Statistiche e Big Data model-selection

1

Gamma GLM log-linked vs GLM gaussiano log-linked vs LM trasformato in log

Dai miei risultati, sembra che GLM Gamma soddisfi la maggior parte delle ipotesi, ma è un miglioramento utile rispetto alla LM trasformata in tronchi? La maggior parte della letteratura che ho trovato accordi con Poisson o Binomial GLMs. Ho trovato l'articolo VALUTAZIONE DELLE ASSUNZIONI DEL MODELLO LINEARE GENERALIZZATO MEDIANTE LA …

13 r generalized-linear-model model-selection gamma-distribution

1

Puoi confrontare i valori AIC purché i modelli siano basati sullo stesso set di dati?

Sto facendo delle previsioni in R usando il pacchetto di previsioni di Rob Hyndman . Il documento appartenente al pacchetto può essere trovato qui . Nel documento, dopo aver spiegato gli algoritmi di previsione automatica, gli autori implementano gli algoritmi sullo stesso set di dati. Tuttavia, dopo aver stimato sia …

13 time-series forecasting model-selection aic

1

Termini di interazioni e polinomi di ordine superiore

Se fossi interessato a montaggio interazioni a due vie tra lineare variabile esplicativa e un'altra variabile esplicativa che ha una relazione quadratica con la variabile dipendente , avrei includere sia l'interazione con il componente quadratica e l'interazione con l'lineare componente nel modello? Ad esempio: A sua volta, basandosi sul mio …

13 r regression model-selection

2

È possibile che AIC e BIC offrano selezioni di modelli totalmente diverse?

Sto eseguendo un modello di regressione di Poisson con 1 variabile di risposta e 6 covariate. La selezione del modello mediante AIC produce un modello con tutte le covariate e 6 termini di interazione. Il BIC risulta tuttavia in un modello con solo 2 covariate e senza termini di interazione. …

12 model-selection aic poisson-regression bic

1

Selezione variabile vs Selezione modello

Quindi capisco che la selezione delle variabili fa parte della selezione del modello. Ma in cosa consiste esattamente la selezione del modello? È più di quanto segue: 1) scegli una distribuzione per il tuo modello 2) scegliere variabili esplicative,? Lo chiedo perché sto leggendo un articolo Burnham & Anderson: AIC …

12 feature-selection model-selection aic bic

1

Quando dovrei essere preoccupato per il paradosso Jeffreys-Lindley nella scelta del modello bayesiano?

Sto prendendo in considerazione un ampio (ma finito) spazio di modelli di varia complessità che esploro usando RJMCMC . Il precedente sul vettore dei parametri per ciascun modello è abbastanza informativo. In quali casi (se ce ne sono) dovrei essere preoccupato per il paradosso Jeffreys-Lindley che favorisce i modelli più …

12 bayesian model-selection mcmc prior improper-prior

1

Qual è la differenza tra "verifica delle ipotesi" e "selezione del modello"?

In letteratura, entrambi i termini sono spesso usati come sinonimi o intrecciati. Ora sto cercando di trovare una chiara distinzione tra entrambi i termini. Dal mio punto di vista, un'ipotesi viene solitamente espressa attraverso un modello. Quindi, anche se testiamo un'ipotesi nulla vs. alternativa, dal mio punto di vista stiamo …

12 hypothesis-testing model-selection regression-strategies

3

Bayesian vs MLE, problema di overfitting

Nel libro PRML di Bishop, afferma che il sovrautilizzo è un problema con la stima della massima verosimiglianza (MLE) e Bayesian può evitarlo. Ma penso che l'overfitting sia un problema in più per la selezione del modello, non per il metodo usato per fare la stima dei parametri. Cioè, supponiamo …

12 bayesian model-selection overfitting

1

AIC per modelli non nidificati: costante di normalizzazione

L'AIC è definito come , dove è lo stimatore della massima verosimiglianza e p è la dimensione dello spazio dei parametri. Per la stima di \ theta , di solito si trascura il fattore costante della densità. Questo è il fattore che non dipende dai parametri, al fine di semplificare …

12 model-selection aic nested-models

4

Selezione del modello PCA tramite AIC (o BIC)

Voglio utilizzare l'Akaike Information Criterion (AIC) per scegliere il numero appropriato di fattori da estrarre in un PCA. L'unico problema è che non sono sicuro di come determinare il numero di parametri. Considera una matrice , dove rappresenta il numero di variabili e il numero di osservazioni, in modo tale …

12 pca model-selection

1

Differenze tra PROC Mixed e lme / lmer in R - gradi di libertà

Nota: questa domanda è una risposta, poiché la mia domanda precedente doveva essere cancellata per motivi legali. Confrontando PROC MIXED da SAS con la funzione lmedel nlmepacchetto in R, mi sono imbattuto in alcune differenze piuttosto confuse. Più specificamente, i gradi di libertà nei diversi test differiscono tra PROC MIXEDe …

12 r mixed-model sas degrees-of-freedom pdf unbiased-estimator distance-functions functional-data-analysis hellinger time-series outliers c++ relative-risk absolute-risk rare-events regression t-test multiple-regression survival teaching multiple-regression regression self-study t-distribution machine-learning recommender-system self-study binomial standard-deviation data-visualization r predictive-models pearson-r spearman-rho r regression modeling r categorical-data data-visualization ggplot2 many-categories machine-learning cross-validation weka microarray variance sampling monte-carlo regression cross-validation model-selection feature-selection elastic-net distance-functions information-theory r regression mixed-model random-effects-model fixed-effects-model dataset data-mining

2

Come utilizzare l'analisi dei componenti principali per selezionare le variabili per la regressione?

Attualmente sto utilizzando l'analisi dei componenti principali per selezionare le variabili da utilizzare nella modellazione. Al momento, eseguo le misurazioni A, B e C nei miei esperimenti - Quello che voglio davvero sapere è: posso fare meno misurazioni e interrompere la registrazione di C e o B per risparmiare tempo …

12 regression pca model-selection

1

Test dell'equivalenza di modelli non nidificati

Diciamo che è una funzione lineare di xe un manichino d . La mia ipotesi è che d stessa è come un indice edonistica di un vettore di altre variabili, Z . Ho il supporto per questo in un M A N O V A di Z (cioè z 1 …

12 r hypothesis-testing regression model-selection

2

GLM dopo la selezione o la regolarizzazione del modello

Vorrei porre questa domanda in due parti. Entrambi trattano un modello lineare generalizzato, ma il primo riguarda la selezione del modello e l'altro riguarda la regolarizzazione. Contesto: utilizzo modelli GLM (lineari, logistici, regressione gamma) sia per la previsione che per la descrizione. Quando mi riferisco alle " cose normali che …

12 regression model-selection regularization

1

Test esatto di Fisher e distribuzione ipergeometrica

Volevo capire meglio il test esatto del pescatore, quindi ho escogitato il seguente esempio di giocattolo, dove f e m corrispondono a maschio e femmina e n e y corrispondono a "consumo di soda" in questo modo: > soda_gender f m n 0 5 y 5 0 Ovviamente, questa è …

12 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

Domande taggate «model-selection»