Preguntas etiquetadas con dataset

He etiquetado los datos compuestos por 10000 ejemplos positivos y 50000 ejemplos negativos, dando un total de 60000 ejemplos. Obviamente estos datos están desequilibrados. Ahora digamos que quiero crear mi conjunto de validación, y quiero usar el 10% de mis datos para hacerlo. Mi pregunta es la siguiente: ¿Debo asegurarme …

9 machine-learning  neural-networks  cross-validation  dataset  unbalanced-classes 

Me estoy acercando a los tipos de datos y necesito ayuda: Si mira la imagen de arriba (tomada desde aquí ), tiene los tipos de datos como este: Cuantitativo (discreto, continuo) Cualitativa (Nominal (N), Ordinal (O), Binario (B)). Pero si miras la siguiente imagen (desde aquí ), las categorías son: …

9 categorical-data  dataset  ordinal-data  binary-data 

Aquí están los datos: > tires <- data.frame(Wear = c(17, 14, 12, 13, 14, 14, 12, 11, 13, 13, 10, 11, 13, 8, 9, 9), Brand = rep(LETTERS[1:4], 4), Car = as.character(as.roman(rep(1:4, each = 4)))) > tires Wear Brand Car 1 17 A I 2 14 B I 3 12 …

9 r  anova  dataset  degrees-of-freedom 

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 

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 

Supongamos que se le han dado algunos datos de un diseño de bloques al azar con 4 repeticiones y 23 tratamientos. Después de una inspección inicial de los datos, observa que para 8 tratamientos todas las repeticiones son idénticas, lo que obviamente es incorrecto. Después de informar el problema, se …

8 probability  anova  dataset  fraud 

En una publicación de blog, Andrew Gelman escribe : La regresión gradual es una de estas cosas, como la detección de valores atípicos y los gráficos circulares, que parecen ser populares entre los no estadísticos, pero los estadísticos consideran que son una broma. Entiendo la referencia a los gráficos circulares, …

8 dataset  outliers  quality-control 

Antes de publicar esta pregunta, examiné otras preguntas en esta pila, ¡y esto probablemente será un paseo por el parque para cualquiera que lo lea! Pero la descripción de esta pila incluye análisis y visualización de datos, ¡así que espero que esté en el lugar correcto! </preapology> Estoy usando una …

8 data-visualization  dataset 

¿Por qué se calculan las medidas de dispersión en relación con algún punto central? ¿Por qué no serían, por ejemplo, todas las posibles diferencias no repetidas por pares en el conjunto de datos una medida válida de propagación?

8 dataset  standard-deviation  theory  variability 

Tengo algunos problemas para comprender el concepto y la derivación de la probabilidad de datos truncados. Por ejemplo, si quiero encontrar la función de probabilidad basada en una muestra de una distribución, pero al tomar una muestra de la distribución, observo los valores truncados (donde hay un corte de , …

8 dataset  likelihood 

Estoy calculando algunas probabilidades condicionales y los intervalos de confianza del 95% asociados. Para muchos de mis casos, tengo recuentos directos de xéxitos fuera de los nensayos (de una tabla de contingencia), por lo que puedo usar un intervalo de confianza binomial, como se proporciona binom.confint(x, n, method='exact')en R. Sin …

8 r  bayesian  confidence-interval  conditional-probability  hidden-markov-model  segmentation  hypothesis-testing  statistical-significance  multiple-comparisons  multiple-regression  r  regression  survey  sample  finite-population  pca  model-selection  dataset  partitioning  clustering  time-series  least-squares  regression  standard-error  causality  r  time-series  outliers  missing-data  machine-learning  svm  hypothesis-testing  discrete-data  r  data-visualization  survey  likert  finance  regression  pca  feature-selection  stepwise-regression  underdetermined  svm  natural-language 

Quiero que R muestre los datos que me da de la summary()función en una tabla para poder compartir esto fácilmente. Actualmente solo estoy haciendo summary()en la consola y luego tomando una captura de pantalla, pero prefiero que esto se genere como una buena tabla al igual que todos mis gráficos. …

8 r  dataset  descriptive-statistics  tables 

Estaba jugando con ggplot2 usando los siguientes comandos para ajustar una línea a mis datos: ggplot(data=datNorm, aes(x=Num, y=Val)) + geom_point() + stat_summary(fun.data = "mean_cl_boot", geom="errorbar", colour="red", width=0.8) + stat_sum_single(median) + stat_sum_single(mean, colour="blue") + geom_smooth(level = 0.95, aes(group=1), method="lm") Los puntos rojos son valores medios, el azul son las medias y …

8 r  modeling  dataset  data-mining  ggplot2