We calculated the mean μ with the o

We calculated the mean μ with the output of a Poisson Lasso (least absolute shrinkage and selection operator) regression model [31,32]. The dispersion coefficient θ was calculated from the observed number of falls Y and the predictions μ issued by the regression model, using maximum likelihood and assuming the number of falls as drawn from a negative binomial distribution with mean equal to μ (R function theta.ml from package MASS[33]). Fitting and evaluation were performed with 10-fold cross-validation. Samples were split into 10 folds in such a way that all the samples from the same subject were assigned to the same fold. In turn, nine folds were used to fit a Poisson Lasso regression model [32] and calculate a dispersion coefficient. This regression model and the dispersion coefficient were used to issue the probabilistic predictions on the samples of the test fold (Fig 1). In the following, we refer to this approach as the “unconstrained Lasso model”, or “Lasso model” for brevity.

ผลลัพธ์ (ไทย) 1:

เราคำนวณμหมายถึง มีการแสดงผลของแบบจำลองการถดถอยแบบ Poisson Lasso (แน่นอนอย่างน้อยการหดตัวและการเลือกดำเนินการ) [31,32] คำนวณค่าθค่าสัมประสิทธิ์การกระจายจากจำนวนสังเกตตก Y และμคาดคะเนที่ออก โดยแบบจำลองถดถอย ใช้โอกาสสูงสุด และสมมติว่าหมายเลขของน้ำตกที่มาจากการแจกแจงทวินามลบด้วยหมายถึงเท่ากับμ (R ฟังก์ชัน theta.ml จาก MASS[33]) เหมาะสมและการประเมินผลได้ดำเนินการกับการตรวจสอบข้าม 10-fold ตัวอย่างถูกแบ่งออกเป็น 10 เท่าในลักษณะที่ตัวอย่างจากเรื่องเดียวกันถูกกำหนดไว้ในพับเดียวกัน ในทางกลับกัน ใช้เก้าพับพอดีกับแบบจำลองการถดถอยแบบ Poisson Lasso [32] และคำนวณค่าสัมประสิทธิ์การกระจาย รุ่นนี้ถดถอยและสัมประสิทธิ์การกระจายถูกใช้ออกการคาดคะเนน่าจะในตัวอย่างของพับทดสอบ (1 รูป) ในต่อไปนี้ เราจะเรียกวิธีนี้ว่า "รุ่นแบบ Lasso unconstrained" หรือ "แบบ Lasso แบบ" เพื่อความกระชับ

ผลลัพธ์ (ไทย) 2:

เราคำนวณค่าเฉลี่ยμกับการส่งออกของ Poisson เชือก (หดตัวแน่นอนอย่างน้อยและผู้ประกอบการตัวเลือก) รุ่นถดถอย [31,32] θกระจายค่าสัมประสิทธิ์ที่คำนวณได้จากจำนวนสังเกตของน้ำตก Y และการคาดการณ์μออกโดยรูปแบบการถดถอยโดยใช้ความน่าจะเป็นสูงสุดและสมมติว่าจำนวนของน้ำตกเป็นมาจากการกระจายทวินามลบกับเท่ากับหมายถึงμ (ฟังก์ชั่น R theta.ml จากแพคเกจ MASS [33]) กระชับและประเมินผลการดำเนินการกับ 10 เท่าการตรวจสอบข้าม ตัวอย่างถูกแบ่งออกเป็น 10 เท่าในลักษณะที่ว่าทุกตัวอย่างจากเรื่องเดียวกันได้รับมอบหมายให้พับเดียวกัน ในทางกลับกันเก้าเท่าถูกนำมาใช้เพื่อให้เหมาะสมกับรูปแบบการถดถอยปัวซองเชือก [32] และคำนวณค่าสัมประสิทธิ์การกระจายตัว ตัวแบบการถดถอยนี้และค่าสัมประสิทธิ์การกระจายตัวที่ถูกใช้ในการออกการคาดการณ์ความน่าจะเป็นตัวอย่างของการทดสอบเท่า (รูปที่ 1) ในต่อไปนี้เราจะเรียกวิธีการนี​​้ว่า "รูปแบบไม่มีข้อ จำกัด เชือก" หรือ "รุ่นเชือก" สำหรับความกะทัดรัด

ผลลัพธ์ (ไทย) 3:

เราคำนวณค่าเฉลี่ยμกับผลผลิตของปัวซงบาศ ( อย่างน้อยแน่นอนการหดตัวและการเลือกรูปแบบการ 31,32 [ ผู้ประกอบการ ] สัมประสิทธิ์การกระจายθคำนวณได้จากสังเกตจำนวนฟอลส์ Y และการคาดการณ์μออกโดยแบบจำลองการถดถอยโดยใช้ความน่าจะเป็นสูงสุด และสมมติว่าจำนวนของน้ำตกที่วาดจากการแจกแจงทวินามลบด้วยค่าเฉลี่ยเท่ากับμ ( R ฟังก์ชัน theta.ml จากแพคเกจมวล [ 33 ] ) ที่เหมาะสมและประเมินผลมีการปฏิบัติกับ 10 โฟลด กลุ่มตัวอย่างแบ่งเป็น 10 เท่าในลักษณะทั้งหมดตัวอย่างจากหัวข้อเดียวกันได้มอบหมายให้คอกเดียวกัน ในการเปิด , เก้าเท่า ถูกใช้ให้พอดีกับแบบจำลองการถดถอยปัวซอเชือกบาศ [ 32 ] และคำนวณการกระจายของ นี้รูปแบบการถดถอยและสัมประสิทธิ์ที่ใช้ออกคาดคะเนความน่าจะเป็นในตัวอย่างของแบบพับ ( ตารางที่ 1 ) ในต่อไปนี้เราเรียกวิธีการนี้ว่าเป็น " นางแบบ " เชือก " เชือกซึ่งไม่มีเงื่อนไขหรือรูปแบบสำหรับการใช้คำที่สั้นกระชับ