Pertanyaan yang diberi tag «kernel-smoothing»

Jadi, saya memiliki 16 percobaan di mana saya mencoba untuk mengotentikasi seseorang dari sifat biometrik menggunakan Hamming Distance. Ambang batas saya diatur ke 3.5. Data saya di bawah dan hanya percobaan 1 yang Benar-Benar Positif: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction 

Saya telah melihat sejumlah literatur yang masuk akal tentang bagaimana memilih kernel dan bandwidth ketika menghitung estimasi kepadatan kernel, tetapi saya saat ini tertarik pada bagaimana meningkatkan waktu yang diperlukan untuk mengevaluasi KDE yang dihasilkan pada jumlah titik yang berubah-ubah. Dalam kasus saya, saya menggunakan kernel Gaussian multidimensi (2D atau …

9 kernel-smoothing 

Saya memiliki data kecelakaan kendaraan bermotor menurut jam sehari. Seperti yang Anda harapkan, mereka tinggi di tengah hari dan puncaknya pada jam sibuk. Geom_density default ggplot2 memuluskannya dengan baik Subset dari data, untuk crash terkait drive-minum, tinggi di kedua ujung hari (malam hari dan pagi hari) dan tertinggi di ekstrem. …

9 r  pdf  kernel-smoothing  splines 

Dalam pemilihan bandwidth untuk Pengukur Densitas Kernel, bandwidth kritis menurut pemahaman saya adalah: "Untuk setiap bilangan bulat k, di mana 1<k<n, kita dapat menemukan lebar minimum h(k)sedemikian rupa sehingga estimasi kepadatan kernel paling banyak k maxima. Silverman menyebut h(k)nilai - nilai ini " lebar kritis. " Saya tidak memahami konsep …

8 econometrics  kernel-smoothing 

Seperti dicatat oleh Wand dan Jones (1995), sebagian besar kernel standar dapat dilihat sebagai kasus K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|&lt;1}K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|&lt;1} K(x;p) = \{ 2^{2p+1} \; \mathrm{B}(p+1,p+1) \}^{-1} \; (1-x^2)^p \;\boldsymbol{1}_{\{|x|<1\}} keluarga, di mana B(⋅,⋅)B(⋅,⋅)\mathrm{B}(\cdot,\cdot) adalah fungsi Beta. Nilai ppp mengarah ke kernel segi empat ( p=0p=0p=0 ), Epanechnikov ( p=1p=1p=1 ), biweight ( p=2p=2p=2 …

8 distributions  kernel-smoothing  beta-distribution 

Saya sedang bekerja dengan kumpulan data "geyser" dari paket MASS dan membandingkan perkiraan kepadatan kernel dari paket np. Masalah saya adalah untuk memahami estimasi kepadatan menggunakan cross-validasi kuadrat terkecil dan kernel Epanechnikov: blep&lt;-npudensbw(~geyser$waiting,bwmethod="cv.ls",ckertype="epanechnikov") plot(npudens(bws=blep)) Untuk kernel Gaussian sepertinya baik-baik saja: blga&lt;-npudensbw(~geyser$waiting,bwmethod="cv.ls",ckertype="gaussian") plot(npudens(bws=blga)) Atau jika saya menggunakan kernel Epanechnikov dan kemungkinan …

8 r  nonparametric  kernel-smoothing 

Saya memiliki vektor Xdari N=900pengamatan yang terbaik dimodelkan oleh estimator bandwidth yang global yang kepadatan Kernel (model parametrik, termasuk model campuran yang dinamis, ternyata tidak menjadi cocok baik): Sekarang, saya ingin mensimulasikan dari KDE ini. Saya tahu ini bisa dicapai dengan bootstrap. Dalam R, semuanya bermuara pada baris kode sederhana …

8 distributions  sampling  bootstrap  simulation  kernel-smoothing 

Saya memiliki dua kelompok yang terdiri dari 10 peserta yang dinilai tiga kali selama percobaan. Untuk menguji perbedaan antara kelompok dan di tiga penilaian, saya menjalankan ANOVA desain campuran 2x3 dengan group(kontrol, eksperimental), time(pertama, kedua, tiga), dan group x time. Keduanya timedan grouphasilnya signifikan, selain itu ada interaksi yang signifikan …

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

Saya menjalankan simulasi pada model linier. Saya mendapatkan 1000 hasil dan hasilnya dimasukkan ke dalam grafik kepadatan. Saya mengerti bahwa xaxis adalah variabel dependen dan yaxis mewakili kepadatan kernel. Yaxis dalam angka desimal seperti dari 0 hingga 0,15. Bagaimana cara saya menjelaskan hal ini kepada pengguna lain? Ada kemungkinan 15% …

8 distributions  pdf  kernel-smoothing 

Saya punya beberapa data yang jelas terpotong di sebelah kiri. Saya ingin mencocokkannya dengan estimasi kepadatan yang akan menanganinya dalam beberapa cara alih-alih mencoba memuluskannya. Metode apa yang diketahui (seperti biasa, dalam R) yang dapat mengatasi ini? Kode sampel: set.seed(1341) x &lt;- c(runif(30, 0, 0.01), rnorm(100,3)) hist(x, br = 10, …

8 r  pdf  histogram  kernel-smoothing 

Penaksir kepadatan kernel diberikan oleh mana iid dengan beberapa kepadatan tidak diketahui , - bandwidth,f^(x,h)=1nh∑i=1nK(x−Xih)f^(x,h)=1nh∑i=1nK(x−Xih)\hat{f}(x,h)=\frac{1}{nh}\sum_{i=1}^{n}K(\frac{x-X_{i}}{h})X1,...XnX1,...XnX_1,...X_nfffhhh KKKFungsi - kernel ( , , ). Bias bisa dihitung menggunakan ekspansi Taylor: ∫∞−∞K(x)dx=1∫−∞∞K(x)dx=1\int_{-\infty}^{\infty}K(x)dx=1∫∞−∞K(x)xdx=0∫−∞∞K(x)xdx=0\int_{-\infty}^{\infty}K(x)xdx=0∫∞−∞K(x)x2dx&lt;∞∫−∞∞K(x)x2dx&lt;∞\int_{-\infty}^{\infty}K(x)x^2dx<\infty∫∞−∞1hK(x−yh)f(y)dy−f(x)=∫∞−∞K(y)(f(x−hy)−f(x))dy∫−∞∞1hK(x−yh)f(y)dy−f(x)=∫−∞∞K(y)(f(x−hy)−f(x))dy\int_{-\infty}^{\infty}\frac{1}{h}K(\frac{x-y}{h})f(y)dy-f(x)=\int_{-\infty}^{\infty}K(y)\left(f(x-hy)-f(x)\right)dy =∫∞−∞K(y)(f′(x)hy+12f′′(x)(hy)2+o(h2))dy=12f′′(x)h2+o(h2)=∫−∞∞K(y)(f′(x)hy+12f″(x)(hy)2+o(h2))dy=12f″(x)h2+o(h2)=\int_{-\infty}^{\infty}K(y)\left(f'(x)hy+\frac{1}{2}f''(x)(hy)^{2}+o(h^{2})\right)dy=\frac{1}{2}f''(x)h^{2}+o(h^{2}) Cara menangani kernel periodik dan fff ( ∫10K(x)dx=1∫01K(x)dx=1\int_{0}^{1}K(x)dx=1 , ∫10K(x)xdx=0∫01K(x)xdx=0\int_{0}^{1}K(x)xdx=0 , ∫10K(x)x2dx&lt;∞∫01K(x)x2dx&lt;∞\int_{0}^{1}K(x)x^2dx<\infty )? Bagaimana saya bisa menggunakan ekspansi taylor? ( …

8 kernel-smoothing