Estadísticas y Big Data

Estoy buscando recursos (tutoriales, libros de texto, webcast, etc.) para aprender sobre Markov Chain y HMM. Mi experiencia es como biólogo, y actualmente estoy involucrado en un proyecto relacionado con la bioinformática. Además, ¿cuáles son los conocimientos matemáticos necesarios que necesito para tener una comprensión suficiente de los modelos y …

57 references  markov-process  hidden-markov-model  bioinformatics 

Encuentro recursos como el Probability and Statistics Cookbook y The R Reference Card for Data Mining increíblemente útiles. Obviamente, sirven como referencias, pero también me ayudan a organizar mis pensamientos sobre un tema y comprender el terreno. P: ¿Existe algo así como estos recursos para los métodos de aprendizaje automático? …

57 machine-learning  references 

Al responder esta pregunta sobre datos discretos y continuos , afirmé con soltura que rara vez tiene sentido tratar los datos categóricos como continuos. A primera vista, parece evidente, pero la intuición es a menudo una guía pobre para las estadísticas, o al menos la mía lo es. Entonces ahora …

57 categorical-data  data-transformation  ordinal-data  continuous-data 

Tengo algunas preguntas sobre la regresión bayesiana: Dada una regresión estándar como . Si quiero cambiar esto en una regresión bayesiana, ¿necesito distribuciones previas para y (o no funciona de esta manera)?β 0 β 1y= β0 0+ β1x + εy=β0 0+β1X+εy = \beta_0 + \beta_1 x + \varepsilonβ0 0β0 0\beta_0β1β1\beta_1 …

57 regression  bayesian 

He leído que usar escalas de registro cuando los gráficos / gráficos son apropiados en ciertas circunstancias, como el eje y en un gráfico de series de tiempo. Sin embargo, no he podido encontrar una explicación definitiva de por qué ese es el caso, o cuándo sería apropiado. Tenga en …

57 data-visualization  data-transformation 

¿En qué circunstancias desearía, o no, escalar o estandarizar una variable antes del ajuste del modelo? ¿Y cuáles son las ventajas / desventajas de escalar una variable?

57 modeling  predictive-models  feature-selection  theory  standardization 

Según el artículo de Wikipedia sobre la estimación imparcial de la desviación estándar, la muestra SD s = 1n - 1∑i = 1norte( xyo- x¯¯¯)2---------------√s=1n−1∑i=1n(xi−x¯)2s = \sqrt{\frac{1}{n-1} \sum_{i=1}^n (x_i - \overline{x})^2} es un estimador sesgado de la DE de la población. Establece que .mi( s2--√) ≠ E( s2)-----√E(s2)≠E(s2)E(\sqrt{s^2}) \neq \sqrt{E(s^2)} …

57 estimation  standard-deviation 

Declaración Uno (S1): "Una de cada 80 muertes es causada por un accidente automovilístico". Declaración Dos (S2): "Una de cada 80 personas muere como resultado de un accidente automovilístico". Ahora, personalmente no veo mucha diferencia entre estas dos declaraciones. Al escribir, los consideraría intercambiables para un público lego. Sin embargo, …

56 interpretation  risk 

Espero que el título se explique por sí mismo. En Kaggle, la mayoría de los ganadores usan el apilamiento con a veces cientos de modelos base, para exprimir un porcentaje adicional de MSE, precisión ... En general, según su experiencia, cuán importante es el modelado sofisticado, como el apilamiento frente …

56 large-data  stacking  collecting-data  kaggle 

Tanto PCA como autoencoder pueden reducir la degradación, entonces, ¿cuál es la diferencia entre ellos? ¿En qué situación debo usar uno sobre otro?

56 machine-learning  pca  neural-networks  autoencoders 

Sigo leyendo esto e intuitivamente puedo ver esto, pero ¿cómo se pasa de la regularización L2 a decir que este es un Prior Gaussiano analíticamente? Lo mismo ocurre con decir que L1 es equivalente a un previo de Laplace. Cualquier otra referencia sería genial.

56 regression  references  regularization 

Estoy tratando de predecir un resultado binario usando 50 variables explicativas continuas (el rango de la mayoría de las variables es a ). Mi conjunto de datos tiene casi 24,000 filas. Cuando corro en R, obtengo:−∞−∞-\infty∞∞\inftyglm Warning messages: 1: glm.fit: algorithm did not converge 2: glm.fit: fitted probabilities numerically 0 …

56 r  regression  logistic  separation 

Me preguntaba si hay buenas bibliotecas R para redes neuronales de aprendizaje profundo. Sé que está el nnet,, neuralnety RSNNS, pero ninguno de estos parece implementar métodos de aprendizaje profundo. Estoy especialmente interesado en el aprendizaje no supervisado seguido del aprendizaje supervisado y en el uso de la deserción escolar …

56 r  neural-networks  deep-learning  rbm  deep-belief-networks 

He encontrado información discordante sobre la pregunta: " Si uno construye un intervalo de confianza (IC) del 95% de una diferencia en las medias o una diferencia en las proporciones, ¿todos los valores dentro del IC son igualmente probables? O, ¿es la estimación puntual la más probable? , con valores …

56 confidence-interval 

Existe una cierta escuela de pensamiento según la cual el enfoque más extendido para las pruebas estadísticas es un "híbrido" entre dos enfoques: el de Fisher y el de Neyman-Pearson; estos dos enfoques, según la afirmación, son "incompatibles" y, por lo tanto, el "híbrido" resultante es una "mezcla incoherente". Proporcionaré …

56 hypothesis-testing  statistical-significance  p-value  type-i-and-ii-errors  history