我正在对数据集进行tobit分析,在该数据集中,因变量(让我们称之为y)在0处被删除。所以我就是这么做的:
library(AER)
fit <- tobit(data=mydata,formula=y ~ a + b + c)
这很好。现在我想运行“预测”函数来得到合适的值。理想情况下,我感兴趣的是未观察的潜在变量"y*“和观察到的删失变量"y”的预测值,参见参考1。
我检查了predict.survreg引用2的文档,我想我不明白是哪个选项给了我预测的删失变量(还是潜在的变量)。
我在网上找到的大多数例子都建议如下:
predict(fit,type="re
在之后,我试图解决一个填充不一致的问题,而不是每个批次的张量末尾的问题(换句话说,没有双关的意思,我的批次中有一个左删和右删的问题):
# Data structure example from docs
seq = torch.tensor([[1,2,0], [3,0,0], [4,5,6]])
# Data structure of my problem
inconsistent_seq = torch.tensor([[1,2,0], [0,3,0], [0,5,6]])
lens = ...?
packed = pack_padded_sequence(seq, lens, b
当我使用以下代码时:
using System;
namespace Foo {
[Flags]
public enum Bar : ulong {
None = 0x0000000000000000,
A = 0x8000000000000000,
B = 0x0000000000000001L | A,
C = 0x0000000000000002L | B,
D = 0x000
在一种情况下,可以使用SUM的结果吗?我当前的查询如下:
SELECT USERNAME, SUM(AMOUNT),
CASE SUM(AMOUNT)
WHEN SUM(AMOUNT) = 0.0 THEN 1
WHEN SUM(AMOUNT) < 50.0 THEN 2
WHEN SUM(AMOUNT) > 75.0 THEN 4
END AS gid, 0 FROM payments GROUP BY USERNAME;
这在我看来很好,但会产生这样的结果:
删失13.00空0
有可能这样做吗?