。我尝试使用 for 循环来创建模型：

我想我需要另一个解决方案而不是 for 循环。我收到以下错误：

我感谢您的帮助。先感谢您。