Pertanyaan yang diberi tag «bias»

CrossValidated memiliki beberapa pertanyaan tentang kapan dan bagaimana menerapkan koreksi bias peristiwa langka oleh King dan Zeng (2001) . Saya mencari sesuatu yang berbeda: demonstrasi berbasis simulasi minimal bahwa bias ada. Secara khusus, Raja dan negara Zeng "... dalam data kejadian yang jarang, bias dalam probabilitas dapat secara substantif bermakna …

19 r  logistic  simulation  bias  rare-events 

Kapan kata "bias" diciptakan untuk berarti ?E[θ^−θ]E[θ^−θ]\mathbb{E}[\hat{\theta}-\theta] Alasan mengapa saya memikirkan hal ini sekarang adalah karena saya sepertinya mengingat Jaynes, dalam teks Teori Probabilitasnya , mengkritik penggunaan kata "bias" yang digunakan untuk menggambarkan formula ini, dan menyarankan alternatif. Dari Teori Probabilitas Jaynes , bagian 17.2 "Pengukur Tidak Cocok:" Mengapa para …

18 terminology  bias  history 

Saya sedang mengerjakan proyek Machine Learning dengan data yang sudah (berat) bias oleh pemilihan data. Mari kita asumsikan Anda memiliki seperangkat aturan kode keras. Bagaimana Anda membangun model pembelajaran mesin untuk menggantinya, ketika semua data yang dapat digunakan adalah data yang sudah disaring oleh aturan-aturan itu? Untuk memperjelas, saya kira …

18 machine-learning  classification  data-mining  bias  extrapolation 

Saya menderita pemadaman. Saya disajikan gambar berikut untuk menunjukkan tradeoff bias-varians dalam konteks regresi linier: Saya dapat melihat bahwa tidak satu pun dari kedua model yang cocok - "sederhana" tidak menghargai kompleksitas hubungan XY dan "kompleks" hanya overfitting, pada dasarnya mempelajari data pelatihan dengan hati. Namun saya benar-benar gagal melihat …

18 regression  variance  bias 

Bisakah Anda memberikan contoh penduga MLE dari mean yang bias? Saya tidak mencari contoh yang merusak penduga MLE secara umum dengan melanggar kondisi keteraturan. Semua contoh yang dapat saya lihat di internet merujuk pada varians, dan sepertinya saya tidak dapat menemukan apa pun yang terkait dengan mean. EDIT @MichaelHardy memberikan …

17 maximum-likelihood  mean  bias 

Saya punya pertanyaan tentang bias variabel yang dihilangkan dalam regresi logistik dan linier. Katakanlah saya menghilangkan beberapa variabel dari model regresi linier. Berpura-pura bahwa variabel-variabel yang dihilangkan tersebut tidak berkorelasi dengan variabel yang saya sertakan dalam model saya. Variabel-variabel yang dihilangkan tidak bias koefisien dalam model saya. Tetapi dalam regresi …

17 regression  logistic  least-squares  bias 

Saya mencoba memahami pengorbanan varians-varians, hubungan antara bias estimator dan bias model, dan hubungan antara varians estimator dan varians model. Saya sampai pada kesimpulan ini: Kita cenderung menyesuaikan data ketika kita mengabaikan bias estimator, yaitu ketika kita hanya bertujuan untuk meminimalkan bias model mengabaikan varians model (dengan kata lain kita …

15 regression  variance  bias  bias-variance-tradeoff 

Pertanyaan ini merujuk pada makalah Galit Shmueli "Untuk Menjelaskan atau Memprediksi" . Secara khusus, di bagian 1.5, "Penjelasan dan Prediksi Berbeda", Profesor Shmueli menulis: Dalam pemodelan penjelas fokusnya adalah pada meminimalkan bias untuk mendapatkan representasi paling akurat dari teori yang mendasarinya. Ini membingungkan saya setiap kali saya membaca koran. Dalam …

15 predictive-models  inference  bias  unbiased-estimator  explanatory-models 

Pertanyaan Apakah itu tergantung pada apakah pohon itu dangkal atau dalam? Atau dapatkah kita mengatakan ini terlepas dari kedalaman / level pohon? Mengapa bias rendah & varians tinggi? Tolong jelaskan secara intuitif dan matematis

15 machine-learning  variance  covariance  cart  bias 

Asumsi dasar menggunakan model regresi untuk inferensi adalah bahwa "semua prediktor yang relevan" telah dimasukkan dalam persamaan prediksi. Alasannya adalah bahwa kegagalan untuk memasukkan faktor dunia nyata yang penting mengarah pada koefisien bias dan dengan demikian kesimpulan yang tidak akurat (yaitu, bias variabel dihilangkan). Tetapi dalam praktik penelitian, saya belum …

15 regression  assumptions  bias  predictor  confounding 

Saya membaca berulang-ulang bahwa validasi silang "Leave-one-out" memiliki varian yang tinggi karena tumpang tindih yang besar dari lipatan pelatihan. Namun saya tidak mengerti mengapa itu adalah: Tidak seharusnya kinerja validasi silang menjadi sangat stabil (varian rendah) justru karena set pelatihan hampir identik? Atau apakah saya memiliki pemahaman yang salah tentang …

15 variance  cross-validation  bias 

Saya selalu berjuang untuk mendapatkan esensi sejati dari masalah parameter insidental. Saya membaca dalam beberapa kesempatan bahwa penduga efek tetap dari model data panel nonlinier dapat sangat bias karena masalah parameter insidental "terkenal". Ketika saya meminta penjelasan yang jelas tentang masalah ini, jawabannya adalah: Asumsikan bahwa data panel memiliki N …

15 nonlinear-regression  fixed-effects-model  bias 

θ^θ^\hat\thetaθ∗θ∗\theta^*nnn∥θ^−θ∗∥‖θ^−θ∗‖\lVert\hat\theta-\theta^*\rVertO(1/n−−√)O(1/n)O(1/\sqrt n)∥Eθ^−θ∗∥‖Eθ^−θ∗‖\lVert \mathbb E\hat\theta - \theta^*\rVert∥Eθ^−θ^∥‖Eθ^−θ^‖\lVert \mathbb E\hat\theta - \hat\theta\rVertO(1/n−−√)O(1/n)O(1/\sqrt{n}) Saya tertarik pada model yang memiliki bias yang menyusut lebih cepat dari O(1/n−−√)O(1/n)O(1/\sqrt n) , tetapi di mana kesalahan tidak menyusut pada tingkat yang lebih cepat ini karena penyimpangan masih menyusut sebagai O(1/n−−√)O(1/n)O(1/\sqrt n) . Secara khusus, saya ingin mengetahui …

14 variance  estimation  maximum-likelihood  bias 

Seorang teman mewakili klien pada saat naik banding, setelah pengadilan pidana di mana tampaknya pemilihan juri bias secara ras. Kelompok juri terdiri dari 30 orang, dalam 4 kelompok ras. Jaksa menggunakan tantangan berat untuk menyingkirkan 10 dari orang-orang ini dari kolam. Jumlah orang dan jumlah tantangan aktual di masing-masing kelompok …

14 probability  statistical-significance  references  bias  combinatorics 

Dalam bidang psikologi dan bidang lainnya bentuk regresi bertahap sering digunakan yang melibatkan hal-hal berikut: Lihatlah prediktor yang tersisa (tidak ada dalam model pada awalnya) dan identifikasi prediktor yang menghasilkan perubahan r-square terbesar; Jika nilai p dari perubahan r-square kurang dari alpha (biasanya 0,05), maka sertakan prediktor itu dan kembali …

14 regression  model-selection  bias  r-squared  stepwise-regression