Estadísticas y Big Data

¿Tiene sentido hacer PCA antes de llevar a cabo una Clasificación de bosque aleatorio? Estoy tratando con datos de texto de alta dimensión, y quiero hacer una reducción de características para ayudar a evitar la maldición de la dimensionalidad, pero ¿Random Forests ya no tiene algún tipo de reducción de …

13 classification  pca  random-forest  dimensionality-reduction  high-dimensional 

Estoy programando un algoritmo kNN y me gustaría saber lo siguiente: Tie-breaks: ¿Qué sucede si no hay un ganador claro en la votación mayoritaria? Por ejemplo, todos los vecinos más cercanos k son de diferentes clases, o para k = 4 hay 2 vecinos de la clase A y 2 …

13 k-nearest-neighbour  weights  ties 

Tengo una cohorte de pacientes con diferente duración de seguimiento. Hasta ahora no estoy considerando el aspecto del tiempo y solo necesito modelar un resultado binario-enfermedad / no enfermedad. Usualmente hago regresión logística en estos estudios, pero otro colega mío me preguntó si la regresión de Poisson sería igual de …

13 logistic  poisson-distribution 

¿Alguien puede dar la definición de sección transversal en "sección transversal de la devolución de existencias"? Gracias

13 finance  cross-section 

Digamos que quiero crear un clasificador logístico para una película M. Mis características serían algo como la edad de la persona, el género, la ocupación, la ubicación. Entonces, el conjunto de entrenamiento sería algo así como: Edad Género Ocupación Ubicación Me gusta (1) / No me gusta (0) 23 M …

13 machine-learning  feature-construction 

Si solo tengo Var(X)Var(X)\mathrm{Var}(X) , ¿cómo puedo calcular Var(1X)Var(1X)\mathrm{Var}(\frac{1}{X})? No tengo ninguna información sobre la distribución de XXX , así que no puedo utilizar la transformación, o cualquier otro método que usan la distribución de probabilidad de XXX .

13 distributions  variance  data-transformation 

No estoy seguro de cómo interpretar esta regresión probit que ejecuté en Stata. Los datos están en la aprobación del préstamo y el blanco es una variable ficticia que = 1 si una persona era blanca y = 0 si la persona no lo era. Cualquier ayuda sobre cómo leer …

13 regression  multiple-regression  stata 

El bildpaquete parece ser un excelente paquete para respuestas binarias en serie. Pero es por tiempo discreto. Me gustaría especificar una función de tiempo suave para la conexión de odds ratio de la respuesta actual Y con respuestas binarias medidas en momentos anteriores, o al menos una versión de Markov …

13 r  repeated-measures  binary-data  panel-data 

Estoy buscando un paquete R general, limpio y rápido (es decir, usando rutinas C ++) para simular rutas desde una difusión no lineal no homogénea como (1) usando el esquema de Euler-Maruyama, el esquema de Milstein (o cualquier otro). Está destinado a integrarse en un código de estimación más grande …

13 r  simulation  stochastic-processes  markov-process 

Cuando leí acerca de cómo aproximar la distribución de la muestra significa que encontré el método de arranque no paramétrico. Aparentemente uno puede aproximar la distribución de por la distribución de ˉ X ∗ n - ˉ X n , donde ˉ X ∗ nX¯n−μX¯n−μ\bar{X}_n-\muX¯∗n−X¯nX¯n∗−X¯n\bar{X}_n^*-\bar{X}_nX¯∗nX¯n∗\bar{X}_n^* denota la media muestral de …

13 distributions  bootstrap  resampling  centering 

Un amigo mío vende modelos de licuadoras. Algunos de los mezcladores son muy simples y baratos, otros son muy sofisticados y más caros. Sus datos consisten, para cada mes, en los precios de cada licuadora (que son fijados por él) y el número de unidades vendidas para cada modelo. Para …

13 optimization 

Una de las motivaciones para la red elástica fue la siguiente limitación de LASSO: En el caso , el lazo selecciona como máximo n variables antes de saturarse, debido a la naturaleza del problema de optimización convexa. Esto parece ser una característica limitante para un método de selección variable. Además, …

13 regression  optimization  feature-selection  lasso 

Quiero predecir Tree Heights en un área determinada usando algunas variables obtenidas a través de la teledetección. Como la biomasa aproximada, etc. Quiero usar primero una regresión lineal (sé que no es la mejor idea, pero es un paso obligado para mi proyecto). Quería saber qué tan mal puede afectarlo …

13 r  multiple-regression  spatial  autocorrelation 

Bootstrapping funciona bien para acceder a la incertidumbre en la estimación media, sin embargo, recuerdo haber leído en alguna parte que el bootstrap no hace un buen trabajo al evaluar la incertidumbre en las estimaciones cuantiles (particularmente la mediana). No recuerdo dónde leí esto, y no pude encontrar mucho con …

13 references  bootstrap  median 

Para encontrar una asociación entre el apoyo de pares (variable independiente) y la satisfacción laboral (variable dependiente) deseo aplicar la prueba de chi-cuadrado. El apoyo de los pares está dividido en categorías en cuatro grupos según el grado de apoyo: 1 = muy poca extensión, 2 = hasta cierto punto, …

13 chi-squared  nonparametric  contingency-tables  association-measure