Preguntas etiquetadas con binning

Supongamos que quiero ver si mis datos son exponenciales en función de un histograma (es decir, sesgado a la derecha). Dependiendo de cómo agrupe o agrupe los datos, puedo obtener histogramas muy diferentes. Un conjunto de histogramas hará que parezca que los datos son exponenciales. Otro conjunto hará parecer que …

111 distributions  data-visualization  histogram  binning 

Me pregunto cuál es el valor de tomar una variable predictora continua y dividirla (por ejemplo, en quintiles), antes de usarla en un modelo. Me parece que al agrupar la variable perdemos información. ¿Es esto solo para que podamos modelar efectos no lineales? Si mantenemos la variable continua y no …

78 regression  modeling  continuous-data  binning  regression-strategies 

En este comentario , Nick Cox escribió: Binning en clases es un método antiguo. Si bien los histogramas pueden ser útiles, el software estadístico moderno facilita y aconseja ajustar las distribuciones a los datos sin procesar. Binning simplemente arroja detalles que son cruciales para determinar qué distribuciones son plausibles. El …

22 references  histogram  binning  qq-plot 

¿Cuándo debemos discretizar / bin variables / características independientes y cuándo no? Mis intentos de responder la pregunta: En general, no debemos bin, porque binning perderá información. El binning en realidad aumenta el grado de libertad del modelo, por lo que es posible causar un ajuste excesivo después del binning. …

21 machine-learning  continuous-data  feature-construction  binning 

Dejando de lado el problema obvio de la baja potencia del chi-cuadrado en este tipo de circunstancias, imagine hacer una prueba de bondad de chi-cuadrado para alguna densidad con parámetros no especificados, agrupando los datos. Para concreción, digamos una distribución exponencial con media desconocida y un tamaño de muestra de …

18 chi-squared  goodness-of-fit  binning 

Digamos que tengo dos distribuciones que quiero comparar en detalle, es decir, de manera que haga que la forma, la escala y el desplazamiento sean fácilmente visibles. Una buena manera de hacerlo es trazar un histograma para cada distribución, colocarlos en la misma escala X y apilar uno debajo del …

14 data-visualization  histogram  pdf  binning 

Estoy buscando un método de agrupamiento óptimo (discretización) de una variable continua con respecto a una variable binaria de respuesta (objetivo) dada y con un número máximo de intervalos como parámetro. ejemplo: tengo un conjunto de observaciones de personas con variables de "altura" (numeral continuo) y "has_back_pains" (binario). Quiero discretizar …

11 r  dataset  optimization  discrete-data  binning 

Estoy tratando de entender el resultado del Teorema de Bayes aplicado al clásico ejemplo de mamografía, con un giro perfecto de la mamografía. Es decir, Incidencia de cáncer:.01.01.01 Probabilidad de una mamografía positiva, dado que la paciente tiene cáncer:111 Probabilidad de una mamografía positiva, dado que la paciente no tiene …

11 bayesian  bayes  binning  diagnosis 

Estoy tratando de agrupar inteligentemente una colección ordenada. Tengo una colección de piezas de datos. Pero sé que estos datos se ajustan a contenedores de tamaños desiguales. No sé cómo elegir inteligentemente los puntos finales para que se ajusten adecuadamente a los datos. por ejemplo:nnnmmm Digamos que tengo 12 elementos …

11 clustering  histogram  binning 

Así que he leído algunas publicaciones sobre por qué siempre se debe evitar el binning . Una referencia popular para esa afirmación es este enlace . La escapada principal es que los puntos de agrupamiento (o puntos de corte) son bastante arbitrarios, así como la pérdida de información resultante, y …

10 classification  categorical-data  continuous-data  splines  binning 

Quiero cuantificar la relación entre dos variables, A y B, utilizando información mutua. La forma de calcularlo es agrupando las observaciones (ver ejemplo de código Python a continuación). Sin embargo, ¿qué factores determinan qué número de contenedores es razonable? Necesito que el cálculo sea rápido, así que no puedo simplemente …

10 information-theory  mutual-information  binning 

Este es solo un ejemplo que he encontrado varias veces, por lo que no tengo ningún dato de muestra. Ejecutar un modelo de regresión lineal en R: a.lm = lm(Y ~ x1 + x2) x1Es una variable continua. x2es categórico y tiene tres valores, por ejemplo, "Bajo", "Medio" y "Alto". …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

Estoy implementando varios algoritmos para estimar el mejor número de contenedores para usar en histogramas. La mayoría de los que estoy implementando se describen en la página "Histograma" de Wikipedia en la sección " Número de contenedores y ancho " *. Estoy atrapado en un problema con la fórmula de …

9 histogram  binning 

Cuando se piensa en un histograma como una estimación de la función de densidad, ¿es razonable pensar en el tamaño del contenedor como un parámetro que restringe la estructura local de esa función? Además, ¿hay una mejor manera de articular este razonamiento?

8 machine-learning  distributions  regularization  histogram  binning 

Varias fuentes sugieren que hay muchas consecuencias negativas de la discretización (categorización) de variables continuas antes del análisis estadístico (muestra de referencias [1] - [4] a continuación). Por el contrario [5] sugiere que se sabe que algunas técnicas de aprendizaje automático producen mejores resultados cuando las variables continuas se discretizan …

8 machine-learning  generalized-linear-model  categorical-data  binning