Statistik dan Big Data

Saya memiliki masalah berikut: Masukan yang diberikan xxx (nnn-dimensi vektor) skalar, bilangan bulat terurut, dan bilangan bulat tak berurut (yaitu label) dan satu atau beberapa keluaran yyy, Saya ingin memperkirakan: Input mana yang menjelaskan output terbaik. Sejauh mana variasi dari satu input menyiratkan variasi dari output. Ini seharusnya terkait dengan …

8 multivariate-analysis  experiment-design  uncertainty 

Dalam banyak aplikasi pemrosesan bahasa alami seperti koreksi ejaan, terjemahan mesin, dan pengenalan suara, kami menggunakan model bahasa. Model bahasa biasanya dibuat dengan menghitung seberapa sering urutan kata-kata (n-gram) terjadi dalam korpus besar dan menormalkan hitungan untuk menciptakan probabilitas. Untuk menghitung n-gram yang tidak terlihat, kami menggunakan metode penghalusan (lihat …

8 distributions  modeling  natural-language  language-models 

Saya telah melakukan studi percontohan saya pada motivasi belajar bahasa menggunakan skala Likert 6 poin tetapi dari 0 (sangat tidak setuju) sampai 5 (sangat setuju). Saya perhatikan seorang kolega dalam surveynya menggunakan 1 sampai 6. Apakah variabel yang saya hitung (jumlah dan rata-rata) sama dengan jika saya menggunakan 1 hingga …

8 spss  scales  likert  psychometrics 

Bagaimana saya harus menginterpretasikan istilah interaksi berikut 2 prediktor berkelanjutan dalam output dari model bahaya proporsional Cox? Rasio Bahaya untuk interaksi X dan Y adalah> 1, yang berarti log-nya (koefisien asli) adalah 0-1 (~ 0,16). Masing-masing item memiliki HR kurang dari satu, dan koefisien X = -0,18 dan Y = …

8 survival  interaction 

Baru-baru ini saya memasuki bidang pembelajaran mesin dan proyek yang sedang saya kerjakan mengharuskan saya untuk mengelompokkan pengguna berdasarkan urutan mereka mengunjungi halaman web di situs web. Saya punya data dalam bentuk: ['user_id', 1, 2, 4, 6, 3, 7, 3, 2, 4...] Di mana setiap angka adalah kategori / halaman …

8 clustering  unsupervised-learning  model-based-clustering 

Apakah ada cara untuk menggunakan regresi logistik untuk mengklasifikasikan data multi-label? Dengan multi-label, maksud saya data yang dapat milik beberapa kategori secara bersamaan. Saya ingin menggunakan pendekatan ini untuk mengklasifikasikan beberapa data biologis.

8 classification  logistic  multilabel 

Setelah mengumpulkan data, kami menghitung skor skala Likert (sumatif) apa pun (sebelumnya diidentifikasi sebagai faktor dalam analisis faktor) dengan menambahkan skor masing-masing item (dan mungkin membagi jumlah dengan jumlah item untuk mendapatkan skor rata-rata). Dalam perhitungan itu, kami mengasumsikan bahwa setiap item dalam skala memiliki bobot yang sama. Namun kita …

8 factor-analysis  scales  likert 

Saya mencoba mencocokkan distribusi parameter tiga gamma invers ke data saya dalam R atau Python. Saya ingin melakukan ini menggunakan estimasi kemungkinan maksimum (MLE). Pdf dari tiga parameter invers gamma diberikan oleh: Di mana Γ adalah fungsi gamma, ρ adalah bentuk, α adalah skala dan s adalah parameter lokasi Saya …

8 r  pdf  curve-fitting  gamma-distribution 

Saya ingin membuat ramalan cuaca menggunakan Neural Networks. Semua contoh yang saya lihat hanya menggunakan nilai [-1,1] sebagai input. Apakah mungkin untuk menggunakan nilai yang lebih besar (seperti tekanan udara, derajat calcius beberapa hari terakhir, ...) sebagai input dan mendapatkan angka sebagai output? Terima kasih

8 neural-networks 

Saya telah melakukan percobaan untuk mempelajari respons ragi (yang mengandung 5.000 gen) terhadap stres akibat sengatan panas. Saya memiliki satu daftar 48 gen yang diekspresikan berlebih pada 37ºC dan daftar lain dari 145 gen yang diekspresikan berlebih pada 42ºC. Ada 38 gen yang diekspresikan berlebih di keduanya. Secara kebetulan saya …

8 statistical-significance  microarray 

Saya telah mengasumsikan (yaitu saya pikir saya diajar, lebih lama dari yang saya ingat) bahwa analisis regresi mengasumsikan bahwa sampel adalah homogen. Jika tidak, maka hal yang tepat untuk dilakukan adalah menambahkan variabel dummy ke kode untuk kelompok berbeda yang termasuk dalam sampel, atau melakukan ANCOVA untuk menguji apakah parameter …

8 regression  assumptions 

Saya tahu apa bidang Gaussian. Namun, saya tidak begitu yakin apa yang dimaksud dengan alat tulis. Saya telah melihat hal stasioner ini di banyak tempat seperti proses autoregresif stasioner dll tetapi tidak benar-benar tahu apa yang dimaksud dengan stasioner.

8 gaussian-process  stationarity 

Adakah yang bisa menyarankan referensi ulasan yang baik (tentu saja PDF online gratis) untuk memoles statistik tingkat perguruan tinggi? Saya melihat sesuatu yang biasanya mencakup kursus pertama dalam statistik yang meliputi: Dasar-dasar absolut (rata-rata, ragam, dll.) Sampel Besar Pengujian keyakinan Pengujian hipotesis (normal, t, chi, F) Regresi Linier / Korelasi …

8 references 

Saya mendapatkan data, dan memplot distribusi data, dan menggunakan fungsi qqnorm, tetapi sepertinya tidak mengikuti distribusi normal, jadi distribusi mana yang harus saya gunakan untuk menggambarkan data? Fungsi distribusi kumulatif empiris

8 distributions 

Peserta dinilai dua kali, dengan 2 peringkat dipisahkan oleh 3 tahun. Untuk sebagian besar peserta peringkat dilakukan oleh penilai yang berbeda, tetapi untuk beberapa (<10%) penilai yang sama melakukan kedua peringkat. Ada 8 penilai sama sekali, dengan 2 melakukan penilaian di kedua titik waktu. Sekarang, karena peringkat adalah aspek kemampuan …

8 reliability  psychometrics  agreement-statistics  intraclass-correlation