Category: လမ်းညွှန်

ဟန်ချက်ညီသော တိကျမှုသည် အမျိုးအစားခွဲခြားမှုပုံစံ တစ်ခု၏ စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် ကျွန်ုပ်တို့အသုံးပြုနိုင်သည့် မက်ထရစ်တစ်ခုဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ Balanced Accuracy = (Sensitivity + Specificity) / ၂ ရွှေ- အာရုံခံစားနိုင်မှု – “ စစ်မှန်သောအပြုသဘောဆောင်နှုန်း” – မော်ဒယ်မှရှာဖွေတွေ့ရှိနိုင်သည့်အပြုသဘောဆောင်သောဖြစ်ရပ်များ၏ရာခိုင်နှုန်း။ တိကျမှု – “ စစ်မှန်သော အနုတ်လက္ခဏာနှုန်း” – မော်ဒယ်က ရှာဖွေတွေ့ရှိနိုင်သည့် အနုတ်လက္ခဏာဆောင်သည့် ဖြစ်ရပ်များ၏ ရာခိုင်နှုန်း။ အတန်းနှစ်ခုသည် ဟန်ချက်မညီသောအခါတွင် ဤမက်ထရစ်သည် အထူးသဖြင့် အသုံးဝင်သည်၊...

Matthews Correlation Coefficient (MCC) သည် အမျိုးအစားခွဲခြင်းပုံစံ တစ်ခု၏ စွမ်းဆောင်ရည်ကို အကဲဖြတ်ရန် ကျွန်ုပ်တို့အသုံးပြုနိုင်သည့် မက်ထရစ်တစ်ခုဖြစ်သည်။ အောက်ပါအတိုင်း တွက်ချက်သည်။ MCC = (TP*TN – FP*FN) / √ (TP+FP)(TP+FN)(TN+FP)(TN+FN) ရွှေ- TP : စစ်မှန်သော အပြုသဘောဆောင်သည့် အရေအတွက် TN : အနုတ်အမှန် အရေအတွက် FP : မှားယွင်းသော အပြုသဘောဆောင်သည့် အရေအတွက် FN : မှားယွင်းသော အနုတ်လက္ခဏာ အရေအတွက်...

မကြာခဏ Excel ရှိ ကော်လံတစ်ခုတွင် ထပ်နေသောတန်ဖိုးများကို ရေတွက်လိုပေမည်။ ကံကောင်းထောက်မစွာ၊ ၎င်းသည်ပြုလုပ်ရန်လွယ်ကူပြီး၎င်းကိုပြုလုပ်နည်းကိုအောက်ပါဥပမာများကပြသသည်။ ဥပမာ 1- တန်ဖိုးတစ်ခုစီအတွက် ထပ်နေသောများကို ရေတွက်ပါ။ Excel ရှိ ကော်လံတစ်ခုစီရှိ တန်ဖိုးတစ်ခုစီအတွက် ထပ်နေသောအရေအတွက်ကို ရေတွက်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။ =COUNTIF( $A$2:$A$14 , A2 ) ဥပမာအားဖြင့်၊ အဖွဲ့အမည်များစာရင်းတွင် ထပ်နေသည့်အရေအတွက်ကို ရေတွက်ရန် ဤဖော်မြူလာကို အသုံးပြုနည်းကို အောက်ပါ screenshot တွင် ပြသသည်- ရလဒ်မှ ကျွန်ုပ်တို့ မြင်နိုင်သည်-...

ဆီမီးခုံဇယား သည် အချိန်နှင့်အမျှ ငွေရေးကြေးရေး၏ စျေးနှုန်းလှုပ်ရှားမှုများကို ပြသသည့် ဘဏ္ဍာရေးဇယား အမျိုးအစားတစ်ခုဖြစ်သည်။ အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် Excel တွင် ဆီမီးခုံဇယားကို ဖန်တီးနည်းကို ပြသထားသည်။ အဆင့် 1: ဒေတာကိုထည့်ပါ။ ဦးစွာ၊ ၈ ရက်တာကာလအတွင်း ပေးထားသည့် စတော့ရှယ်ယာတစ်ခု၏ အဖွင့်၊ အမြင့်၊ အနိမ့်နှင့် အပိတ်စျေးနှုန်းများကို ပြသသည့် ဒေတာအစုတစ်ခုမှ စျေးနှုန်းများကို ထည့်သွင်းကြပါစို့။ အဆင့် 2- ဆီမီးခုံဇယားကို ဖန်တီးပါ။ ထို့နောက် A1:E9 အကွာအဝေးရှိ တန်ဖိုးအားလုံးကို အောက်ပါအတိုင်း...

ဆီမီးခုံဇယား သည် အချိန်နှင့်အမျှ ငွေရေးကြေးရေး၏ စျေးနှုန်းလှုပ်ရှားမှုများကို ပြသသည့် ဘဏ္ဍာရေးဇယား အမျိုးအစားတစ်ခုဖြစ်သည်။ အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် Google Sheets တွင် ဆီမီးခုံဇယားကို ဖန်တီးနည်းကို ပြသထားသည်။ အဆင့် 1: ဒေတာကိုထည့်ပါ။ ဦးစွာ၊ 8 ရက်တာကာလအတွင်း ပေးထားသော စတော့ရှယ်ယာတစ်ခု၏ အနိမ့်၊ အဖွင့်၊ အပိတ်နှင့် မြင့်မားသောစျေးနှုန်းများကို ပြသသည့် ဒေတာအစုတစ်ခုမှ စျေးနှုန်းများကို ထည့်သွင်းကြပါစို့။ မှတ်ချက် – ရက်စွဲကော်လံသည် ရိုးရိုးစာသားဖော်မတ်ဖြစ်ရပါမည်။ မဟုတ်ပါက ရက်စွဲကော်လံကို မီးမောင်းထိုးပြပါ၊ ထို့နောက်...

မကြာခဏဆိုသလို စာရင်းဇယားများတွင် ကျွန်ုပ်တို့သည် အကြောင်းရင်းနှစ်ခုထဲမှ တစ်ခုအတွက် ဒေတာကို အသုံးပြုလိုသည်- (1) Inference- ကိန်းရှင်ကိန်းရှင်များနှင့် လက်ရှိဒေတာအတွဲရှိ တုံ့ပြန်မှုကိန်းရှင် ကြား ဆက်နွယ်မှု၏ သဘောသဘာဝကို ကျွန်ုပ်တို့ နားလည်လိုပါသည်။ (၂) ကြိုတင်ခန့်မှန်းချက်- စူးစမ်းမှုအသစ်တစ်ခု၏ တုံ့ပြန်မှုကိန်းရှင်၏တန်ဖိုးကို ခန့်မှန်းသည့်ပုံစံတစ်ခုတည်ဆောက်ရန် ရှိပြီးသားဒေတာအစုံကို အသုံးပြုလိုပါသည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် အိမ်များနှင့်ပတ်သက်သည့် အချက်အလက်များပါဝင်သော အောက်ပါဒေတာအတွဲကို ဆိုပါစို့။ ကောက်ချက်ဥပမာတစ်ခု။ ကျွန်ုပ်တို့သည် စတုရန်းပုံ၊ အိပ်ခန်းအရေအတွက်နှင့် ရေချိုးခန်းအရေအတွက်တို့ကို တုံ့ပြန်မှုကိန်းရှင်အဖြစ် ခန့်မှန်းတွက်ချက်နိုင်သော ကိန်းရှင်များနှင့် စျေးနှုန်းများကို အသုံးပြု၍ မျိုးစုံမျဉ်းကြောင်းဆုတ်ယုတ်မှုပုံစံ...

R တွင် vector နှစ်ခုပေါင်းစပ်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်။ နည်းလမ်း 1- vector နှစ်ခုကို vector တစ်ခုသို့ ပေါင်းစပ်ပါ။ new_vector <- c(vector1, vector2) နည်းလမ်း 2- vector နှစ်ခုကို matrix တစ်ခုအဖြစ် ပေါင်းစပ်ပါ။ new_matrix <- cbind(vector1, vector2) နည်းလမ်း 3- ဒေတာဘောင်တစ်ခုတွင် vector နှစ်ခုကို ပေါင်းစပ်ပါ။ new_df <- data. frame (vector1, vector2) အောက်ဖော်ပြပါ...

R တွင် အခြေအနေအလိုက် အတန်းများကို ရွေးချယ်ရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1- အခြေအနေတစ်ခုအပေါ် အခြေခံ၍ အတန်းများကို ရွေးပါ။ df[df$var1 == ' value ', ] နည်းလမ်း 2- အခြေအနေများစွာအပေါ်အခြေခံ၍ အတန်းများကိုရွေးချယ်ပါ။ df[df$var1 == ' value1 ' & df$var2 > value2 , ] နည်းလမ်း 3- စာရင်းရှိ တန်ဖိုးအပေါ်အခြေခံ၍ အတန်းများကို ရွေးပါ။ df[df$var1...

R ရှိ vector တစ်ခုမှ NA တန်ဖိုးများကို ဖယ်ရှားရန် အောက်ပါနည်းလမ်းများကို သင်အသုံးပြုနိုင်သည်။ နည်းလမ်း 1: NA တန်ဖိုးများကို vector မှဖယ်ရှားပါ။ data <- data[!is. na (data)] နည်းလမ်း 2- na.rm ကိုအသုံးပြု၍ တွက်ချက်မှုပြုလုပ်သည့်အခါ NA တန်ဖိုးများကို ဖယ်ရှားပါ max(data, na.rm = T ) mean(data, na.rm = T ) ... နည်းလမ်း 3-...

အမျိုးအစားခွဲကိန်းရှင်တစ်ခုအား R တွင် ကိန်းဂဏာန်းမပြောင်းလဲနိုင်သောအဖြစ်သို့ ပြောင်းလဲရန် အောက်ပါနည်းလမ်းများထဲမှ တစ်ခုခုကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း ၁ df$var1 <- unclass(df$var1) နည်းလမ်း 2- များစွာသော အမျိုးအစားအလိုက် ကိန်းရှင်များကို ဂဏန်းတန်ဖိုးများအဖြစ် ပြောင်းပါ။ df[, c(' var1 ', ' var2 ')] <- sapply(df[, c(' var1 ', ' var2 ')], unclass) နည်းလမ်း 3- အမျိုးအစားအလိုက် ကိန်းရှင်များအားလုံးကို ဂဏန်းတန်ဖိုးများအဖြစ်...