Statistik dan Big Data

Dalam analisis data panel, saya telah menggunakan model multi-level dengan efek acak / campuran untuk menangani masalah auto-korelasi (yaitu, pengamatan dikelompokkan dalam individu dari waktu ke waktu) dengan parameter lain yang ditambahkan untuk menyesuaikan beberapa spesifikasi waktu dan guncangan minat. . ARMA / ARIMA tampaknya dirancang untuk mengatasi masalah serupa. …

14 time-series  mixed-model  arima  multilevel-analysis 

Dalam sebuah artikel penelitian tentang analisis sensitivitas model persamaan diferensial biasa dari sistem dinamis, penulis memberikan distribusi parameter model sebagai distribusi Normal (rata-rata = 1e-4, std = 3e-5) terpotong ke kisaran [0,5e -4 1.5e-4]. Dia kemudian menggunakan sampel dari distribusi terpotong ini untuk simulasi model. Apa artinya memiliki distribusi terpotong …

14 distributions  simulation  truncation 

Pertama-tama, saya ingin menjelaskan beberapa tata letak umum yang digunakan buku Penambangan Data yang menjelaskan cara menangani Kumpulan Data Tidak Seimbang . Biasanya bagian utama dinamai Dataset Tidak Seimbang dan mencakup dua subbagian ini: Klasifikasi Sensitif Biaya dan Teknik Pengambilan Sampel. Tampaknya menghadapi masalah dengan kelas langka, Anda dapat melakukan …

14 machine-learning  classification  unbalanced-classes 

Apa perbedaan antara varians sampel dan varians sampel? Mereka tampak sama. Bukan?

14 sampling  variance  sample 

Pertama, saya kira tidak semua anggota aktif situs yang menarik ini adalah ahli statistik sebagai pekerjaan mereka. Kalau tidak, pertanyaan yang diajukan sebagai berikut tidak masuk akal! Tentu saja saya menghormati mereka, tetapi saya membutuhkan penjelasan yang sedikit lebih praktis daripada konseptual. Saya mulai dengan contoh dari Wikipedia untuk mendefinisikan …

14 self-study  terminology  notation 

Ini adalah pertanyaan naif dari seseorang yang mulai belajar belajar mesin. Saya membaca hari ini buku "Pembelajaran Mesin: Perspektif algoritmik" dari Marsland. Saya merasa buku ini bermanfaat sebagai pengantar, tetapi sekarang saya ingin membahas algoritma canggih, yang saat ini memberikan hasil terbaik. Saya sebagian besar tertarik pada bioinformatika: pengelompokan jaringan …

14 machine-learning  clustering  bioinformatics 

Ketika variabel dikotomi, informasi apa yang hilang dalam proses? Bagaimana dikotomisasi membantu dalam analisis?

14 regression  data-transformation  binary-data 

Saya seorang pemula untuk statistik dan R dan saya memiliki masalah dengan menggunakan fungsi Levene (saya ingin memeriksa kesetaraan varian dua sampel). Dokumentasi mengatakan bahwa saya harus menjalankan: levene.test (y, group) Tetapi saya tidak tahu apa yang harus saya masukkan sebagai y dan grup? Saya memiliki dua sampel berbeda yang …

14 r  variance  levenes-test 

Apakah pantas untuk melakukan regresi logistik di mana kedua variabel dependen dan independen adalah biner? misalnya variabel dependen adalah 0 dan 1 dan prediktornya adalah variabel kode kontras -1 dan 1?

14 logistic 

Sederhananya: Apakah ada perbedaan dalam pendekatan Bayesian dan Frequentist untuk Analisis Data Eksplorasi? Saya tahu tidak ada bias yang melekat dalam metode EDA sebagai histogram adalah histogram, sebar sebar adalah sebar sebar, dll, juga tidak saya menemukan contoh perbedaan dalam bagaimana EDA diajarkan atau disajikan (mengabaikan makalah teoretis khusus oleh …

14 bayesian  frequentist  eda 

Saya memiliki beberapa keraguan dalam memahami SVM secara intuitif. Asumsikan kita telah melatih model SVM untuk klasifikasi menggunakan beberapa alat standar seperti SVMLight atau LibSVM. Ketika kami menggunakan model ini untuk prediksi pada data uji, model menghasilkan file yang memiliki nilai "alpha" untuk setiap titik uji. Jika nilai alpha positif, …

14 machine-learning  svm  max-margin 

Saya mencoba menggambar plot biola dan bertanya-tanya apakah ada praktik terbaik yang diterima untuk penskalaan di seluruh kelompok. Berikut adalah tiga opsi yang saya coba menggunakan mtcarsset data R (Motor Trend Mobil dari 1973, ditemukan di sini ). Lebar yang Sama Tampaknya seperti apa yang dilakukan oleh kertas asli * …

14 distributions  data-visualization  nonparametric 

Saat ini saya mencoba untuk nilai-nilai simulasi dari berdimensi variabel acak yang memiliki distribusi normal multivariat dengan mean vector dan kovarians matriks .NNNXXXμ=(μ1,...,μN)Tμ=(μ1,...,μN)T\mu = (\mu_1,...,\mu_N)^TSSS Saya berharap untuk menggunakan prosedur yang sama dengan metode inverse CDF, yang berarti bahwa saya ingin pertama menghasilkan berdimensi seragam variabel acak dan kemudian steker …

14 matlab  algorithms  random-generation  multivariate-normal 

Saya menghabiskan tiga hari mencoba-coba tmsetelah membaca kertas konsep oleh seorang teman di mana ia menjelajahi corpus teks dengan UCINET, menunjukkan awan teks, grafik jaringan dua mode dan Dekomposisi Nilai Tunggal (dengan grafik, menggunakan Stata). Saya berlari di bawah sejumlah besar masalah: pada Mac OS X, ada masalah dengan Java …

14 r  text-mining 

Prosedur pemilihan model Box-Jenkins dalam analisis deret waktu dimulai dengan melihat fungsi autokorelasi dan autokorelasi parsial dari seri tersebut. Plot ini dapat menyarankan dan sesuai dalam model ARMA . Prosedur berlanjut dengan meminta pengguna untuk menerapkan kriteria AIC / BIC untuk memilih model yang paling pelit di antara mereka yang …

14 regression  time-series  arima  model-selection  box-jenkins