Statistiche e Big Data prediction

1

Qual è la differenza tra decision_function, predict_proba e predict per il problema di regressione logistica?

Ho esaminato la documentazione di sklearn ma non sono in grado di comprendere lo scopo di queste funzioni nel contesto della regressione logistica. Perché decision_functiondice che è la distanza tra l'iperpiano e l'istanza di test. come sono utili queste informazioni particolari? e in che modo ciò si collega predicte predict-probametodi?

10 regression logistic prediction scikit-learn decision

2

Valutare la distribuzione predittiva posteriore nella regressione lineare bayesiana

Sono confuso su come valutare la distribuzione predittiva posteriore per la regressione lineare bayesiana, oltre il caso di base descritto qui a pagina 3 e copiato di seguito. p ( y~∣ y) = ∫p ( y~∣ β, σ2) p ( β, σ2∣ y)p(y~∣y)=∫p(y~∣β,σ2)p(β,σ2∣y) p(\tilde y \mid y) = \int p(\tilde …

10 regression bayesian predictive-models prediction posterior

1

Calcolo degli intervalli di previsione quando si utilizza la convalida incrociata

Le stime di deviazione standard sono calcolate tramite: sN=1N∑Ni=1(xi−x¯¯¯)2−−−−−−−−−−−−−√.sN=1N∑i=1N(xi−x¯)2. s_N = \sqrt{\frac{1}{N} \sum_{i=1}^N (x_i - \overline{x})^2}. ( http://en.wikipedia.org/wiki/Standard_deviation#Sample_standard_deviation ) per la precisione delle previsioni campionata da 10 volte la convalida incrociata? Sono preoccupato che l'accuratezza della previsione calcolata tra ciascuna piega dipenda dalla sostanziale sovrapposizione tra le serie di allenamento …

10 confidence-interval cross-validation prediction prediction-interval

1

Come ottenere una previsione per una variabile specifica in WinBUGS?

Sono un nuovo utente di WinBUGS e ho una domanda per il tuo aiuto. Dopo aver eseguito il codice seguente, ho ottenuto i parametri di beta0through beta4(stats, densità), ma non so come ottenere la previsione dell'ultimo valore di h, che ho impostato NAper modellare nel codice. Qualcuno può darmi un …

10 bayesian bugs prediction winbugs

1

Valore “nascosto” della variabile categoriale della regressione lineare

Questo è solo un esempio che ho riscontrato più volte, quindi non ho dati di esempio. Esecuzione di un modello di regressione lineare in R: a.lm = lm(Y ~ x1 + x2) x1è una variabile continua. x2è categorico e ha tre valori, ad esempio "Basso", "Medio" e "Alto". Tuttavia, l'output …

10 r regression categorical-data regression-coefficients categorical-encoding machine-learning random-forest anova spss r self-study bootstrap monte-carlo r multiple-regression partitioning neural-networks normalization machine-learning svm kernel-trick self-study survival cox-model repeated-measures survey likert correlation variance sampling meta-analysis anova independence sample assumptions bayesian covariance r regression time-series mathematical-statistics graphical-model machine-learning linear-model kernel-trick linear-algebra self-study moments function correlation spss probability confidence-interval sampling mean population r generalized-linear-model prediction offset data-visualization clustering sas cart binning sas logistic causality regression self-study standard-error r distributions r regression time-series multiple-regression python chi-squared independence sample clustering data-mining rapidminer probability stochastic-processes clustering binary-data dimensionality-reduction svd correspondence-analysis data-visualization excel c# hypothesis-testing econometrics survey rating composite regression least-squares mcmc markov-process kullback-leibler convergence predictive-models r regression anova confidence-interval survival cox-model hazard normal-distribution autoregressive mixed-model r mixed-model sas hypothesis-testing mediation interaction

2

Decomposizione della varianza: termine per errore di previsione al quadrato atteso meno errore irriducibile

Hastie et al. "The Elements of Statistical Learning" (2009) considera un processo di generazione di dati con e .E ( ε ) = 0 Var ( ε ) = σ 2 εY=f(X)+εY=f(X)+ε Y = f(X) + \varepsilon E(ε)=0E(ε)=0\mathbb{E}(\varepsilon)=0Var(ε)=σ2εVar(ε)=σε2\text{Var}(\varepsilon)=\sigma^2_{\varepsilon} Presentano la seguente decomposizione della variazione di polarizzazione dell'errore di previsione al …

9 variance forecasting prediction terminology bias

2

I risultati della regressione hanno limite superiore imprevisto

Provo a prevedere un punteggio di equilibrio e ho provato diversi metodi di regressione. Una cosa che ho notato è che i valori previsti sembrano avere una sorta di limite superiore. Cioè, il saldo effettivo è in , ma le mie previsioni sono in cima a circa . Il diagramma …

9 regression distributions data-transformation prediction bounds

3

K-fold o hold-out cross validation per la regressione della cresta usando R

Sto lavorando alla convalida incrociata della previsione dei miei dati con 200 soggetti e 1000 variabili. Sono interessato alla regressione della cresta poiché il numero di variabili (che voglio usare) è maggiore del numero del campione. Quindi voglio usare gli stimatori di contrazione. Di seguito sono riportati i dati di …

9 r cross-validation prediction ridge-regression

3

Comprensione delle distribuzioni predittive bayesiane

Sto prendendo un corso di introduzione a Bayes e ho qualche difficoltà a capire le distribuzioni predittive. Capisco perché sono utili e ho familiarità con la definizione, ma ci sono alcune cose che non capisco bene. 1) Come ottenere la giusta distribuzione predittiva per un vettore di nuove osservazioni Supponiamo …

9 bayesian prediction

1

Valutazione delle prestazioni di previsione di serie storiche

Ho un modello dinamico Naive Bayes addestrato su un paio di variabili temporali. L'output del modello è la previsione di P(Event) @ t+1, stimata a ciascuno t. La trama di P(Event)versus timeè come mostrato nella figura sotto. In questa figura, la linea nera rappresenta P(Event)come previsto dal mio modello; la …

9 time-series probability prediction model-comparison model-evaluation

1

Previsione con randomForest (R) quando alcuni input hanno valori mancanti (NA)

Ho un randomForestmodello di classificazione che vorrei utilizzare in un'applicazione che prevede la classe di un nuovo caso. Il nuovo caso ha inevitabilmente valori mancanti. Predict non funzionerà come tale per i NA. Come dovrei farlo allora? data(iris) # create first the new case with missing values na.row<-45 na.col<-c(3,5) case.na<-iris[na.row,] …

9 r random-forest prediction missing-data

1

Come confrontare gli eventi osservati con quelli previsti?

Supponiamo di avere un campione di frequenze di 4 possibili eventi: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 e ho le probabilità attese dei miei eventi: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la somma delle frequenze osservate dei …

9 r statistical-significance chi-squared multivariate-analysis exponential joint-distribution statistical-significance self-study standard-deviation probability normal-distribution spss interpretation assumptions cox-model reporting cox-model statistical-significance reliability method-comparison classification boosting ensemble adaboost confidence-interval cross-validation prediction prediction-interval regression machine-learning svm regularization regression sampling survey probit matlab feature-selection information-theory mutual-information time-series forecasting simulation classification boosting ensemble adaboost normal-distribution multivariate-analysis covariance gini clustering text-mining distance-functions information-retrieval similarities regression logistic stata group-differences r anova confidence-interval repeated-measures r logistic lme4-nlme inference fiducial kalman-filter classification discriminant-analysis linear-algebra computing statistical-significance time-series panel-data missing-data uncertainty probability multivariate-analysis r classification spss k-means discriminant-analysis poisson-distribution average r random-forest importance probability conditional-probability distributions standard-deviation time-series machine-learning online forecasting r pca dataset data-visualization bayes distributions mathematical-statistics degrees-of-freedom

2

Usare un modello di regressione per fare previsioni: quando fermarsi?

Ho calcolato un semplice modello di regressione lineare dalle mie misure dell'esperimento per fare previsioni. Ho letto che non dovresti calcolare le previsioni per i punti che si discostano troppo dai dati disponibili. Tuttavia, non sono riuscito a trovare alcuna guida per aiutarmi a sapere fino a che punto posso …

9 regression prediction

1

Prevedere il poisson GLM con offset

So che questa è probabilmente una domanda di base ... Ma non sembra trovare la risposta. Sto adattando un GLM con una famiglia Poisson, quindi ho cercato di dare un'occhiata alle previsioni, tuttavia l'offset sembra essere preso in considerazione: model_glm=glm(cases~rhs(data$year,2003)+lhs(data$year,2003), offset=(log(population)), data=data, subset=28:36, family=poisson()) predict (model_glm, type="response") Ottengo casi non …

9 r generalized-linear-model prediction offset

3

Adattarsi di proposito

Avrebbe senso sovralimentare un modello di proposito? Supponiamo di avere un caso d'uso in cui so che i dati non varieranno molto rispetto ai dati di addestramento. Sto pensando qui alla previsione del traffico, in cui lo stato del traffico segue una serie fissa di schemi pendolarismo mattutino attività notturna …

8 machine-learning time-series forecasting prediction overfitting

Domande taggate «prediction»