Statistiken und Big Data

4

Erhalten der richtigen Startwerte für ein nls-Modell in R.

Ich versuche, ein einfaches Potenzgesetzmodell an einen Datensatz anzupassen, der wie folgt lautet: mydf:: rev weeks 17906.4 1 5303.72 2 2700.58 3 1696.77 4 947.53 5 362.03 6 Das Ziel ist es, die Stromleitung durchzuleiten und damit revWerte für zukünftige Wochen vorherzusagen . Eine Reihe von Recherchen hat mich zu …

12 r predictive-models nonlinear-regression power-law nls

1

Interpretation der Scikit-Vorhersage_proba-Ausgabe

Ich arbeite mit der Scikit-Learn-Bibliothek in Python. Im folgenden Code prognostiziere ich die Wahrscheinlichkeit, weiß aber nicht, wie ich die Ausgabe lesen soll. Daten testen from sklearn.ensemble import RandomForestClassifier as RF from sklearn import cross_validation X = np.array([[5,5,5,5],[10,10,10,10],[1,1,1,1],[6,6,6,6],[13,13,13,13],[2,2,2,2]]) y = np.array([0,1,1,0,1,2]) Teilen Sie den Datensatz X_train, X_test, y_train, y_test = …

12 python scikit-learn

4

Was ist der Zweck der Zeilennormalisierung?

Ich verstehe die Gründe für die Spaltennormalisierung, da dadurch Merkmale gleich gewichtet werden, auch wenn sie nicht auf derselben Skala gemessen werden. In der Literatur zum nächsten Nachbarn werden jedoch häufig sowohl Spalten als auch Zeilen normalisiert. Was ist die Zeilennormalisierung für / warum Zeilen normalisieren? Wie wirkt sich das …

12 normalization distance similarities k-nearest-neighbour

2

Erwarteter Wert von x in einer Normalverteilung, GEGEBEN, dass er unter einem bestimmten Wert liegt

Ich frage mich nur, ob es möglich ist, den erwarteten Wert von x zu finden, wenn er normalverteilt ist, da dieser unter einem bestimmten Wert liegt (z. B. unter dem Mittelwert).

12 normal-distribution conditional-probability expected-value

1

Warum die Zeitreihenanalyse nicht als Algorithmus für maschinelles Lernen betrachtet wird

Warum wird die Zeitreihenanalyse nicht als Algorithmus für maschinelles Lernen angesehen (im Gegensatz zur linearen Regression)? Sowohl die Regressions- als auch die Zeitreihenanalyse sind Prognosemethoden. Warum wird einer von ihnen als Lernalgorithmus angesehen, der andere jedoch nicht?

12 regression machine-learning time-series terminology

1

Der exakte Fisher-Test ergibt ungleichmäßige p-Werte

Ich versuche, den exakten Fisher-Test bei einem simulierten genetischen Problem anzuwenden, aber die p-Werte scheinen nach rechts verschoben zu sein. Als Biologe vermisse ich wohl jedem Statistiker etwas Offensichtliches, daher würde ich mich sehr über Ihre Hilfe freuen. Mein Setup lautet wie folgt: (Setup 1, Ränder nicht festgelegt) Zwei Stichproben …

12 p-value fishers-exact

3

Jeffreys Prior für die Normalverteilung mit unbekanntem Mittelwert und unbekannter Varianz

Ich lese über frühere Verteilungen und habe Jeffreys zuvor für eine Stichprobe normalverteilter Zufallsvariablen mit unbekanntem Mittelwert und unbekannter Varianz berechnet. Nach meinen Berechnungen gilt für Jeffreys Prior Folgendes: p(μ,σ2)=det(I)−−−−−√=det(1/σ2001/(2σ4))−−−−−−−−−−−−−−−−−−√=12σ6−−−−√∝1σ3.p(μ,σ2)=det(I)=det(1/σ2001/(2σ4))=12σ6∝1σ3. p(\mu,\sigma^2)=\sqrt{det(I)}=\sqrt{det\begin{pmatrix}1/\sigma^2 & 0 \\ 0 & 1/(2\sigma^4)\end{pmatrix}}=\sqrt{\frac{1}{2\sigma^6}}\propto\frac{1}{\sigma^3}. HierIIIFischers Informationsmatrix. Ich habe jedoch auch Veröffentlichungen und Dokumente gelesen, in denen es …

12 bayesian normal-distribution prior jeffreys-prior

1

Sollte Teil

Es folgt ein Modell, das aus einem mtcarsDatensatz erstellt wurde: > ols(mpg~wt+am+qsec, mtcars) Linear Regression Model ols(formula = mpg ~ wt + am + qsec, data = mtcars) Model Likelihood Discrimination Ratio Test Indexes Obs 32 LR chi2 60.64 R2 0.850 sigma 2.4588 d.f. 3 R2 adj 0.834 d.f. 28 …

12 regression multiple-regression r-squared

1

Hyperparameter-Tuning in der Gaußschen Prozessregression

Ich versuche, die Hyperparameter des von mir implementierten Gaußschen Prozessregressionsalgorithmus abzustimmen. Ich möchte einfach die logarithmische Grenzwahrscheinlichkeit maximieren, die durch die Formel wobeiKdie Kovarianzmatrix mit den ElementenKij=k(xi,xj)=b-1exp(- istLog( y | X., Θ ) = - 12yT.K.- 1yy - 12Log( det ( K.) ) - n2Log( 2 π)Log⁡(y|X.,θ)=- -12yT.K.y- -1y- -12Log⁡(det(K.))- …

12 regression optimization gaussian-process hyperparameter

1

Wie kann die Anzahl der Fehlalarme verringert werden?

Ich versuche, eine Aufgabe zu lösen, die als Fußgängererkennung bezeichnet wird, und trainiere binäre Klassen in zwei Kategorien: Positive - Personen, Negative - Hintergrund. Ich habe Datensatz: Anzahl der Positiven = 3752 Anzahl der negativen = 3800 Ich benutze train \ test split 80 \ 20% und RandomForestClassifier form scikit-learn …

12 classification random-forest unbalanced-classes precision-recall computer-vision

1

Warum nicht jedes Mal eine robuste Regression?

Beispiele auf dieser Seite zeigen, dass die einfache Regression stark von Ausreißern beeinflusst wird und dies durch Techniken der robusten Regression überwunden werden kann: http://www.alastairsanderson.com/R/tutorials/robust-regression-in-R/ . Ich glaube, lmrob und ltsReg sind andere robuste Regressionstechniken. Warum sollte man nicht jedes Mal eine robuste Regression (wie rlm oder rq) durchführen, anstatt …

12 regression multiple-regression robust

1

Was ist der Zusammenhang zwischen Regularisierung und der Methode der Lagrange-Multiplikatoren?

Um eine Überanpassung von Personen zu verhindern, fügen Menschen der Kostenfunktion der linearen Regression einen Regularisierungsterm (proportional zur quadratischen Summe der Parameter des Modells) mit einem Regularisierungsparameter . Ist dieser Parameter λ der gleiche wie ein Lagrange-Multiplikator? Ist die Regularisierung also dieselbe wie die Methode des Lagrange-Multiplikators? Oder wie hängen …

12 regression optimization regularization

2

So erstellen Sie mit der richtigen Zensur Daten zum Spielzeugüberleben (Time-to-Event)

Ich möchte Daten zum Spielzeugüberleben (Zeit bis zum Ereignis) erstellen, die richtig zensiert sind und einer gewissen Verteilung mit proportionalen Gefahren und einer konstanten Grundliniengefahr folgen. Ich habe die Daten wie folgt erstellt, kann jedoch keine geschätzten Gefährdungsquoten erhalten, die nahe an den tatsächlichen Werten liegen, nachdem ein Cox-Proportional-Gefährdungsmodell an …

12 survival cox-model monte-carlo

1

Lineare Transformation einer Zufallsvariablen durch eine hohe rechteckige Matrix

Nehmen wir an, wir haben einen Zufallsvektor , der aus einer Verteilung mit der Wahrscheinlichkeitsdichtefunktion f → X ( → x ) gezogen wird . Wenn wir es linear durch eine n × n- Matrix A mit vollem Rang transformieren , um → Y = A → X zu erhalten …

12 references random-variable pdf linear

2

pdf eines Produkts zweier unabhängiger einheitlicher Zufallsvariablen

Sei XXX ~ U(0,2)U(0,2)U(0,2) und YYY ~ U(−10,10)U(−10,10)U(-10,10) zwei unabhängige Zufallsvariablen mit den gegebenen Verteilungen. Wie ist die Verteilung von V=XYV=XYV=XY ? Ich habe versucht, mich zu falten, weil ich das wusste h(v)=∫y=+∞y=−∞1yfY(y)fX(vy)dyh(v)=∫y=−∞y=+∞1yfY(y)fX(vy)dyh(v) = \int_{y=-\infty}^{y=+\infty}\frac{1}{y}f_Y(y) f_X\left (\frac{v}{y} \right ) dy Wir wissen auch, dass fY(y)=120fY(y)=120f_Y(y) = \frac{1}{20} , h(v)=120∫y=10y=−101y⋅12dyh(v)=120∫y=−10y=101y⋅12dyh(v)= \frac{1}{20} …

12 distributions random-variable