Estadísticas y Big Data model-selection

1

¿Puede comparar los valores de AIC siempre que los modelos se basen en el mismo conjunto de datos?

Estoy haciendo algunos pronósticos en R usando el paquete de pronósticos de Rob Hyndman . El papel que pertenece al paquete se puede encontrar aquí . En el documento, después de explicar los algoritmos de pronóstico automático, los autores implementan los algoritmos en el mismo conjunto de datos. Sin embargo, …

13 time-series forecasting model-selection aic

1

Términos de interacción y polinomios de orden superior

Si estuviera interesado en ajuste de dos vías interacciones entre una variable lineal explicativo y otra variable explicativa b que tiene una relación cuadrática con la variable dependiente y , tendría que incluir tanto la interacción con el componente cuadrática y la interacción con el lineal componente en el modelo? …

13 r regression model-selection

2

¿Es posible que el AIC y el BIC proporcionen selecciones de modelos totalmente diferentes?

Estoy realizando un modelo de regresión de Poisson con 1 variable de respuesta y 6 covariables. La selección del modelo usando AIC da como resultado un modelo con todas las covariables, así como 6 términos de interacción. Sin embargo, el BIC da como resultado un modelo con solo 2 covariables …

12 model-selection aic poisson-regression bic

1

Selección variable vs Selección de modelo

Entonces entiendo que la selección de variables es parte de la selección del modelo. Pero, ¿en qué consiste exactamente la selección del modelo? ¿Es más que lo siguiente: 1) elige una distribución para tu modelo 2) elegir variables explicativas,? Pregunto esto porque estoy leyendo un artículo de Burnham & Anderson: …

12 feature-selection model-selection aic bic

1

¿Cuándo debería preocuparme la paradoja de Jeffreys-Lindley en la elección del modelo bayesiano?

Estoy considerando un espacio grande (pero finito) de modelos de complejidad variable que exploro usando RJMCMC . Lo anterior en el vector de parámetros para cada modelo es bastante informativo. ¿En qué casos (si corresponde) debería preocuparme la paradoja de Jeffreys-Lindley que favorece modelos más simples cuando uno de los …

12 bayesian model-selection mcmc prior improper-prior

1

¿Cuál es la diferencia entre 'prueba de hipótesis' y 'selección de modelo'?

En la literatura, ambos términos a menudo se usan como sinónimos o entretejidos. Ahora estoy tratando de encontrar una distinción clara entre ambos términos. Desde mi punto de vista, una hipótesis generalmente se expresa a través de un modelo. Entonces, incluso si probamos una hipótesis nula versus alternativa, desde mi …

12 hypothesis-testing model-selection regression-strategies

3

Bayesiano vs MLE, problema de sobreajuste

En el libro PRML de Bishop, dice que el sobreajuste es un problema con la Estimación de máxima verosimilitud (MLE), y Bayesian puede evitarlo. Pero creo que el sobreajuste es un problema más sobre la selección del modelo, no sobre el método utilizado para hacer la estimación de parámetros. Es …

12 bayesian model-selection overfitting

1

GLM gamma con enlace log vs GLM gaussiano con enlace log vs LM transformado con registro

Según mis resultados, parece que GLM Gamma cumple con la mayoría de los supuestos, pero ¿es una mejora valiosa sobre el LM transformado por registro? La mayoría de la literatura que he encontrado trata sobre Poisson o Binomial GLM. El artículo EVALUACIÓN DE LAS ASUNCIONES DE MODELO LINEAL GENERALIZADO QUE …

12 r generalized-linear-model model-selection gamma-distribution

1

AIC para modelos no anidados: normalización constante

El AIC se define como , donde θ es el estimador de máxima verosimilitud y p es la dimensión del espacio de parámetros. Para la estimación de θUn yoC= - 2 log( L ( θ^) ) + 2 pUNyoC=-2Iniciar sesión⁡(L(θ^))+2pagAIC=-2 \log(L(\hat\theta))+2pθ^θ^\hat\thetapagpagpθθ\theta, generalmente se descuida el factor constante de la densidad. …

12 model-selection aic nested-models

4

Selección de modelo de PCA usando AIC (o BIC)

Quiero usar el Criterio de información de Akaike (AIC) para elegir el número apropiado de factores para extraer en un PCA. El único problema es que no estoy seguro de cómo determinar el número de parámetros. Considere una matriz , donde representa el número de variables y el número de …

12 pca model-selection

1

Diferencias entre PROC Mixed y lme / lmer en R - grados de libertad

Nota: esta pregunta es una nueva publicación, ya que mi pregunta anterior tuvo que ser eliminada por razones legales. Al comparar PROC MIXED de SAS con la función lmedel nlmepaquete en R, me topé con algunas diferencias bastante confusas. Más específicamente, los grados de libertad en las diferentes pruebas difieren …

12 r mixed-model sas degrees-of-freedom pdf unbiased-estimator distance-functions functional-data-analysis hellinger time-series outliers c++ relative-risk absolute-risk rare-events regression t-test multiple-regression survival teaching multiple-regression regression self-study t-distribution machine-learning recommender-system self-study binomial standard-deviation data-visualization r predictive-models pearson-r spearman-rho r regression modeling r categorical-data data-visualization ggplot2 many-categories machine-learning cross-validation weka microarray variance sampling monte-carlo regression cross-validation model-selection feature-selection elastic-net distance-functions information-theory r regression mixed-model random-effects-model fixed-effects-model dataset data-mining

2

¿Cómo utilizar el análisis de componentes principales para seleccionar variables para la regresión?

Actualmente estoy usando el análisis de componentes principales para seleccionar variables para usar en el modelado. Por el momento, hago mediciones A, B y C en mis experimentos. Lo que realmente quiero saber es: ¿puedo hacer menos mediciones y dejar de registrar C y / o B para ahorrar tiempo …

12 regression pca model-selection

1

Prueba de equivalencia de modelos no anidados

Digamos que es una función lineal de xy un dummy d . Mi hipótesis es que d en sí es como un índice hedonista de un vector de otras variables, Z . Tengo soporte para esto en un M A N O V A de Z (es decir, z 1 …

12 r hypothesis-testing regression model-selection

2

GLM después de la selección o regularización del modelo

Me gustaría plantear esta pregunta en dos partes. Ambos tratan con un modelo lineal generalizado, pero el primero trata con la selección del modelo y el otro con la regularización. Antecedentes: Utilizo modelos GLM (lineal, logística, regresión gamma) tanto para la predicción como para la descripción. Cuando me refiero a …

12 regression model-selection regularization

1

Prueba exacta de Fisher y distribución hipergeométrica

Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es …

12 fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

Preguntas etiquetadas con model-selection