Domande taggate «model-selection»

La selezione del modello è un problema nel giudicare quale modello di un set funziona meglio. I metodi popolari includonoR2, Criteri AIC e BIC, set di test e convalida incrociata. In una certa misura, la selezione della funzione è un sottoproblema della selezione del modello.

4
Quando sono applicabili i risultati di Shao sulla validazione incrociata con esclusione per singolo?
Nel suo articolo Linear Model Selection by Cross-Validation , Jun Shao mostra che per il problema della selezione variabile nella regressione lineare multivariata, il metodo di validazione incrociata unilaterale (LOOCV) è "asintoticamente incoerente". In parole povere, tende a selezionare modelli con troppe variabili. In uno studio di simulazione, Shao mostra …
3
Analizza grafici ACF e PACF
Voglio vedere se sono sulla strada giusta per analizzare i miei grafici ACF e PACF: Background: (Reff: Philip Hans Franses, 1998) Poiché sia ​​ACF che PACF mostrano valori significativi, presumo che un modello ARMA soddisfi le mie esigenze L'ACF può essere utilizzato per stimare la parte MA, ovvero il valore …
4
Come proiettare un nuovo vettore nello spazio PCA?
Dopo aver eseguito l'analisi dei componenti principali (PCA), voglio proiettare un nuovo vettore nello spazio PCA (ovvero trovare le sue coordinate nel sistema di coordinate PCA). Ho calcolato PCA in linguaggio R utilizzando prcomp. Ora dovrei essere in grado di moltiplicare il mio vettore per la matrice di rotazione PCA. …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 
4
Quali sono i valori corretti per precisione e richiamo nei casi limite?
La precisione è definita come: p = true positives / (true positives + false positives) È corretto che, come true positivese false positivesavvicinarsi a 0, la precisione si avvicina a 1? Stessa domanda da ricordare: r = true positives / (true positives + false negatives) Attualmente sto implementando un test …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
2
La regolarizzazione può essere utile se siamo interessati solo alla modellazione, non alla previsione?
La regolarizzazione può essere utile se siamo interessati solo a stimare (e interpretare) i parametri del modello, non a previsioni o previsioni? Vedo come la regolarizzazione / convalida incrociata sia estremamente utile se il tuo obiettivo è fare buone previsioni su nuovi dati. Ma cosa succede se stai facendo economia …
7
Misure della complessità del modello
Come possiamo confrontare la complessità di due modelli con lo stesso numero di parametri? Modifica 19/09 : Per chiarire, la complessità del modello è una misura di quanto sia difficile imparare da dati limitati. Quando due modelli si adattano ugualmente bene ai dati esistenti, un modello con una complessità inferiore …
4
Determinazione della migliore funzione di adattamento della curva di adattamento dalle funzioni lineari, esponenziali e logaritmiche
Contesto: Da una domanda su Mathematics Stack Exchange (posso creare un programma) , qualcuno ha una serie di punti e vuole adattarci una curva, lineare, esponenziale o logaritmica. Il solito metodo è iniziare scegliendo uno di questi (che specifica il modello), quindi eseguire i calcoli statistici.x - yX-yx-y Ma ciò …
1
BIC cerca di trovare un modello vero?
Questa domanda è un seguito o un tentativo di chiarire la possibile confusione riguardo a un argomento che io e molti altri riscontriamo un po 'difficile, per quanto riguarda la differenza tra AIC e BIC. In una bella risposta di @Dave Kellen su questo argomento ( /stats//a/767/30589 ) leggiamo: La …
1
I modelli residui autocorrelati rimangono anche nei modelli con strutture di correlazione appropriate e come selezionare i modelli migliori?
Contesto Questa domanda utilizza R, ma riguarda questioni statistiche generali. Sto analizzando gli effetti dei fattori di mortalità (percentuale di mortalità dovuta a malattia e parassitismo) sul tasso di crescita della popolazione delle falene nel tempo, in cui le popolazioni larvali sono state campionate da 12 siti una volta all'anno …
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.