原文鏈接：http://tecdat.cn/?p=22956

原文出處：拓端數(shù)據(jù)部落公眾號

數(shù)據(jù)簡介

受第三類錯牙合畸形影響的患者（以下牙弓突出為特征），其骨骼不平衡在生命早期就產(chǎn)生，在青春期和骨骼成熟前會變得更加明顯。在單個III類患者中早期預(yù)測治療的成功或失敗，使其更容易矯正，但僅從少量的形態(tài)決定因素中預(yù)測是很難做到的。原因是III類錯頜畸形很少是單一顱面部件異常的結(jié)果，所以單個的臨床和放射學(xué)測量值可能不如測量值本身的相互作用具有指示性。

我們將使用的數(shù)據(jù)集包含143名患者（查看文末了解數(shù)據(jù)獲取方式)，在T1和T2年齡段有兩組測量數(shù)據(jù)（以年為單位）。

數(shù)據(jù)詳情

數(shù)據(jù)格式

csv

字段

治療：未經(jīng)治療（NT），治療后效果不好（TB），治療后效果好（TG）。

生長：一個二元變量，數(shù)值為好或壞。

ANB：唐氏點A和B之間的角度（度）。

IMPA：門牙-下頜平面角（度）。

PPPM：腭平面-下頜平面的角度（度）。

CoA：上頜骨從髁狀突到唐氏點A的總長度（mm）。

GoPg：下頜體從齒齦到齒齦的長度（mm）。

CoGo：下頜骨的長度，從髁狀突到齒狀突（mm）。

大小

12.2kb

樣本量

143

數(shù)據(jù)瀏覽

以前7行數(shù)據(jù)為例，我們來預(yù)覽一下：

變量探索：

數(shù)據(jù)獲取

在下面公眾號后臺回復(fù)“錯頜畸形數(shù)據(jù)集”，可獲取完整數(shù)據(jù)。

點擊標(biāo)題查閱往期內(nèi)容

R語言中貝葉斯網(wǎng)絡(luò)（BN）、動態(tài)貝葉斯網(wǎng)絡(luò)、線性模型分析錯頜畸形數(shù)據(jù)

左右滑動查看更多

01

02

03

04

點擊標(biāo)題查閱往期內(nèi)容

R語言JAGS貝葉斯回歸模型分析博士生延期畢業(yè)完成論文時間

R語言Metropolis Hastings采樣和貝葉斯泊松回歸Poisson模型

Python決策樹、隨機森林、樸素貝葉斯、KNN（K-最近鄰居）分類分析銀行拉新活動挖掘潛在貸款客戶

R語言貝葉斯MCMC：用rstan建立線性回歸模型分析汽車數(shù)據(jù)和可視化診斷

R語言貝葉斯MCMC：GLM邏輯回歸、Rstan線性回歸、Metropolis Hastings與Gibbs采樣算法實例

R語言貝葉斯Poisson泊松-正態(tài)分布模型分析職業(yè)足球比賽進(jìn)球數(shù)

隨機森林優(yōu)化貝葉斯預(yù)測分析汽車燃油經(jīng)濟(jì)性

R語言邏輯回歸、Naive Bayes貝葉斯、決策樹、隨機森林算法預(yù)測心臟病

R語言用Rcpp加速Metropolis-Hastings抽樣估計貝葉斯邏輯回歸模型的參數(shù)

R語言中的block Gibbs吉布斯采樣貝葉斯多元線性回歸

Python貝葉斯回歸分析住房負(fù)擔(dān)能力數(shù)據(jù)集

R語言實現(xiàn)貝葉斯分位數(shù)回歸、lasso和自適應(yīng)lasso貝葉斯分位數(shù)回歸分析

Python用PyMC3實現(xiàn)貝葉斯線性回歸模型

R語言用WinBUGS 軟件對學(xué)術(shù)能力測驗建立層次（分層）貝葉斯模型

R語言Gibbs抽樣的貝葉斯簡單線性回歸仿真分析

R語言和STAN,JAGS：用RSTAN,RJAG建立貝葉斯多元線性回歸預(yù)測選舉數(shù)據(jù)

R語言基于copula的貝葉斯分層混合模型的診斷準(zhǔn)確性研究

R語言貝葉斯線性回歸和多元線性回歸構(gòu)建工資預(yù)測模型

R語言貝葉斯推斷與MCMC：實現(xiàn)Metropolis-Hastings 采樣算法示例

R語言stan進(jìn)行基于貝葉斯推斷的回歸模型

R語言中RStan貝葉斯層次模型分析示例

R語言使用Metropolis-Hastings采樣算法自適應(yīng)貝葉斯估計與可視化

R語言隨機搜索變量選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

WinBUGS對多元隨機波動率模型：貝葉斯估計與模型比較

R語言實現(xiàn)MCMC中的Metropolis–Hastings算法與吉布斯采樣

R語言貝葉斯推斷與MCMC：實現(xiàn)Metropolis-Hastings 采樣算法示例

R語言使用Metropolis-Hastings采樣算法自適應(yīng)貝葉斯估計與可視化

視頻：R語言中的Stan概率編程MCMC采樣的貝葉斯模型

R語言MCMC:Metropolis-Hastings采樣用于回歸的貝葉斯估計

欲獲取全文文件，請點擊左下角“閱讀原文”。