Estadísticas y Big Data

¿Qué piensa sobre la aplicación de técnicas de aprendizaje automático, como bosques aleatorios o regresión penalizada (con penalización L1 o L2, o una combinación de ambas) en estudios clínicos de muestra pequeña cuando el objetivo es aislar predictores interesantes en un contexto de clasificación? No se trata de la selección …

15 machine-learning  feature-selection 

Me toma la idea de la contracción de James-Stein (es decir, que una función no lineal de una sola observación de un vector de normales posiblemente independientes puede ser un mejor estimador de las medias de las variables aleatorias, donde 'mejor' se mide por error al cuadrado ) Sin embargo, …

15 estimation  error  shrinkage  application  steins-phenomenon 

Como ingeniero de software, estoy interesado en temas como algoritmos estadísticos, minería de datos, aprendizaje automático, redes bayesianas, algoritmos de clasificación, redes neuronales, cadenas de Markov, métodos de Monte Carlo y generación de números aleatorios. Personalmente, no he tenido el placer de trabajar de manera práctica con ninguna de estas …

15 references  computational-statistics  computing 

mi pregunta se aplica particularmente a la reconstrucción de redes

15 correlation  mutual-information 

Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda responderse con hechos y citas editando esta publicación . Cerrado hace 3 años . Reglas: un clasificador por respuesta vota si estás de acuerdo Votar …

15 machine-learning  classification  application 

El cambio de etiqueta (es decir, la distribución posterior es invariante al cambio de etiquetas de componentes) es un problema problemático cuando se usa MCMC para estimar modelos de mezcla. ¿Existe una metodología estándar (como la ampliamente aceptada) para tratar el problema? Si no existe un enfoque estándar, ¿cuáles son …

15 bayesian  mcmc  mixture 

Australia está teniendo elecciones actualmente y, comprensiblemente, los medios informan diariamente nuevos resultados de encuestas políticas. En un país de 22 millones, ¿qué porcentaje de la población necesitaría ser muestreado para obtener un resultado estadísticamente válido? ¿Es posible que el uso de una muestra demasiado grande pueda afectar los resultados, …

15 sample-size  polling 

En mi área de investigación, una forma popular de mostrar datos es usar una combinación de un gráfico de barras con "barras de control". Por ejemplo, Las "barras de control" alternan entre errores estándar y desviaciones estándar según el autor. Por lo general, los tamaños de muestra para cada "barra" …

15 data-visualization 

Hace un tiempo, un usuario en la lista de correo de R-help preguntó sobre la solidez del uso de las puntuaciones de PCA en una regresión. El usuario está tratando de usar algunas puntuaciones de PC para explicar la variación en otra PC (vea la discusión completa aquí ). La …

15 regression  pca 

Según tengo entendido, las escuelas del Reino Unido enseñan que la desviación estándar se encuentra usando: mientras que las escuelas de los Estados Unidos enseñan: (en un nivel básico de todos modos). Esto ha causado problemas a varios de mis alumnos en el pasado, ya que buscaron en Internet, pero …

15 standard-deviation  error  teaching  unbiased-estimator 

Creo que ya he entendido la definición matemática de un estimador consistente. Corrígeme si me equivoco: WnWnW_n es un estimador consistente para ifθθ\theta∀ϵ>0∀ϵ>0\forall \epsilon>0 limn→∞P(|Wn−θ|>ϵ)=0,∀θ∈Θlimn→∞P(|Wn−θ|>ϵ)=0,∀θ∈Θ\lim_{n\to\infty} P(|W_n - \theta|> \epsilon) = 0, \quad \forall\theta \in \Theta Donde, ΘΘ\Theta es el espacio paramétrico. Pero quiero entender la necesidad de que un estimador …

15 estimation  consistency 

Mi pregunta es muy simple: ¿por qué elegimos normal como la distribución que sigue el término de error en el supuesto de regresión lineal? ¿Por qué no elegimos a otros como uniforme, t o lo que sea?

15 regression  mathematical-statistics  normal-distribution  error  linear 

Estoy leyendo un libro de texto Proceso Gaussiano para Aprendizaje Automático por CE Rasmussen y CKI Williams y tengo algunos problemas para entender qué significa la distribución sobre las funciones . En el libro de texto, se da un ejemplo, que uno debería imaginar una función como un vector muy …

15 distributions  gaussian-process 

En regresión lineal, hacemos los siguientes supuestos La media de la respuesta, E(Yi)E(Yi)E(Y_i) , en cada conjunto de valores de los predictores, (x1i,x2i,…)(x1i,x2i,…)(x_{1i}, x_{2i},…) , es una función lineal de los predictores. Los errores, , son independientes.εiεiε_i Los errores, εiεiε_i , en cada conjunto de valores de los predictores, (x1i,x2i,…)(x1i,x2i,…)(x_{1i}, …

15 regression  assumptions 

A medida que profundizamos en la literatura sobre redes neuronales , podemos identificar otros métodos con topologías neuromórficas (arquitecturas similares a "redes neuronales"). Y no estoy hablando del teorema de aproximación universal . A continuación se dan ejemplos. Entonces, me hace preguntarme: ¿cuál es la definición de una red neuronal …

15 machine-learning  neural-networks  deep-learning  unsupervised-learning  supervised-learning