Pertanyaan yang diberi tag «covariance»

... dengan asumsi bahwa saya dapat menambah pengetahuan mereka tentang varians secara intuitif ( Memahami "varians" secara intuitif ) atau dengan mengatakan: Ini adalah jarak rata-rata dari nilai data dari 'rata-rata' - dan karena varians berada dalam kuadrat unit, kami mengambil akar kuadrat untuk menjaga unit yang sama dan itu …

207 variance  covariance  intuition 

Apa perbedaan utama antara melakukan analisis komponen utama (PCA) pada matriks korelasi dan pada matriks kovarians? Apakah mereka memberikan hasil yang sama?

153 correlation  pca  covariance  factor-analysis 

Menindaklanjuti pertanyaan ini, Bagaimana Anda menjelaskan kovarians kepada seseorang yang hanya mengerti maksudnya? , yang membahas masalah menjelaskan kovarians kepada orang awam, mengemukakan pertanyaan serupa di benak saya. Bagaimana orang menjelaskan kepada orang baru tentang perbedaan antara kovarians dan korelasi ? Tampaknya keduanya merujuk pada perubahan dalam satu variabel yang …

109 correlation  covariance 

Apa itu kovarians dalam bahasa sederhana dan bagaimana kaitannya dengan istilah dependensi , korelasi , dan struktur varians-kovarian sehubungan dengan desain tindakan berulang?

92 correlation  repeated-measures  terminology  covariance  independence 

Saya melihat bahwa banyak algoritma pembelajaran mesin bekerja lebih baik dengan pembatalan rata-rata dan penyamaan kovarian. Sebagai contoh, Neural Networks cenderung lebih cepat konvergen, dan K-Means umumnya memberikan pengelompokan yang lebih baik dengan fitur-fitur yang sudah diproses sebelumnya. Saya tidak melihat intuisi di balik langkah-langkah pra-pemrosesan ini mengarah pada peningkatan …

61 machine-learning  neural-networks  covariance  normalization 

Saya membaca dari buku teks saya bahwa tidak menjamin X dan Y independen. Tetapi jika mereka independen, kovarian mereka harus 0. Saya belum bisa memikirkan contoh yang tepat; bisakah seseorang menyediakannya?cov(X,Y)=0cov(X,Y)=0\text{cov}(X,Y)=0

54 independence  covariance 

Saya kira jawabannya harus ya, tetapi saya masih merasa ada sesuatu yang tidak benar. Seharusnya ada beberapa hasil umum dalam literatur, ada yang bisa membantu saya?

48 covariance  matrix  covariance-matrix  linear-algebra 

Saya ingin tahu tentang sifat . Adakah yang bisa mengatakan sesuatu yang intuitif tentang "Apa yang dikatakan tentang data?"Σ−1Σ−1\Sigma^{-1}Σ−1Σ−1\Sigma^{-1} Sunting: Terima kasih atas balasannya Setelah mengikuti beberapa kursus hebat, saya ingin menambahkan beberapa poin: Ini adalah ukuran informasi, yaitu, adalah jumlah info di sepanjang arah .xTΣ−1xxTΣ−1xx^T\Sigma^{-1}xxxx Dualitas: Karena adalah pasti …

46 bayesian  maximum-likelihood  covariance  matrix 

Penyebut penduga varians (tidak bias) adalah n−1n−1n-1 karena ada nnn pengamatan dan hanya satu parameter yang diperkirakan. V(X)=∑ni=1(Xi−X¯¯¯¯)2n−1V(X)=∑i=1n(Xi−X¯)2n−1 \mathbb{V}\left(X\right)=\frac{\sum_{i=1}^{n}\left(X_{i}-\overline{X}\right)^{2}}{n-1} Dengan cara yang sama saya bertanya-tanya mengapa penyebut kovarians tidak menjadi n−2n−2n-2 ketika dua parameter diperkirakan? Cov(X,Y)=∑ni=1(Xi−X¯¯¯¯)(Yi−Y¯¯¯¯)n−1Cov(X,Y)=∑i=1n(Xi−X¯)(Yi−Y¯)n−1 \mathbb{Cov}\left(X, Y\right)=\frac{\sum_{i=1}^{n}\left(X_{i}-\overline{X}\right)\left(Y_{i}-\overline{Y}\right)}{n-1}

36 self-study  variance  covariance  descriptive-statistics  unbiased-estimator 

Ketika menghitung matriks kovarians sampel, adakah yang dijamin mendapatkan matriks simetris dan pasti positif? Saat ini masalah saya memiliki sampel 4600 vektor pengamatan dan 24 dimensi.

33 sampling  covariance 

Saya mendengar bahwa korelasi parsial antara variabel acak dapat ditemukan dengan membalikkan matriks kovarians dan mengambil sel yang sesuai dari matriks presisi yang dihasilkan (fakta ini disebutkan dalam http://en.wikipedia.org/wiki/Partial_correlation , tetapi tanpa bukti) . Mengapa demikian?

32 covariance  covariance-matrix  linear-algebra  partial-correlation  matrix-inverse 

Misalkan saya memiliki model berikut ysaya= f( xsaya, θ ) + εsayayi=f(xi,θ)+εiy_i=f(x_i,\theta)+\varepsilon_i di mana ysaya∈ RKysaya∈RKy_i\in \mathbb{R}^K , xsayaxsayax_i adalah vektor dari variabel penjelas, θθ\theta adalah parameter fungsi non-linear fff dan εsaya∼ N( 0 , Σ )εsaya∼N(0,Σ)\varepsilon_i\sim N(0,\Sigma) , di mana ΣΣ\Sigma alami adalah K× KK×KK\times K matriks. Tujuannya adalah …

22 maximum-likelihood  optimization  covariance 

Saya memiliki sejumlah pengamatan multivariat dan ingin mengevaluasi kepadatan probabilitas di semua variabel. Diasumsikan bahwa data terdistribusi secara normal. Pada jumlah variabel yang rendah semuanya berfungsi seperti yang saya harapkan, tetapi pindah ke jumlah yang lebih besar menghasilkan matriks kovarians menjadi tidak pasti positif. Saya telah mengurangi masalah di Matlab …

21 normal-distribution  multivariate-analysis  covariance 

Saya baru saja diperkenalkan (samar-samar) ke brown / kovarians jarak / korelasi . Tampaknya sangat berguna dalam banyak situasi non-linear, ketika menguji ketergantungan. Tetapi sepertinya tidak sering digunakan, meskipun kovarians / korelasi sering digunakan untuk data non-linear / kacau. Itu membuat saya berpikir bahwa mungkin ada beberapa kelemahan untuk menjauhkan …

21 correlation  covariance  distance-covariance 

Jika adalah vektor acak dan adalah matriks tetap, dapatkah seseorang menjelaskan mengapaZZ\mathbf {Z}SEBUAHSEBUAHAc o v [A Z ]=A c o v [ Z ] A⊤.cHaiv[SEBUAHZ]=SEBUAHcHaiv[Z]SEBUAH⊤.\mathrm{cov}[A \mathbf {Z}]= A \mathrm{cov}[\mathbf {Z}]A^\top.

20 covariance