Estadísticas y Big Data

Dada una secuencia de entradas, necesito determinar si esta secuencia tiene cierta propiedad deseada. La propiedad solo puede ser verdadera o falsa, es decir, solo hay dos clases posibles a las que puede pertenecer una secuencia. La relación exacta entre la secuencia y la propiedad no está clara, pero creo …

14 machine-learning  classification  modeling 

En el análisis de datos de panel, he utilizado modelos de varios niveles con efectos aleatorios / mixtos para tratar problemas de autocorrelación (es decir, las observaciones se agrupan dentro de los individuos a lo largo del tiempo) con otros parámetros agregados para ajustar algunas especificaciones de tiempo y choques …

14 time-series  mixed-model  arima  multilevel-analysis 

En un artículo de investigación sobre el análisis de sensibilidad de un modelo de ecuación diferencial ordinaria de un sistema dinámico, el autor proporcionó la distribución de un parámetro del modelo como Distribución normal (media = 1e-4, std = 3e-5) truncada al rango [0.5e -4 1,5e-4]. Luego usa muestras de …

14 distributions  simulation  truncation 

En primer lugar, supongo que no todos los miembros activos de este sitio interesante son estadísticos como su trabajo. De lo contrario, la pregunta que se hace de la siguiente manera no tiene ningún sentido. Los respeto, por supuesto, pero necesito una explicación que sea un poco más práctica que …

14 self-study  terminology  notation 

Esta es una pregunta ingenua de alguien que comienza a aprender el aprendizaje automático. Estoy leyendo en estos días el libro "Aprendizaje automático: una perspectiva algorítmica" de Marsland. Lo encuentro útil como libro introductorio, pero ahora me gustaría entrar en algoritmos avanzados, los que actualmente están dando los mejores resultados. …

14 machine-learning  clustering  bioinformatics 

En primer lugar, me gustaría describir algunos diseños comunes que usan los libros de minería de datos que explican cómo tratar con conjuntos de datos no balanceados . Por lo general, la sección principal se denomina Conjuntos de datos no balanceados y cubren estas dos subsecciones: Clasificación sensible al costo …

14 machine-learning  classification  unbalanced-classes 

¿Cuál es la diferencia entre la varianza muestral y la varianza muestral? Parecen lo mismo. ¿No son ellos?

14 sampling  variance  sample 

Al dicotomizar variables, ¿qué información se pierde en el proceso? ¿Cómo ayuda una dicotomización en los análisis?

14 regression  data-transformation  binary-data 

Tengo algunas dudas para entender los SVM de forma intuitiva. Supongamos que hemos entrenado un modelo SVM para la clasificación utilizando alguna herramienta estándar como SVMLight o LibSVM. Cuando usamos este modelo para la predicción de datos de prueba, el modelo genera un archivo con valores "alfa" para cada punto …

14 machine-learning  svm  max-margin 

Soy un novato en estadística y R y tengo problemas para usar la función Levene (me gustaría verificar la igualdad de varianza de dos muestras). La documentación dice que debería ejecutar: levene.test (y, grupo) ¿Pero no tengo idea de lo que debo poner como y y grupo? Tengo dos muestras …

14 r  variance  levenes-test 

En pocas palabras: ¿hay alguna diferencia en los enfoques bayesianos y frecuentes para el análisis exploratorio de datos? No conozco sesgos inherentes a los métodos de EDA, ya que un histograma es un histograma, un diagrama de dispersión es un diagrama de dispersión, etc., ni he encontrado ejemplos de diferencias …

14 bayesian  frequentist  eda 

¿Es apropiado hacer una regresión logística donde las variables dependientes e independientes son binarias? por ejemplo, la variable dependiente es 0 y 1 y los predictores son variables codificadas por contraste -1 y 1?

14 logistic 

Actualmente estoy tratando a los valores Simular de un NNN -dimensional variable aleatoria XXX que tiene una distribución normal multivariante con media vector μ=(μ1,...,μN)Tμ=(μ1,...,μN)T\mu = (\mu_1,...,\mu_N)^T y la matriz de covarianza SSS . Espero utilizar un procedimiento similar al método CDF inverso, lo que significa que primero quiero generar unNNN …

14 matlab  algorithms  random-generation  multivariate-normal 

Es común usar pesos en aplicaciones como el modelado de mezclas y combinar linealmente funciones básicas. Los pesos wiwiw_i menudo deben obedecer wi≥wi≥w_i ≥ 0 y ∑iwi=1∑iwi=1\sum_{i} w_i=1 . Me gustaría elegir aleatoriamente un vector de peso w=(w1,w2,…)w=(w1,w2,…)\mathbf{w} = (w_1, w_2, …) de una distribución uniforme de dichos vectores. Puede …

14 random-generation 

Estoy tratando de dibujar violines y me pregunto si hay una mejor práctica aceptada para escalarlos en grupos. Aquí hay tres opciones que he intentado usar el mtcarsconjunto de datos R (Motor Trend Cars de 1973, que se encuentra aquí ). Anchos iguales Parece ser lo que hace el artículo …

14 distributions  data-visualization  nonparametric