Preguntas etiquetadas con dataset

¿Se debe realizar la selección de características solo en los datos de entrenamiento (o todos los datos)? Revisé algunas discusiones y documentos como Guyon (2003) y Singhi y Liu (2006) , pero aún no estoy seguro de la respuesta correcta. La configuración de mi experimento es la siguiente: Conjunto de …

10 dataset  cross-validation  experiment-design  feature-selection 

Estos son mis datos de entrenamiento: 200,000 Ejemplos x 10,000 Características. Entonces mi matriz de datos de entrenamiento es - 200,000 x 10,000. Logré guardar esto en un archivo plano sin tener problemas de memoria guardando cada conjunto de datos uno por uno (un ejemplo tras otro) a medida que …

10 machine-learning  dataset  algorithms  python 

Estoy interesado en saber qué nivel de estadísticas están aprendiendo los niños en diferentes países del mundo. ¿Podría sugerir datos / enlaces que arrojen luz sobre lo que está sucediendo a este respecto? Yo empezare. Israel: los estudiantes que están tomando matemáticas avanzadas estudian más o menos: media, SD, histograma, …

10 dataset  teaching 

He estado dando vueltas para encontrar una explicación clara de "bucketization" en el aprendizaje automático sin suerte. Lo que entiendo hasta ahora es que la bucketización es similar a la cuantificación en el procesamiento de señales digitales donde un rango de valores continuos se reemplaza con un valor discreto. ¿Es …

10 machine-learning  dataset  data-preprocessing 

1 : A , B , C , E 2 : A , C , D , E 3 : B , C , E 4 : A , C , D , E 5 : C , D , E 6 : A , D , EMETROy rea t …

10 data-mining  dataset  association-rules 

Estoy enseñando álgebra lineal a una clase de ingenieros, científicos sociales y programadores de computadoras. Acabamos de hacer una descomposición de valores singulares y tenemos un día extra, así que pensé en hablar sobre la relación entre la descomposición de valores singulares y el análisis de componentes principales. Tengo la …

10 pca  dataset  teaching 

¿Qué piensa sobre el uso de la regresión para proyectar fuera del rango de datos? Si estamos seguros de que sigue una forma de modelo lineal o de potencia, ¿no podría ser útil el modelo más allá del rango de datos? Por ejemplo, tengo un volumen impulsado por el precio. …

9 regression  dataset  linear-model 

Configuración Muchos algoritmos operan en una sola relación o tabla, mientras que muchas bases de datos del mundo real almacenan información en varias tablas (Domingos, 2003). Pregunta ¿Qué tipos de algoritmos aprenden bien de múltiples tablas (relacionales)? En particular, estoy interesado en los algoritmos que son aplicables a las tareas …

9 regression  machine-learning  classification  dataset 

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 5 años . Actualmente estoy tratando de implementar algunos algoritmos de Machine Learning por mi cuenta. Muchos de ellos …

9 dataset 

Soy relativamente nuevo en estadísticas y entiendo que mi pregunta puede estar completamente equivocada. Estoy probando mi propio algoritmo versus otro. Si bien los resultados no son idénticos, quiero mostrar que las diferencias son "estadísticamente insignificantes". ¿Cómo puedo cuantificar esto, para hacer mi punto?

9 correlation  statistical-significance  dataset 

Tengo una serie temporal de medidas (alturas-series unidimensionales). En el período de observación, el proceso de medición se redujo durante algunos puntos de tiempo. Entonces, los datos resultantes son un vector con NaNs donde había lagunas en los datos. Usando MATLAB, esto me está causando un problema al calcular la …

9 time-series  dataset  matlab  autocorrelation  missing-data 

Estoy buscando conjuntos de datos de puntos de datos bidimensionales (cada punto de datos es un vector de dos valores (x, y)) siguiendo diferentes distribuciones y formas. El código para generar tales datos también sería útil. Quiero usarlos para trazar / visualizar cómo funcionan algunos algoritmos de agrupación. Aquí hay …

9 distributions  data-visualization  clustering  dataset 

Estoy buscando conjuntos de datos existentes que podamos usar para probar varias técnicas de datavis que estamos investigando. Conozco varios recursos como los incluidos en R (intente plot(Orange)o vea aquí ). Pero me gustaría dar un paso adelante: ¿Cuáles son los mejores conjuntos de datos del mundo real para probar …

9 data-visualization  dataset  teaching 

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