Statistiche e Big Data

Domande e risposte per le persone interessate alle statistiche, all'apprendimento automatico, all'analisi dei dati, al data mining e alla visualizzazione dei dati

1
Come confrontare i modelli sulla base di AIC?
Abbiamo due modelli che utilizzano lo stesso metodo per calcolare la probabilità di log e l'AIC per uno è inferiore rispetto all'altro. Tuttavia, quello con l'AIC inferiore è molto più difficile da interpretare. Abbiamo difficoltà a decidere se vale la pena introdurre la difficoltà e lo abbiamo giudicato usando una …
1
Pacchetto GBM vs. Caret tramite GBM
Ho usato il tuning del modello caret, ma poi rieseguendo il modello usando il gbmpacchetto. Comprendo che il caretpacchetto utilizza gbme l'output dovrebbe essere lo stesso. Tuttavia, solo un rapido test eseguito utilizzando data(iris)mostra una discrepanza nel modello di circa il 5% utilizzando RMSE e R ^ 2 come metrica …
2
Funzioni di covarianza o kernel: che cosa sono esattamente?
Sono piuttosto nuovo nel campo dei processi gaussiani e di come vengono applicati nell'apprendimento automatico. Continuo a leggere e ascoltare le funzioni di covarianza come l'attrazione principale di questi metodi. Qualcuno potrebbe spiegare in modo intuitivo cosa sta succedendo in queste funzioni di covarianza? Altrimenti, se potessi segnalare un tutorial …
1
Statistiche sufficienti congiuntamente complete: uniforme (a, b)
Sia X=(x1,x2,…xn)X=(x1,x2,…xn)\mathbf{X}= (x_1, x_2, \dots x_n) un campione casuale dalla distribuzione uniforme su (a,b)(a,b)(a,b) , dove a&lt;ba&lt;ba < b . Sia Y1Y1Y_1 e YnYnY_n le statistiche degli ordini più grandi e più piccole. Mostra che la statistica (Y1,Yn)(Y1,Yn)(Y_1, Y_n) è una statistica sufficiente congiuntamente completa per il parametro θ=(a,b)θ=(a,b)\theta = …
2
Come definire una regione di rifiuto quando non c'è UMP?
Considera il modello di regressione lineare y=Xβ+uy=Xβ+u\mathbf{y}=\mathbf{X\beta}+\mathbf{u} , u∼N(0,σ2I)u∼N(0,σ2I)\mathbf{u}\sim N(\mathbf{0},\sigma^2\mathbf{I}) , E(u∣X)=0E(u∣X)=0E(\mathbf{u}\mid\mathbf{X})=\mathbf{0} . Sia vs .H0:σ20=σ2H0:σ02=σ2H_0: \sigma_0^2=\sigma^2H1:σ20≠σ2H1:σ02≠σ2H_1: \sigma_0^2\neq\sigma^2 Possiamo dedurre che , dove . E è la notazione tipica per la matrice annichilatrice, , dove è la variabile dipendente \ mathbf {y} è regredito su \ mathbf {X} .dim(X)=n×kMXMXy= y …
2
Spiegare la varianza di un modello di regressione
Questa potrebbe essere una semplice spiegazione (spero comunque). Ho fatto alcune analisi di regressione in Matlab usando la casella degli strumenti di regressione. Tuttavia, mi sono imbattuto in uno studio che afferma questo: "Utilizzando l'analisi di regressione, è stato possibile impostare un modello predittivo utilizzando solo quattro funzioni sonore che …
13 variance 
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.