Statistik dan Big Data

Tampaknya, Analisis Fisher bertujuan memaksimalkan pemisahan antar kelas secara serentak, sekaligus meminimalkan dispersi di dalam kelas. Sebuah ukuran yang berguna dari kekuatan diskriminasi dari sebuah variabel maka diberikan oleh kuantitas diagonal: Bii/WiiBii/WiiB_{ii}/W_{ii} . http://root.cern.ch/root/htmldoc/TMVA__MethodFisher.html Saya mengerti bahwa ukuran ( p x p) dari matriks Antara ( B ) dan Dalam-Kelas …

13 algorithms  dimensionality-reduction  discriminant-analysis  sums-of-squares 

Apakah masuk akal untuk melakukan PCA sebelum melakukan Klasifikasi Hutan Acak? Saya berurusan dengan data teks dimensi tinggi, dan saya ingin melakukan pengurangan fitur untuk membantu menghindari kutukan dimensi, tetapi bukankah Random Forests sudah melakukan semacam pengurangan dimensi?

13 classification  pca  random-forest  dimensionality-reduction  high-dimensional 

Saya memprogram algoritma kNN dan ingin mengetahui yang berikut: Tie-breaks: Apa yang terjadi jika tidak ada pemenang yang jelas dalam pemungutan suara mayoritas? Misalnya semua k tetangga terdekat berasal dari kelas yang berbeda, atau untuk k = 4 ada 2 tetangga dari kelas A dan 2 tetangga dari kelas B? …

13 k-nearest-neighbour  weights  ties 

Saya memiliki kohort pasien dengan lama tindak lanjut yang berbeda. Sejauh ini saya mengabaikan aspek waktu dan hanya perlu memodelkan penyakit hasil-biner / tidak ada penyakit. Saya biasanya melakukan regresi logistik dalam studi ini, tetapi rekan kerja saya yang lain bertanya apakah regresi Poisson akan sesuai. Saya tidak tertarik pada …

13 logistic  poisson-distribution 

Jika saya hanya memiliki , bagaimana saya bisa menghitung ?V a r ( 1Var(X)Var(X)\mathrm{Var}(X)Var(1X)Var(1X)\mathrm{Var}(\frac{1}{X}) Saya tidak memiliki informasi tentang distribusi , jadi saya tidak dapat menggunakan transformasi, atau metode lain yang menggunakan distribusi probabilitas .XXXXXXX

13 distributions  variance  data-transformation 

Adakah yang bisa memberikan definisi cross section dalam "cross section of stock return"? Terima kasih

13 finance  cross-section 

Saya tidak yakin bagaimana menafsirkan regresi probit ini yang saya jalankan di Stata. Data pada persetujuan pinjaman dan putih adalah variabel dummy yang = 1 jika seseorang berkulit putih, dan = 0 jika orang itu tidak. Setiap bantuan tentang cara membaca ini akan sangat dihargai. Yang paling saya cari adalah …

13 regression  multiple-regression  stata 

The bildpaket tampaknya menjadi paket yang sangat baik untuk respon biner serial. Tapi ini untuk waktu diskrit. Saya ingin menentukan fungsi waktu yang mulus untuk koneksi rasio peluang dari respons Y saat ini dengan respons biner yang diukur pada waktu sebelumnya, atau setidaknya versi Markov orde pertama dari ini. Saya …

13 r  repeated-measures  binary-data  panel-data 

Katakanlah saya ingin membuat Logistic Classifier untuk film M. Fitur saya akan seperti usia orang, jenis kelamin, pekerjaan, lokasi. Jadi set latihan akan menjadi seperti: Lokasi Pekerjaan Jenis Kelamin Seperti (1) / Tidak Suka (0) 23 M Perangkat Lunak US 1 24 F Dokter UK 0 dan seterusnya .... Sekarang …

13 machine-learning  feature-construction 

Saat membaca tentang cara memperkirakan distribusi sampel, berarti saya menemukan metode bootstrap nonparametrik. Rupanya orang dapat memperkirakan distribusi X¯n−μX¯n−μ\bar{X}_n-\mu dengan distribusi X¯∗n-X¯nX¯n∗-X¯n\bar{X}_n^*-\bar{X}_n , di mana menunjukkan rata-rata sampel dari sampel bootstrap.X¯∗nX¯n∗\bar{X}_n^* Pertanyaan saya kemudian adalah: Apakah saya perlu pemusatan? Untuk apa? Tidak bisakah saya memperkirakan oleh ? P ( ˉ …

13 distributions  bootstrap  resampling  centering 

Saya mencari paket R umum, bersih dan cepat (yaitu menggunakan C ++ rutin) untuk mensimulasikan jalur dari difusi nonlinear non-homogen seperti (1) menggunakan skema Euler-Maruyama, skema Milstein (atau lainnya). Ini ditakdirkan untuk tertanam ke dalam kode estimasi yang lebih besar dan karenanya layak dioptimalkan. dXt= f( θ , t , …

13 r  simulation  stochastic-processes  markov-process 

Salah satu motivasi untuk jaring elastis adalah batasan LASSO sebagai berikut: Dalam kasus p>np>np > n , laso memilih paling banyak n variabel sebelum jenuh, karena sifat masalah optimisasi cembung. Ini tampaknya menjadi fitur pembatas untuk metode pemilihan variabel. Selain itu, laso tidak didefinisikan dengan baik kecuali jika terikat pada …

13 regression  optimization  feature-selection  lasso 

Seorang teman saya menjual model kkk blender. Beberapa blender sangat sederhana dan murah, yang lain sangat canggih dan lebih mahal. Data-Nya terdiri, untuk setiap bulan, dari harga masing-masing blender (yang ditetapkan olehnya), dan jumlah unit yang terjual untuk setiap model. Untuk membuat beberapa notasi, dia tahu selama berbulan-bulan j=1,…,nj=1,…,nj=1,\dots,n vektor …

13 optimization 

Saya ingin memprediksi Tree Heights di area tertentu menggunakan beberapa variabel yang diperoleh melalui penginderaan jauh. Seperti perkiraan Biomassa, dll. Saya ingin menggunakan regresi linier terlebih dahulu (saya tahu itu bukan ide terbaik tetapi merupakan langkah wajib untuk proyek saya). Saya ingin tahu bagaimana autokorelasi spasial dapat memengaruhinya dan apa …

13 r  multiple-regression  spatial  autocorrelation 

Bootstrap berfungsi dengan baik untuk mengakses ketidakpastian dalam estimasi rata-rata, namun saya ingat pernah membaca di suatu tempat bootstrap tidak melakukan pekerjaan dengan baik dalam menilai ketidakpastian dalam estimasi kuantitatif (khususnya median). Saya tidak ingat di mana saya membaca ini, dan saya tidak dapat menemukan banyak dengan pencarian Google cepat. …

13 references  bootstrap  median