Statistik dan Big Data

Root berarti kuadrat kesalahan jumlah sisa kuadrat kesalahan standar residual berarti kesalahan kuadrat kesalahan tes Saya pikir saya dulu mengerti istilah-istilah ini, tetapi semakin saya melakukan masalah statistik semakin saya bingung di mana saya menebak diri saya. Saya ingin jaminan ulang & contoh nyata Saya dapat menemukan persamaannya secara online …

34 r  regression  residuals 

Mengapa regresi logistik menjadi tidak stabil ketika kelas dipisahkan dengan baik? Apa yang dimaksud dengan kelas yang dipisahkan dengan baik? Saya akan sangat menghargai jika seseorang dapat menjelaskan dengan sebuah contoh.

34 r  regression  logistic  separation 

Saya tahu bahwa distribusi beta adalah konjugat ke binomial. Tapi apa konjugat sebelum beta? Terima kasih.

34 beta-distribution  conjugate-prior 

Saya telah membaca beberapa makalah yang membahas pro dan kontra dari masing-masing metode, beberapa berpendapat bahwa GA tidak memberikan perbaikan dalam menemukan solusi optimal sementara yang lain menunjukkan bahwa itu lebih efektif. Tampaknya GA umumnya lebih disukai dalam literatur (walaupun kebanyakan orang memodifikasinya dengan cara tertentu untuk mencapai hasil yang …

34 neural-networks  genetic-algorithms  backpropagation 

Program statistik saya mengimplementasikan prosedur Benjamini & Hochberg (1995) dan Benjamini & Yekutieli (2001) salah. Saya telah melakukan yang terbaik untuk membaca makalah selanjutnya, tetapi secara matematis cukup padat dan saya tidak cukup yakin saya memahami perbedaan antara prosedur. Saya dapat melihat dari kode yang mendasari dalam program statistik saya …

34 post-hoc  false-discovery-rate 

Ada banyak utas di CrossValidated pada topik pemilihan model dan validasi silang. Berikut ini beberapa di antaranya: Validasi silang internal vs eksternal dan pemilihan model @ DikranMarsupial ini jawaban atas untuk seleksi Fitur dan cross-validasi Namun, jawaban atas utas tersebut cukup umum dan sebagian besar menyoroti masalah dengan pendekatan khusus …

34 cross-validation  model-selection 

Masalah ini kelihatannya mendukung kepalanya yang buruk sepanjang waktu, dan saya mencoba memenggalnya untuk pemahaman saya sendiri tentang statistik (dan kewarasan!). Asumsi model linier umum (uji-t, ANOVA, regresi, dll.) Meliputi "asumsi normalitas", tetapi saya menemukan ini jarang dijelaskan dengan jelas. Saya sering menemukan buku teks statistik / manual / dll …

34 normal-distribution  residuals  normality-assumption 

Saya merujuk pada makalah ini : Hayes JR, Groner JI. "Menggunakan skor imputasi dan kecenderungan ganda untuk menguji efek kursi mobil dan penggunaan sabuk pengaman pada tingkat keparahan cedera dari data registrasi trauma." J Pediatr Surg. 2008 Mei; 43 (5): 924-7. Dalam penelitian ini, beberapa imputasi dilakukan untuk mendapatkan 15 …

34 missing-data  propensity-scores 

Pertimbangkan gambar berikut dari Model Linear Faraway dengan R (2005, hlm. 59). Plot pertama tampaknya menunjukkan bahwa residu dan nilai-nilai yang dipasang tidak berkorelasi, karena mereka harus dalam model linier homoseksual dengan kesalahan yang terdistribusi normal. Oleh karena itu, plot kedua dan ketiga, yang tampaknya mengindikasikan ketergantungan antara residu dan …

34 regression  residuals  assumptions  graphical-model 

Saya mencoba memahami kapan harus menggunakan efek acak dan kapan itu tidak perlu. Ive diberitahu aturan praktis adalah jika Anda memiliki 4 grup atau lebih yang saya lakukan (15 moose individu). Beberapa dari mereka rusa percobaan pada 2 atau 3 kali untuk total 29 percobaan. Saya ingin tahu apakah mereka …

34 mixed-model  lme4-nlme  random-effects-model  glmm 

Dalam dataset saya, kami memiliki variabel diskrit kontinu dan alami. Saya ingin tahu apakah kita bisa melakukan pengelompokan hierarkis menggunakan kedua jenis variabel. Dan jika ya, ukuran jarak apa yang sesuai?

34 clustering  similarities  distance-functions  mixed-type-data 

Pertanyaan ini mungkin terlalu terbuka untuk mendapatkan jawaban yang pasti, tetapi mudah-mudahan tidak. Algoritma pembelajaran mesin, seperti SVM, GBM, Random Forest dll, umumnya memiliki beberapa parameter gratis yang, di luar beberapa pedoman praktis, perlu disetel ke setiap kumpulan data. Ini umumnya dilakukan dengan semacam teknik re-sampling (bootstrap, CV dll) agar …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

Saya telah meneliti makna properti semi-pasti positif dari korelasi atau matriks kovarians. Saya mencari informasi tentang Definisi semi-definiteness positif; Sifatnya yang penting, implikasi praktis; Konsekuensi dari memiliki determinan negatif, berdampak pada analisis multivariat atau hasil simulasi dll.

34 covariance-matrix  eigenvalues  determinant  correlation-matrix 

Saya bertanya-tanya apa perbedaan antara GLM campuran dan tidak dicampur. Misalnya, di SPSS menu tarik turun memungkinkan pengguna untuk masuk: analyze-> generalized linear models-> generalized linear models & analyze-> mixed models-> generalized linear Apakah mereka menangani nilai-nilai yang hilang secara berbeda? Variabel dependen saya adalah biner dan saya memiliki beberapa …

34 mixed-model  generalized-linear-model  glmm  gee 

Mengapa prosedur validasi silang mengatasi masalah overfitting model?

34 regression  model-selection  cross-validation