Estadísticas y Big Data

Me impresionaron los resultados en el documento ICML 2014 " Representaciones distribuidas de oraciones y documentos " de Le y Mikolov. La técnica que describen, llamada "vectores de párrafo", aprende representaciones sin supervisión de párrafos / documentos arbitrariamente largos, basados ​​en una extensión del modelo word2vec. El documento informa sobre …

20 text-mining  natural-language  word-embeddings  sentiment-analysis  reproducible-research 

Los siguientes son gráficos acf y pacf de una serie de datos mensual. El segundo gráfico es acf con ci.type = 'ma': La persistencia de valores altos en la gráfica acf probablemente representa una tendencia positiva a largo plazo. La pregunta es si esto representa una variación estacional. Traté de …

20 time-series 

Sé cómo calcular matemáticamente PCA y SVD, y sé que ambos se pueden aplicar a la regresión de mínimos cuadrados lineales. La principal ventaja de SVD matemáticamente parece ser que se puede aplicar a matrices no cuadradas. Ambos se centran en la descomposición de la matrizAdemás de la ventaja de …

20 pca  least-squares  svd 

Estoy interesado en comprender mejor el método delta para aproximar los errores estándar de los efectos marginales promedio de un modelo de regresión que incluye un término de interacción. He analizado preguntas relacionadas con el método delta, pero ninguna me ha proporcionado lo que estoy buscando. Considere los siguientes datos …

20 r  regression  standard-error  effect-size  delta-method 

Según tengo entendido, en PCA basado en correlaciones obtenemos cargas de factores (= componente principal en este caso) que no son más que correlaciones entre variables y factores. Ahora, cuando necesito generar puntajes de factores en SPSS, puedo obtener directamente puntajes de factores de cada encuestado para cada factor. También …

20 spss  pca  factor-analysis 

El concepto de "media" va mucho más allá de la media aritmética tradicional; ¿se estira tanto como para incluir la mediana? Por analogia, raw data⟶idraw data⟶meanraw mean⟶id−1arithmetic meanraw data⟶recipreciprocals⟶meanmean reciprocal⟶recip−1harmonic meanraw data⟶loglogs⟶meanmean log⟶log−1geometric meanraw data⟶squaresquares⟶meanmean square⟶square−1root mean squareraw data⟶rankranks⟶meanmean rank⟶rank−1medianraw data⟶idraw data⟶meanraw mean⟶id−1arithmetic meanraw data⟶recipreciprocals⟶meanmean reciprocal⟶recip−1harmonic meanraw data⟶loglogs⟶meanmean log⟶log−1geometric meanraw …

20 mean  average  median 

Si ZZ\mathbf {Z} es un vector aleatorio y es una matriz fija, ¿podría alguien explicar por quéc o v [ A Z ] = A c o v [ Z ] A ⊤ .AAAcov[AZ]=Acov[Z]A⊤.cov[AZ]=Acov[Z]A⊤.\mathrm{cov}[A \mathbf {Z}]= A \mathrm{cov}[\mathbf {Z}]A^\top.

20 covariance 

Deje que un modelo de regresión lineal obtenido por la función R lm quisiera saber si es posible obtenerlo mediante el comando Error al cuadrado medio. Tuve la SIGUIENTE salida de un ejemplo > lm <- lm(MuscleMAss~Age,data) > sm<-summary(lm) > sm Call: lm(formula = MuscleMAss ~ Age, data = data) …

20 r  regression  error 

En R, cuando tengo un modelo lineal (generalizada) ( lm, glm, gls, glmm, ...), ¿cómo puedo probar el coeficiente (pendiente de regresión) contra cualquier otro valor distinto a 0? En el resumen del modelo, los resultados de la prueba t del coeficiente se informan automáticamente, pero solo para comparación con …

20 r  regression  t-test 

Acabo de leer un poco sobre el muestreo de Gibbs y el algoritmo Metropolis Hastings y tengo un par de preguntas. Según tengo entendido, en el caso del muestreo de Gibbs, si tenemos un gran problema multivariado, tomamos muestras de la distribución condicional, es decir, tomamos muestras de una variable …

20 bayesian  sampling  mcmc  gibbs  metropolis-hastings 

Tengo un conjunto de datos que consta de 5 características: A, B, C, D, E. Todos son valores numéricos. En lugar de hacer una agrupación basada en la densidad, lo que quiero hacer es agrupar los datos en forma de árbol de decisión. El enfoque que quiero decir es algo …

20 r  machine-learning  clustering  cart 

La regresión penalizada L1 (también conocida como lazo) se presenta en dos formulaciones. Deje que las dos funciones objetivas sean Q1=12||Y−Xβ||22Q2=12||Y−Xβ||22+λ||β||1.Q1=12||Y−Xβ||22Q2=12||Y−Xβ||22+λ||β||1. Q_1 = \frac{1}{2}||Y - X\beta||_2^2 \\ Q_2 =\frac{1}{2}||Y - X\beta||_2^2 + \lambda ||\beta||_1. Entonces las dos formulaciones diferentes son argminβQ1argminβQ1 \text{argmin}_\beta \; Q_1 sujeto a ||β||1≤t,||β||1≤t, ||\beta||_1 \leq t, …

20 regression  lasso  penalized 

Considere observaciones censuradas a la derecha, con eventos en los momentos . El número de individuos susceptibles en el momento es , y el número de eventos en el momento es .i n i i d it1, t2, ...t1,t2,…t_1, t_2, \dotsyoiinorteyonin_iyoiireyodid_i El estimador de Kaplan-Meier o producto surge naturalmente como …

20 bayesian  survival  kaplan-meier 

Con todos los medios de comunicación y exageraciones sobre el aprendizaje profundo en estos días, leí algunas cosas elementales al respecto. Acabo de descubrir que es solo otro método de aprendizaje automático para aprender patrones a partir de datos. Pero mi pregunta es: ¿dónde brilla y por qué brilla este …

20 machine-learning  data-mining  deep-learning  deep-belief-networks 

Estoy tratando de ajustar una spline para un GLM usando R. Una vez que ajuste la spline, quiero poder tomar mi modelo resultante y crear un archivo de modelado en un libro de Excel. Por ejemplo, supongamos que tengo un conjunto de datos donde y es una función aleatoria de …

20 splines