Estadísticas y Big Data

Esta también es una pregunta que se relaciona mucho con Python como un banco de trabajo de estadísticas y sobresale como un banco de trabajo de estadísticas . Sé que hay una gran discusión sobre Ruby versus Python, pero este no es el punto en esta pregunta. Pensé que Ruby …

13 r  python  software  ruby 

He estado trabajando en el muestreo de importancia bastante de cerca durante el año pasado y tengo algunas preguntas abiertas con las que esperaba obtener ayuda. Mi experiencia práctica con esquemas de muestreo de importancia ha sido que ocasionalmente pueden producir fantásticas estimaciones de baja varianza y bajo sesgo. Sin …

13 monte-carlo  information-theory  importance-sampling 

Estoy jugando con un bosque aleatorio y he descubierto que, en general, aumentar el tamaño de la muestra conduce a un mejor rendimiento. ¿Existe una regla / fórmula / etc. que sugiera cuál debería ser el sampSize óptimo o es una prueba y error? Supongo que otra forma de redactarlo; …

13 r  random-forest 

Mientras estudiaba para mi curso de estadísticas, estaba tratando de entender la diferencia entre las pruebas de hipótesis de una y dos colas. Específicamente, ¿por qué la prueba de una cola rechaza la nula mientras que la de dos colas no? Un ejemplo:

13 hypothesis-testing 

Tengo un conjunto de datos que contiene múltiples proporciones que suman 1. Estoy interesado en el cambio de estas proporciones a lo largo de un gradiente (ver a continuación los datos de ejemplo). gradient <- 1:99 A1 <- gradient * 0.005 A2 <- gradient * 0.004 A3 <- 1 - …

13 r  multinomial 

¿Alguien puede explicarme los beneficios del algoritmo genético en comparación con otros métodos tradicionales de búsqueda y optimización?

13 genetic-algorithms 

¿Es el proceso AR (1) como un proceso de Markov?yt=ρyt−1+εtyt=ρyt−1+εty_t=\rho y_{t-1}+\varepsilon_t Si es así, entonces VAR (1) es la versión vectorial del proceso de Markov?

13 time-series 

He tenido estos dos explicados varias veces. Continúan cocinando mi cerebro. Missing Not at Random tiene sentido ser, y Missing Completely at Random tiene sentido ... es Missing at Random lo que no tanto. ¿Qué da lugar a datos que serían MAR pero no MCAR?

13 missing-data 

Parece que hay muchos algoritmos de aprendizaje automático que dependen de las funciones del núcleo. SVMs y NNs para nombrar solo dos. Entonces, ¿cuál es la definición de una función del núcleo y cuáles son los requisitos para que sea válida?

13 svm  terminology  kernel-trick 

¿Alguien puede explicarme mi modelo de Cox en inglés simple? Ajusté el siguiente modelo de regresión de Cox a todos mis datos usando la cphfunción. Mis datos se guardan en un objeto llamado Data. Las variables w, xy yson continuas; zEs un factor de dos niveles. El tiempo se mide …

13 r  cross-validation  survival  cox-model 

Tengo 6 variables ( ) que estoy usando para predecir . Al realizar mi análisis de datos, primero probé una regresión lineal múltiple. A partir de esto, solo dos variables fueron significativas. Sin embargo, cuando ejecuté una regresión lineal comparando cada variable individualmente con , todas menos una fueron significativas …

13 multiple-regression  multicollinearity  vif 

Las redes neuronales pulsadas o con picos incorporan más de la dinámica de la membrana de las neuronas biológicas, donde los pulsos llevan información a la siguiente capa. Las neuronas no necesariamente tienen que "dispararse" todas al mismo tiempo, como lo harían en un backprop, por ejemplo. Sin embargo, parece …

13 neural-networks 

Al hacer el procesamiento del lenguaje natural, uno puede tomar un corpus y evaluar la probabilidad de que la siguiente palabra ocurra en una secuencia de n. n generalmente se elige como 2 o 3 (bigrams y trigrams). ¿Existe un punto conocido en el que el seguimiento de los datos …

13 text-mining  natural-language 

"¿Qué tan grande debe ser una clase para que la probabilidad de encontrar dos personas con el mismo cumpleaños sea al menos 50%?" Tengo 360 amigos en Facebook y, como era de esperar, la distribución de sus cumpleaños no es uniforme en absoluto. Tengo un día con eso tiene 9 …

13 probability  birthday-paradox 

Citando un artículo de Wikipedia sobre la estimación de parámetros para un ingenuo clasificador de Bayes : "una suposición típica es que los valores continuos asociados con cada clase se distribuyen de acuerdo con una distribución gaussiana". Entiendo que una distribución gaussiana es conveniente por razones analíticas. Sin embargo, ¿hay …

13 normal-distribution