- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
首先,我想向整个社区表达我的感激之情——我仅仅通过仔细阅读论坛就学到了很多东西。
我有一个关于变量分组的问题,希望得到帮助。
我有一个包含多列(“1”到“5”)的数据集。我想以列“1”( strip )的平均值最接近 100% 的方式对数据进行分组。例如,假设数据如下所示:
Banding Gender Country Type BirthYear Salary
220.9% Male Canada alpha 1962 7,779.15
112.2% Male Canada alpha 1946 1,355.64
80.8% Male Canada alpha 1959 24,535.52
83.7% Male Canada alpha 1943 3,961.32
112.6% Male Canada alpha 1965 17,388.12
146.2% Male Canada beta 1943 2,915.33
54.8% Male Canada beta 1949 5,005.50
138.6% Male Canada beta 1949 17,297.12
141.5% Male Canada beta 1942 494.52
137.0% Male Canada beta 1943 2,054.52
54.0% Male UStates alpha 1940 208.56
62.1% Male UStates alpha 1946 1,216.68
19.5% Male UStates alpha 1960 5,589.45
134.6% Male UStates alpha 1959 5,928.50
39.6% Male UStates alpha 1952 4,486.02
149.5% Male UStates beta 1954 3,427.36
95.6% Male UStates beta 1940 313.10
113.7% Male UStates beta 1942 927.00
120.4% Male UStates beta 1954 3,408.36
170.7% Male UStates beta 1937 606.60
88.1% Male Canada alpha 1941 727.67
201.1% Male Canada alpha 1946 1,715.88
347.3% Male Canada alpha 1969 1,438.92
380.3% Male Canada alpha 1941 282.60
506.2% Male Canada alpha 1942 1,167.48
418.7% Female Canada beta 1943 934.40
109.0% Female Canada beta 1952 4,831.43
223.7% Female Canada beta 1953 2,161.06
193.8% Female Canada beta 1954 5,119.91
83.9% Female Canada beta 1963 14,716.20
76.3% Female UStates alpha 1960 6,255.56
241.6% Female UStates alpha 1944 1,567.68
79.9% Female UStates alpha 1942 622.77
42.8% Female UStates alpha 1952 2,149.20
78.0% Female UStates alpha 1951 2,689.20
65.7% Female UStates beta 1951 11,721.19
179.7% Female UStates beta 1923 1,362.00
136.0% Female UStates beta 1945 528.48
74.1% Female UStates beta 1966 25,290.89
127.1% Female UStates beta 1963 7,451.59
19.2% Female Canada alpha 1942 2,070.19
116.2% Female Canada alpha 1936 298.66
118.6% Female Canada alpha 1958 428.28
108.1% Female Canada alpha 1954 3,610.08
99.1% Female Canada alpha 1943 519.48
135.9% Female UStates beta 1940 63.96
144.2% Female UStates beta 1968 23,851.96
119.3% Female UStates beta 1936 1,376.76
112.9% Female UStates beta 1951 2,527.56
129.0% Female UStates beta 1949 1,061.88
我想要得到类似于第二张表的输出。从第二张表中,该程序已确定 BirthYear 不是重要变量,并同时对薪水进行分段,以使“分段”的箱子尽可能接近 100。使用所有变量并不重要,但最好在每个分组中使用最少数量的样本。
现在,我正在使用 Excel 中的一系列数据透视表和 R 中的 CART 分析来获得接近 100 的 strip 。这是大量的试验/错误,需要很多小时(真实数据集包含许多变量和超过 50,000 行)。
Gender Country Type Salary Banding
Male Canada and Ustates Alpha <1000 112.5
Male Canada and Ustates Alpha 1000-4000 117
Male Canada and Ustates Alpha >4000 108
Male Canada and Ustates Beta <1000 110
Male Canada and Ustates Beta 1000-4000 98
Male Canada and Ustates Beta >4000 97
Female Canada Alpha <1000 100
Female Canada Alpha 1000-4000 115
Female Canada Alpha >4000 117.5
Female Canada Beta <1000 118
Female Canada Beta 1000-4000 110
Female Canada Beta >4000 115
Female Ustates Alpha <1000 102
Female Ustates Alpha 1000-4000 99
Female Ustates Alpha >4000 101
Female Ustates Beta <1000 116
Female Ustates Beta 1000-4000 102
Female Ustates Beta >4000 98
谢谢大家。感谢 friend 的任何帮助。
快乐编码。
最佳答案
你应该考虑你到底想优化什么,然后用数学的方式定义它。你的限制是什么,你对每个目标的重视程度等等?这将帮助您找到最佳分组。
这是一种使用随机搜索的方法:
library(dplyr)
dat$Banding <- gsub("\\%", "", dat$Banding) %>% as.numeric
band_vals <- matrix(dat$Banding, ncol=1)
max_groups <- 20
min_groups <- 10
min_group_size <- 2
iters <- 100000
cost_vector <- rep(NA, iters)
best_cost <- Inf
n_groups <- sample(min_groups:max_groups, size=iters, replace=T)
for(iter in 1:iters) {
set.seed(iter)
x <- sample(n_groups[i], size=nrow(dat), replace=T)
if(any(table(x) < min_group_size)) next;
x_mat <- matrix(nrow = n_groups[i], ncol = nrow(dat), 0)
for (i in 1:length(x)) {
x_mat[x[i], i] <- 1/sum(x==x[i])
}
cost <- sum(( (x_mat %*% band_vals) - 100 )^2)
if(cost < best_cost) {
best_cost <- cost
best_x <- x
}
cost_vector[iter] <- best_cost
}
dat$group <- best_x
plot(na.omit(cost_vector), type="l")
dat %>% group_by(group) %>% summarize(avg_banding = mean(Banding), n=n())
group avg_banding n
<int> <dbl> <int>
1 1 114 2
2 2 153 6
3 3 114 4
4 4 120 3
5 5 170 10
6 6 154 2
7 7 138 2
8 8 57.6 2
9 9 100 2
10 10 119 3
11 11 134 3
12 12 176 6
13 13 127 3
14 14 95.8 2
时间成本:
关于r - 通过最小化 R 中的方差对数据进行分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49615288/
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 10年前关闭。 Improve this qu
从以下网站,我找到了执行java AD身份验证的代码。 http://java2db.com/jndi-ldap-programming/solution-to-sslhandshakeexcepti
似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框,然后通过转换让您执行聚合。 ddply,从 plyr 包看起来非常相似..你给它一个数据框,几个用于分组的列变量和一个聚合
我的问题是关于 memcached。 Facebook 使用 memcached 作为其结构化数据的缓存,以减少用户的延迟。他们在 Linux 上使用 UDP 优化了 memcached 的性能。 h
在 Camel route ,我正在使用 exec 组件通过 grep 进行 curl ,但使用 ${HOSTNAME} 的 grep 无法正常工作,下面是我的 Camel 路线。请在这方面寻求帮助。
我正在尝试执行相当复杂的查询,在其中我可以排除与特定条件集匹配的项目。这是一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我正在尝试执行相当复杂的查询,我可以在其中排除符合特定条件集的项目。这里有一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我发现了很多嵌入/内容项目的旧方法,并且我遵循了在这里找到的最新方法(我假设):https://blog.angular-university.io/angular-ng-content/ 我正在尝试
我正在寻找如何使用 fastify-nextjs 启动 fastify-cli 的建议 我曾尝试将代码简单地添加到建议的位置,但它不起作用。 'use strict' const path = req
我正在尝试将振幅 js 与 React 和 Gatsby 集成。做 gatsby developer 时一切看起来都不错,因为它发生在浏览器中,但是当我尝试 gatsby build 时,我收到以下错
我试图避免过度执行空值检查,但同时我想在需要使代码健壮的时候进行空值检查。但有时我觉得它开始变得如此防御,因为我没有实现 API。然后我避免了一些空检查,但是当我开始单元测试时,它开始总是等待运行时异
尝试进行包含一些 NOT 的 Kibana 搜索,但获得包含 NOT 的结果,因此猜测我的语法不正确: "chocolate" AND "milk" AND NOT "cow" AND NOT "tr
我正在使用开源代码共享包在 iOS 中进行 facebook 集成,但收到错误“FT_Load_Glyph failed: glyph 65535: error 6”。我在另一台 mac 机器上尝试了
我正在尝试估计一个标准的 tobit 模型,该模型被审查为零。 变量是 因变量 : 幸福 自变量 : 城市(芝加哥,纽约), 性别(男,女), 就业(0=失业,1=就业), 工作类型(失业,蓝色,白色
我有一个像这样的项目布局 样本/ 一种/ 源/ 主要的/ java / java 资源/ .jpg 乙/ 源/ 主要的/ java / B.java 资源/ B.jpg 构建.gradle 设置.gr
如何循环遍历数组中的多个属性以及如何使用map函数将数组中的多个属性显示到网页 import React, { Component } from 'react'; import './App.css'
我有一个 JavaScript 函数,它进行 AJAX 调用以返回一些数据,该调用是在选择列表更改事件上触发的。 我尝试了多种方法来在等待时显示加载程序,因为它当前暂停了选择列表,从客户的 Angul
可能以前问过,但找不到。 我正在用以下形式写很多语句: if (bar.getFoo() != null) { this.foo = bar.getFoo(); } 我想到了三元运算符,但我认
我有一个表单,在将其发送到 PHP 之前我正在执行一些验证 JavaScript,验证后的 JavaScript 函数会发布用户在 中输入的文本。页面底部的标签;然而,此消息显示短暂,然后消失...
我是一名优秀的程序员,十分优秀!