Estadísticas y Big Data

¿Cuál es la diferencia entre un problema multiclase y un problema multicabel?

52 classification  clustering  terminology  multi-class  multilabel 

Siempre que se utiliza la regularización, a menudo se agrega a la función de costo, como en la siguiente función de costo. Esto tiene sentido intuitivo para mí ya que minimiza la función de costo significa minimizar el error (el término izquierdo) y minimizar las magnitudes de los coeficientes (el …

51 regularization 

Algunos materiales que he visto sobre el aprendizaje automático dicen que es una mala idea abordar un problema de clasificación a través de la regresión. Pero creo que siempre es posible hacer una regresión continua para ajustar los datos y truncar la predicción continua para obtener clasificaciones discretas. Entonces, ¿por …

51 regression  machine-learning  classification 

Tengo los datos de una prueba que podría usarse para distinguir células normales y tumorales. De acuerdo con la curva ROC, se ve bien para este propósito (el área bajo la curva es 0.9): Mis preguntas son: ¿Cómo determinar el punto de corte para esta prueba y su intervalo de …

51 r  data-visualization  confidence-interval  roc  ggplot2 

He visto varios tratamientos teóricos de gráficos, como la Gramática de Gráficos . Pero no he visto nada equivalente con respecto a las tablas. Mientras tanto, he desarrollado un modelo informal de buenas prácticas en el diseño de tablas. Sin embargo, me gustaría poder proporcionar una buena referencia a los …

51 tables 

En su artículo de 1984 "Estadísticas e inferencia causal" , Paul Holland planteó una de las preguntas más fundamentales en estadística: ¿Qué puede decir un modelo estadístico sobre la causalidad? Esto llevó a su lema: SIN CAUSAS SIN MANIPULACIÓN que enfatizó la importancia de las restricciones en torno a los …

51 causality 

Un filtro de partículas y un filtro de Kalman son estimadores bayesianos recursivos . A menudo encuentro filtros de Kalman en mi campo, pero rara vez veo el uso de un filtro de partículas. ¿Cuándo se usaría uno sobre el otro?

51 bayesian  particle-filter  kalman-filter 

¿Por qué y cuándo debemos usar la información mutua sobre las medidas de correlación estadística como "Pearson", "spearman" o "Kendall's tau"?

51 correlation  mathematical-statistics  mutual-information 

Lo sé, esto puede sonar como fuera de tema, pero escúchame. En Stack Overflow y aquí obtenemos votos en las publicaciones, todo esto se almacena en forma de tabla. P.ej: Identificación del poste Identificación del votante Tipo de voto Fecha y hora ------- -------- --------- -------- 10 1 2 2000-1-1 …

51 time-series  hypothesis-testing  data-mining  markov-process  censoring 

Breve definición de impulso : ¿Puede un conjunto de estudiantes débiles crear un solo estudiante fuerte? Un alumno débil se define como un clasificador que solo está ligeramente correlacionado con la clasificación verdadera (puede etiquetar ejemplos mejor que adivinar al azar). Breve definición de bosque aleatorio : Random Forests cultiva …

51 machine-learning  random-forest  boosting  bagging 

¿Por favor explíqueme la diferencia en la estimación bayesiana y la estimación de máxima verosimilitud?

50 bayesian  maximum-likelihood 

Dado que RF puede manejar la no linealidad pero no puede proporcionar coeficientes, ¿sería prudente utilizar un bosque aleatorio para reunir las características más importantes y luego conectar esas características en un modelo de regresión lineal múltiple para obtener sus coeficientes?

50 regression  machine-learning  feature-selection  random-forest  regression-strategies 

Me preguntaba si hay una manera de saber la probabilidad de que algo falle (un producto) si tenemos 100,000 productos en el campo durante 1 año y sin fallas. ¿Cuál es la probabilidad de que uno de los próximos 10,000 productos vendidos falle?

50 probability  survival  binomial 

Estoy tratando con datos lineales con valores atípicos, algunos de los cuales están a más de 5 desviaciones estándar de la línea de regresión estimada. Estoy buscando una técnica de regresión lineal que reduzca la influencia de estos puntos. Hasta ahora, lo que hice fue estimar la línea de regresión …

50 regression  linear-model  outliers  robust  fused-lasso 

Recientemente me encontré con Tableau e intenté visualizar los datos de la base de datos y el archivo csv. La interfaz de usuario permite al usuario visualizar el tiempo y los datos espaciales y crear gráficos en un instante. Dicha herramienta es realmente útil ya que permite observar los datos …

50 data-visualization  software  interactive-visualization