Statistik dan Big Data

Saya menemukan istilah Mesin Faktorisasi dalam sistem rekomendasi. Saya tahu apa Matriks Factorization untuk sistem rekomendasi tetapi tidak pernah mendengar tentang Factorization Machines. Jadi apa bedanya?

14 machine-learning  data-mining  recommender-system 

Pemberitahuan setelah tabel ANOVA setelah analisis K-means menunjukkan bahwa tingkat signifikansi tidak boleh dilihat sebagai uji sarana yang sama, karena solusi klaster telah diturunkan berdasarkan jarak Euclidean untuk memaksimalkan jarak. Tes apa yang harus saya gunakan untuk menunjukkan apakah rata-rata variabel pengelompokan berbeda di antara kluster? Saya telah melihat peringatan …

14 anova  k-means 

Pemahaman umum saya adalah AIC berkaitan dengan pertukaran antara kebaikan model dan kompleksitas model. A IC= 2 k - 2 l n ( L )SEBUAHsayaC=2k-2ln(L)AIC =2k -2ln(L) = jumlah parameter dalam modelkkk = kemungkinanLLL Kriteria informasi Bayesian BIC terkait erat dengan AIC. AIC menghukum jumlah parameter kurang kuat daripada BIC. …

14 cross-validation  lasso  aic  ridge-regression  bic 

Halaman Scikit Learn pada Seleksi Model menyebutkan penggunaan validasi silang bersarang: >>> clf = GridSearchCV(estimator=svc, param_grid=dict(gamma=gammas), ... n_jobs=-1) >>> cross_validation.cross_val_score(clf, X_digits, y_digits) Dua loop validasi silang dilakukan secara paralel: satu oleh estimator GridSearchCV untuk mengatur gamma dan yang lainnya oleh cross_val_score untuk mengukur kinerja prediksi estimator. Skor yang dihasilkan adalah …

14 machine-learning  cross-validation  scikit-learn 

Saya mengerti bahwa Uji Bartlett berkaitan dengan menentukan apakah sampel Anda berasal dari populasi dengan varian yang sama. Jika sampel berasal dari populasi dengan varian yang sama, maka kami gagal menolak hipotesis nol pengujian, dan karenanya analisis komponen utama tidak sesuai. Saya tidak yakin di mana letak masalah dengan situasi …

14 variance  pca  heteroscedasticity 

Sebenarnya, saya pikir saya sudah mengerti apa yang bisa ditunjukkan dengan plot ketergantungan sebagian, tetapi menggunakan contoh hipotetis yang sangat sederhana, saya agak bingung. Dalam potongan kode berikut ini saya menghasilkan tiga variabel independen ( a , b , c ) dan satu variabel dependen ( y ) dengan c …

14 r  random-forest  boosting  partial-plot 

Dalam regresi linier, kita sering mendapatkan beberapa R dan kuadrat. Apa perbedaan di antara mereka?

14 regression  r-squared 

Adakah yang bisa menjelaskan dalam bahasa Inggris apa perbedaan antara aturan praktis Scott dan Silverman untuk pemilihan bandwidth? Secara khusus, kapan yang satu lebih baik dari yang lain? Apakah ini terkait dengan distribusi yang mendasarinya? Jumlah sampel? PS Saya mengacu pada kode di SciPy .

14 kernel-smoothing 

Saya telah menatap halaman wikipedia untuk korelasi jarak di mana tampaknya ditandai oleh bagaimana hal itu dapat dihitung. Sementara saya bisa melakukan perhitungan, saya berjuang untuk mendapatkan ukuran korelasi jarak dan mengapa perhitungannya terlihat seperti itu. Apakah ada (atau banyak) karakterisasi yang lebih intuitif dari korelasi jarak yang dapat membantu …

14 correlation  distance  intuition  distance-covariance 

Menggunakan data ini: head(USArrests) nrow(USArrests) Saya dapat melakukan PCA sebagai berikut: plot(USArrests) otherPCA <- princomp(USArrests) Saya bisa mendapatkan komponen baru otherPCA$scores dan proporsi varian dijelaskan oleh komponen dengan summary(otherPCA) Tetapi bagaimana jika saya ingin tahu variabel mana yang sebagian besar dijelaskan oleh komponen utama mana? Dan sebaliknya: apakah PC1 atau …

14 r  pca  dimensionality-reduction  regression-strategies 

Dalam ekonometrik, apa yang dimaksud dengan bentuk tereduksi? Juga, apa yang dicari orang ketika mereka mengatakan "Saya ingin melihat perkiraan bentuk yang dikurangi." Ini telah dilemparkan di tempat kerja dan penjelasan individual dan pencarian Google terlalu teknis. Berharap seseorang di mana bisa memberikan contoh sederhana.

14 regression  multiple-regression  econometrics 

Berapakah kompleksitas waktu asimtotik dari regresi Lasso ketika jumlah baris atau kolom bertambah?

14 lasso  time-complexity 

Saya memiliki dua bagian dari kumpulan data multidimensi, sebut saja traindan test. Dan saya ingin membangun model berdasarkan pada set data kereta dan kemudian memvalidasinya pada set data uji. Jumlah cluster diketahui. Saya mencoba menerapkan k-means clustering di R dan saya mendapatkan objek yang berisi pusat-pusat cluster: kClust <- kmeans(train, …

14 r  clustering  k-means 

Saya akan menggunakan model ARMA-GARCH untuk seri waktu keuangan dan bertanya-tanya apakah seri harus stasioner sebelum menerapkan model tersebut. Saya tahu untuk menerapkan model ARMA seri harus stasioner, tetapi saya tidak yakin untuk ARMA-GARCH karena saya termasuk kesalahan GARCH yang menyiratkan pengelompokan volatilitas dan varians tidak konstan dan karenanya seri …

14 time-series  finance  arma 

Saya mengalami kesulitan memahami kutukan dimensi. Secara khusus, saya menemukan itu saat melakukan scikit-learntutorial dengan python. Bisakah seseorang tolong jelaskan yang di bawah ini dengan cara yang lebih sederhana? Maaf saya telah mencoba untuk memahami untuk waktu yang paling lama dan tidak dapat memahami bagaimana mereka muncul dengan perhitungan untuk …

14 machine-learning