Estadísticas y Big Data data-mining

2

Determinación del mayor contribuyente en un grupo

No sé mucho sobre estadísticas, así que tengan paciencia conmigo. Digamos que tengo un conjunto de 1000 trabajadores. Quiero averiguar quién es el trabajador más duro, pero solo puedo medir la cantidad de trabajo que se realiza en grupos de 1 a 100 durante más de una hora de trabajo. …

9 r regression data-mining

2

Uso del parámetro Gamma con máquinas de vectores de soporte

Cuando se usa libsvm, el parámetro es un parámetro para la función del núcleo. Su valor predeterminado se configura como γ = 1γγ\gammaγ= 1Número de características.γ=1Número de características.\gamma = \frac{1}{\text{number of features.}} ¿Existe alguna guía teórica para configurar este parámetro además de los métodos existentes, por ejemplo, la búsqueda de …

9 machine-learning svm data-mining libsvm kernel-trick

2

Comprender y aplicar el análisis de sentimientos

Me acababan de asignar un proyecto para realizar análisis de sentimientos para algunas colecciones de documentos. Al buscar en Google, ha surgido una gran cantidad de investigaciones relacionadas con los sentimientos. Mis preguntas son: ¿Cuáles son los principales métodos / algoritmos para el análisis de sentimientos en el campo del …

9 machine-learning data-mining text-mining information-retrieval sentiment-analysis

2

Eliminar duplicados del conjunto de entrenamiento para la clasificación

Digamos que tengo un montón de filas para un problema de clasificación: X1, . . . Xnorte, YX1,...Xnorte,YX_1, ... X_N, Y Donde son las características / predictores e Y es la clase a la que pertenece la combinación de características de la fila.X1, . . . , XnorteX1,...,XnorteX_1, ..., X_NYYY …

9 machine-learning classification data-mining logistic stratification

5

¿Qué puedo hacer más allá de la correlación de Pearson?

Mientras comprobaba si dos variables estaban correlacionadas, observé que la aplicación de la correlación de Pearson arrojó números tan bajos como 0.1, lo que indica que no hay correlación. ¿Hay algo que pueda hacer para fortalecer esta afirmación? El conjunto de datos (subconjunto debido a los límites de publicación) que …

9 correlation data-mining pearson-r

3

¿Cómo seleccionar rápidamente variables importantes de un conjunto de datos muy grande?

Tengo un conjunto de datos con aproximadamente 2,000 variables binarias / 200,000 filas y estoy tratando de predecir una sola variable dependiente binaria. Mi objetivo principal en esta etapa no es obtener la precisión de la predicción, sino identificar cuáles de estas variables son predictores importantes. Me gustaría reducir el …

9 machine-learning data-mining large-data

3

Algoritmo Apriori en inglés simple?

Leí un artículo wiki sobre Apriori. Tengo el problema de entender la ciruela y el paso Join. ¿Alguien puede explicarme cómo funciona el algoritmo Apriori en términos simples (de modo que un principiante como yo pueda entenderlo fácilmente)? Será bueno si alguien explica el proceso paso a paso involucrado en …

9 data-mining algorithms frequentist

2

Comenzando con biclustering

He estado haciendo algunas investigaciones casuales en Internet sobre biclusters. (He leído el artículo de Wiki varias veces). Hasta ahora, parece que hay pocas definiciones o terminología estándar. Me preguntaba si había documentos o libros estándar que alguien que estuviera interesado en algoritmos para encontrar biclusters debería leer. ¿Es posible …

9 clustering data-mining

2

Calcular curva ROC para datos

Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 …

9 mathematical-statistics roc classification cross-validation pac-learning r anova survival hazard machine-learning data-mining hypothesis-testing regression random-variable non-independent normal-distribution approximation central-limit-theorem interpolation splines distributions kernel-smoothing r data-visualization ggplot2 distributions binomial random-variable poisson-distribution simulation kalman-filter regression lasso regularization lme4-nlme model-selection aic r mcmc dlm particle-filter r panel-data multilevel-analysis model-selection entropy graphical-model r distributions quantiles qq-plot svm matlab regression lasso regularization entropy inference r distributions dataset algorithms matrix-decomposition regression modeling interaction regularization expected-value exponential gamma-distribution mcmc gibbs probability self-study normality-assumption naive-bayes bayes-optimal-classifier standard-deviation classification optimization control-chart engineering-statistics regression lasso regularization regression references lasso regularization elastic-net r distributions aggregation clustering algorithms regression correlation modeling distributions time-series standard-deviation goodness-of-fit hypothesis-testing statistical-significance sample binary-data estimation random-variable interpolation distributions probability chi-squared predictor outliers regression modeling interaction

2

¿Es Random Forest una buena opción para la clasificación de datos desequilibrados? [cerrado]

Cerrada . Esta pregunta necesita estar más centrada . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que se centre en un problema solo editando esta publicación . Cerrado hace 3 años . A pesar del parecido y otros enfoques de variabilidad de datos cada …

9 machine-learning classification data-mining supervised-learning statistical-learning

2

Conjunto de datos de prueba altamente desequilibrados y datos de entrenamiento equilibrados en clasificación

Tengo un conjunto de entrenamiento con aproximadamente 3000 instancias positivas y 3000 instancias negativas. Pero mi conjunto de datos de prueba no está equilibrado. El conjunto positivo solo tiene 50 instancias y el negativo tiene 1500 instancias, lo que hace que la precisión sea muy baja. ¿Hay algún enfoque para …

9 machine-learning classification data-mining svm

1

¿Mejores prácticas para medir y evitar el sobreajuste?

Estoy desarrollando sistemas comerciales automatizados para el mercado de valores. El gran desafío ha sido el sobreajuste. ¿Puede recomendarme algunos recursos que describan métodos para medir y evitar el sobreajuste? Comencé con conjuntos de entrenamiento / validación, pero el conjunto de validación siempre se contamina. Además, los datos de la …

9 time-series machine-learning dataset data-mining validation

1

Enfoques de minería de datos para el análisis de datos secuenciales con atributos nominales

Pregunta para los mineros de datos experimentados: Ante este escenario: Hay N carritos de compras Cada carrito de compras está lleno de un número arbitrario de artículos M de un conjunto infinitamente grande (con la cantidad actual de datos que tengo, ese número arbitrario puede alcanzar números alrededor de 1500) …

8 clustering classification data-mining ordinal-data

2

Conjuntos de datos de juegos de computadora

He estado buscando conjuntos de datos de juegos de computadora, pero hasta ahora solo he podido encontrar el conjunto de datos 'Historial de Avatar' para WoW. ¿Existen otros conjuntos de datos interesantes, posiblemente para otros géneros?

8 data-mining dataset

10

Conferencias de minería de datos? [cerrado]

Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda ser respondida con hechos y citas editando esta publicación . Cerrado hace 5 meses . ¿Cuáles son las conferencias anuales de minería de datos más …

8 data-mining conferences

Preguntas etiquetadas con data-mining