Estadísticas y Big Data

Estoy usando Pyikon-scikit-learn para entrenar y probar una regresión logística. scikit-learn devuelve los coeficientes de regresión de las variables independientes, pero no proporciona los errores estándar de los coeficientes. Necesito estos errores estándar para calcular una estadística de Wald para cada coeficiente y, a su vez, comparar estos coeficientes entre …

18 logistic  python  standard-error  regression-coefficients  scikit-learn 

Supongamos que es el vector que maximiza la varianza de la proyección de los datos con matriz de diseño .tutuuXXX Ahora, he visto materiales que se refieren a como el (primer) componente principal de los datos, que también es el vector propio con mayor valor propio.tutuu Sin embargo, también he …

18 pca  terminology  definition 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que sea sobre el tema de Cross Validated. Cerrado hace 5 años . Estoy tratando de compilar una lista de algoritmos de agrupamiento que son: Implementado en R Opere …

18 r  clustering  sparse 

¿Cuál es la diferencia entre hacer una regresión lineal con una función de base radial gaussiana (RBF) y hacer una regresión lineal con un núcleo gaussiano?

18 regression  normal-distribution  kernel-trick 

Estoy tratando de decidir si un componente de un PCA se mantendrá o no. Hay una gran cantidad de criterios basados ​​en la magnitud del valor propio, descritos y comparados, por ejemplo, aquí o aquí . Sin embargo, en mi solicitud sé que el valor propio pequeño (est) será pequeño …

18 pca 

Recién cubrí la hipótesis no lineal de Andrew Neg de Netowrks neuronales, y teníamos una pregunta de opción múltiple para determinar el número de características para una imagen de resolución 100x100 de intensidades de grescale . Y la respuesta fue 50 millones, 555 x 10710710^7 Sin embargo, antes para una …

18 feature-selection  image-processing 

¿Qué recomendaría como una galería completa de técnicas de presentación de datos? ¿Una fuente a la que podría referirse mientras está pensando en mejores formas de presentar sus datos? He identificado los siguientes, pero me alegraría si pudiera agregar los suyos: Galerías en línea: http://www.mathworks.com/discovery/gallery.html http://www.idlcoyote.com/gallery/ https://developers.google.com/chart/interactive/docs/gallery?csw=1 http://www.walkingrandomly.com/?p=4788 http://en.wikipedia.org/wiki/Category:Statistical_charts_and_diagrams (no …

18 data-visualization 

En varios lugares, vi una afirmación de que MANOVA es como ANOVA más análisis discriminante lineal (LDA), pero siempre se hizo de forma manual. Me gustaría saber qué se supone que significa exactamente . Encontré varios libros de texto que describen todos los detalles de los cálculos de MANOVA, pero …

18 anova  discriminant-analysis  manova 

Hoy me di cuenta de esta cuestión , y pensé que sería útil si tuviéramos un hilo que los recursos enumerados que la gente pudiera acceder convenientemente para el análisis de potencia / cálculos del tamaño de la muestra, tal vez análoga a este tema: Recursos para el aprendizaje de …

18 power-analysis 

Dejando de lado el problema obvio de la baja potencia del chi-cuadrado en este tipo de circunstancias, imagine hacer una prueba de bondad de chi-cuadrado para alguna densidad con parámetros no especificados, agrupando los datos. Para concreción, digamos una distribución exponencial con media desconocida y un tamaño de muestra de …

18 chi-squared  goodness-of-fit  binning 

Tengo un conjunto de datos con decenas de miles de observaciones de datos de costos médicos. Estos datos están muy sesgados a la derecha y tienen muchos ceros. Se ve así para dos grupos de personas (en este caso, dos grupos de edad con> 3000 obs cada uno): Min. 1st …

18 t-test  skewness  permutation-test 

Para hacer este gráfico, generé muestras aleatorias de diferente tamaño a partir de una distribución normal con media = 0 y sd = 1. Los intervalos de confianza se calcularon utilizando valores de corte alfa que van desde .001 a .999 (línea roja) con la función t.test (), la probabilidad …

18 r  confidence-interval  profile-likelihood 

He hojeado varios libros (Raudenbush y Bryk, Snijders y Bosker, Gelman y Hill, etc.) y varios artículos (Gelman, Jusko, Primo y Jacobsmeier, etc.), y todavía no he entendido todo. Las principales diferencias entre el uso de errores estándar agrupados versus el modelado multinivel. Entiendo las partes que tienen que ver …

18 mixed-model  multilevel-analysis  clustered-standard-errors 

Tengo un espacio de 35 dimensiones (atributos). Mi problema analítico es simple de clasificación. De las 35 dimensiones, más de 25 son categóricas y cada atributo toma más de 50 tipos de valores. En ese escenario, la introducción de una variable ficticia tampoco funcionará para mí. ¿Cómo puedo ejecutar un …

18 categorical-data  svm 

Suponga que tiene una bolsa con fichas, cada una con una letra. Hay mosaicos con la letra 'A', con 'B', etc., y 'comodín' (tenemos ). Suponga que tiene un diccionario con un número finito de palabras.nnnnAnAn_AnBnBn_Bn∗n∗n_*n=nA+nB+…+nZ+n∗n=nA+nB+…+nZ+n∗n = n_A + n_B + \ldots + n_Z + n_* Eliges fichas de la …

18 probability  games  combinatorics