Als «high-dimensional» getaggte Fragen

Bezieht sich auf eine große Anzahl von Merkmalen oder Dimensionen (Variablen) für Daten. (Verwenden Sie für eine große Anzahl von Datenpunkten das Tag [große Daten]. Wenn das Problem eine größere Anzahl von Variablen als Daten ist, verwenden Sie das Tag [unterbestimmt].)

2
Unsicherheitsschätzung bei hochdimensionalen Inferenzproblemen ohne Abtastung?
Ich arbeite an einem hochdimensionalen Inferenzproblem (ca. 2000 Modellparameter), für das wir eine MAP-Schätzung robust durchführen können, indem wir das globale Maximum des log-posterior unter Verwendung einer Kombination aus gradientenbasierter Optimierung und einem genetischen Algorithmus ermitteln. Ich würde sehr gerne in der Lage sein, zusätzlich zur MAP-Schätzung eine Schätzung der …
1
Hochdimensionale, korrelierte Daten und Top-Merkmale / Kovariaten entdeckt; Testen mehrerer Hypothesen?
Ich habe einen Datensatz mit ungefähr 5.000 häufig korrelierten Merkmalen / Kovariaten und einer binären Antwort. Die Daten wurden mir gegeben, ich habe sie nicht gesammelt. Ich benutze Lasso und Gradientenverstärkung, um Modelle zu bauen. Ich verwende iterierte, verschachtelte Kreuzvalidierung. Ich berichte über Lassos größte (absolute) 40 Koeffizienten und die …
2
Wie kann ich betrügerische Variablen in großen Datenmengen schnell erkennen?
Angenommen, wir haben einen Datensatz mit Millionen Zeilen und Tausenden Spalten und die Aufgabe ist die binäre Klassifizierung. Wenn wir ein logistisches Regressionsmodell ausführen, ist die Leistung viel besser als erwartet, z. B. eine nahezu perfekte Klassifizierung. Wir vermuten, dass die Daten einige betrügerische Variablen enthalten. Wie kann ich sie …
2
Generieren eines hochdimensionalen Datensatzes, bei dem der nächste Nachbar bedeutungslos wird
In der Zeitung " Wann ist 'Nächster Nachbar' sinnvoll? " Lesen wir das: Wir zeigen, dass sich unter bestimmten allgemeinen Bedingungen (in Bezug auf Daten- und Abfrageverteilungen oder Arbeitsbelastung) mit zunehmender Dimensionalität die Entfernung zum nächsten Nachbarn der Entfernung zum entferntesten Nachbarn nähert. Mit anderen Worten, der Kontrast in Abständen …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.