Estadísticas y Big Data

En base a esta publicación , quiero digerir Elementos de aprendizaje estadístico. Afortunadamente está disponible de forma gratuita y comencé a leerlo. No tengo suficiente conocimiento para entenderlo. ¿Me puede recomendar un libro que sea una mejor introducción a los temas del libro? ¿Ojalá algo que me dé el conocimiento …

50 machine-learning  references 

Libros para aprender estadísticas usando R ¿Cuál es exactamente el libro que estoy buscando? Lo que estoy buscando es un libro que le enseñe estadísticas mientras usa R para brindarle experiencia práctica y, por lo tanto, termine ayudándolo a aprender R juntos. He visto en Amazon muchos libros que intentan …

50 r  references 

No entendí por qué las hay Ny N-1al calcular la varianza de la población. ¿Cuándo usamos Ny cuándo usamos N-1? Haga clic aquí para una versión más grande. Dice que cuando la población es muy grande no hay diferencia entre N y N-1, pero no dice por qué hay N-1 …

50 variance  population 

Esto ha surgido en algunas preguntas ahora, y me he estado preguntando sobre algo. ¿Se ha movido el campo en su conjunto hacia la "reproducibilidad" enfocándose en la disponibilidad de los datos originales y el código en cuestión? Siempre me enseñaron que el núcleo de la reproducibilidad no era necesariamente, …

50 reproducible-research  philosophical 

Me doy cuenta de que esto es pedante y trivial, pero como investigador en un campo fuera de las estadísticas, con educación formal limitada en estadística, siempre me pregunto si estoy escribiendo correctamente el "valor p". Específicamente: ¿Se supone que la "p" está en mayúscula? ¿Se supone que la "p" …

50 hypothesis-testing  p-value  terminology 

Estoy buscando un software [gratuito] que pueda producir modelos gráficos atractivos, p. Ej. Cualquier sugerencia sera apreciada.

50 graphical-model  software 

Considere un buen viejo problema de regresión con predictores ppp y tamaño de muestra nnorten . La sabiduría usual es que OLS estimador será overfit y generalmente será superado por la arista estimador de β^=(X⊤X+λI)−1X⊤y.β^=(X⊤X+λI)−1X⊤y.\hat\beta = (X^\top X + \lambda I)^{-1}X^\top y.Es estándar utilizar la validación cruzada para encontrar un …

50 cross-validation  regularization  overfitting  ridge-regression  shrinkage 

Hay dos formas diferentes de codificar variables categóricas. Digamos, una variable categórica tiene n valores. La codificación única lo convierte en n variables, mientras que la codificación ficticia lo convierte en n-1 variables. Si tenemos k variables categóricas, cada una de las cuales tiene n valores. Una codificación activa termina …

50 regression  categorical-data  data-transformation  scikit-learn  data-preprocessing 

El coeficiente de una variable explicativa en una regresión múltiple nos dice la relación de esa variable explicativa con la variable dependiente. Todo esto, mientras 'controla' las otras variables explicativas. Cómo lo he visto hasta ahora: Mientras se calcula cada coeficiente, las otras variables no se tienen en cuenta, por …

50 regression  multiple-regression 

He leído sobre la descomposición de valores singulares (SVD). En casi todos los libros de texto se menciona que factoriza la matriz en tres matrices con especificación dada. Pero, ¿cuál es la intuición detrás de dividir la matriz en tal forma? PCA y otros algoritmos para la reducción de dimensionalidad …

50 matrix  linear-algebra  svd  intuition 

He estudiado algoritmos para agrupar datos (aprendizaje no supervisado): EM y k-means. Sigo leyendo lo siguiente: k-means es una variante de EM, con los supuestos de que los grupos son esféricos. ¿Alguien puede explicar la oración anterior? No entiendo qué significa esférico y cómo se relacionan kmeans y EM, ya …

50 machine-learning  clustering  data-mining  k-means  expectation-maximization 

Digamos que tengo un objeto de clase glm(correspondiente a un modelo de regresión logística) y me gustaría convertir las probabilidades predichas dadas predict.glmusando el argumento type="response"en respuestas binarias, es decir, o . ¿Cuál es la forma más rápida y canónica de hacer esto en R?Y = 0Y=1Y=1Y=1Y=0Y=0Y=0 Si bien, una …

50 r  generalized-linear-model  logistic 

Dados los puntos de datos y las etiquetas , el problema primario del margen duro SVM esx1,…,xn∈Rdx1,…,xn∈Rdx_1, \ldots, x_n \in \mathbb{R}^dy1,…,yn∈{−1,1}y1,…,yn∈{−1,1}y_1, \ldots, y_n \in \left \{-1, 1 \right\} minimizew,w012wTwminimizew,w012wTw \text{minimize}_{w, w_0} \quad \frac{1}{2} w^T w s.t.∀i:yi(wTxi+w0)≥1s.t.∀i:yi(wTxi+w0)≥1 \text{s.t.} \quad \forall i: y_i (w^T x_i + w_0) \ge 1 que es un …

50 svm 

¿Cuáles son las recomendaciones del panel para libros sobre diseño de experimentos? Idealmente, los libros deberían estar impresos o disponibles electrónicamente, aunque eso no siempre es factible. Si se siente conmovido para agregar algunas palabras sobre lo que es tan bueno del libro, también sería genial. Además, busque un libro …

50 references  experiment-design 

Leí que ANOVA y la regresión lineal son lo mismo. ¿Cómo puede ser eso, considerando que la salida de ANOVA es algún valor de y algún valor de función del cual se concluye si las medias de muestra en las diferentes muestras son iguales o diferentes?pFFFppp Pero suponiendo que las …

50 regression  anova