Statistiken und Big Data modeling

11

Gibt es einen Grund, den AIC oder den BIC dem anderen vorzuziehen?

Sowohl der AIC als auch der BIC sind Methoden zur Bewertung der Modellanpassung, die für die Anzahl der geschätzten Parameter bestraft werden. Wie ich es verstehe, bestraft BIC Modelle mehr für freie Parameter als AIC. Gibt es neben einer Präferenz, die auf der Stringenz der Kriterien basiert, andere Gründe, AIC …

222 modeling aic cross-validation bic model-selection

3

Woher wissen Sie, dass Ihr maschinelles Lernproblem hoffnungslos ist?

Stellen Sie sich ein Standard-Szenario für maschinelles Lernen vor: Sie werden mit einem großen multivariaten Datensatz konfrontiert und haben ein ziemlich verschwommenes Verständnis davon. Was Sie tun müssen, ist, Vorhersagen über eine Variable zu treffen, die auf Ihren Vorstellungen basiert. Wie üblich bereinigen Sie die Daten, sehen sich beschreibende Statistiken …

207 machine-learning forecasting modeling model-selection forecastability

17

Einbeziehen der Interaktion, jedoch nicht der Haupteffekte in ein Modell

Gilt es jemals, eine bidirektionale Interaktion in ein Modell aufzunehmen, ohne die Haupteffekte einzubeziehen? Was ist, wenn es bei Ihrer Hypothese nur um die Interaktion geht, müssen Sie dann noch die Haupteffekte berücksichtigen?

85 regression modeling interaction regression-coefficients

24

Faustregeln für „moderne“ Statistiken

Ich mag G van Belles Buch über statistische Faustregeln und in geringerem Maße allgemeine Fehler in der Statistik (und wie man sie vermeidet) von Phillip I Good und James W. Hardin. Sie adressieren häufige Fallstricke bei der Interpretation von Ergebnissen aus experimentellen Studien und Beobachtungsstudien und geben praktische Empfehlungen für …

85 modeling eda rule-of-thumb

7

Was ist der Vorteil, wenn eine kontinuierliche Prädiktorvariable aufgelöst wird?

Ich frage mich, welchen Wert es hat, eine kontinuierliche Prädiktorvariable zu nehmen und sie zu zerlegen (z. B. in Quintile), bevor sie in einem Modell verwendet wird. Es scheint mir, dass wir durch Binning der Variablen Informationen verlieren. Ist dies nur so, dass wir nichtlineare Effekte modellieren können? Wenn wir …

78 regression modeling continuous-data binning regression-strategies

14

Was bedeutet "Alle Modelle sind falsch, aber einige sind nützlich"?

"Im Grunde sind alle Modelle falsch, aber einige sind nützlich." --- Box, George EP; Norman R. Draper (1987). Empirische Modellbildung und Response-Oberflächen, p. 424, Wiley. ISBN 0471810339. Was genau bedeutet der obige Satz?

76 modeling

6

Modell zur Vorhersage der Anzahl der Youtube-Aufrufe von Gangnam Style

PSYs Musikvideo "Gangnam Style" ist beliebt, nach etwas mehr als 2 Monaten hat es etwa 540 Millionen Zuschauer. Ich habe das letzte Woche von meinen jugendlichen Kindern beim Abendessen erfahren und bald ging die Diskussion dahin, ob es möglich ist, eine Art Vorhersage darüber zu treffen, wie viele Zuschauer es …

73 modeling web

5

Verwendung der k-fachen Kreuzvalidierung für die Auswahl von Zeitreihenmodellen

Frage: Ich möchte sicher sein, ob die Verwendung der k-fachen Kreuzvalidierung mit Zeitreihen unkompliziert ist oder ob man vor der Verwendung besondere Aufmerksamkeit schenken muss. Hintergrund: Ich modelliere eine 6-Jahres-Zeitreihe (mit Semi-Markov-Kette) mit einer Datenerfassung alle 5 Minuten. Um mehrere Modelle zu vergleichen, verwende ich eine 6-fache Kreuzvalidierung, indem ich …

70 time-series modeling cross-validation

7

Benötigen alle Interaktionsbegriffe ihre individuellen Begriffe im Regressionsmodell?

Ich überprüfe gerade ein Manuskript, in dem die Autoren 5-6 logit-Regressionsmodelle mit AIC vergleichen. Einige Modelle haben jedoch Interaktionsterme ohne Berücksichtigung der einzelnen kovariaten Terme. Hat es jemals Sinn, dies zu tun? Zum Beispiel (nicht spezifisch für Logit-Modelle): M1: Y = X1 + X2 + X1*X2 M2: Y = X1 …

68 regression modeling interaction aic

11

Warum sollte ich Bayesianer sein, wenn mein Modell falsch ist?

Änderungen: Ich habe ein einfaches Beispiel hinzugefügt: Rückschluss auf den Mittelwert von . Ich habe auch leicht geklärt, warum die glaubwürdigen Intervalle, die nicht mit den Konfidenzintervallen übereinstimmen, schlecht sind.XiXiX_i Ich, ein ziemlich gläubiger Bayesianer, bin mitten in einer Art Glaubenskrise. Mein Problem ist folgendes. Angenommen, ich möchte einige IID-Daten …

68 bayesian modeling philosophical misspecification

6

Variablenauswahl für prädiktive Modellierung im Jahr 2016 wirklich erforderlich?

Diese Frage wurde bereits vor einigen Jahren im Lebenslauf gestellt. Angesichts von 1) um Größenordnungen besserer Computertechnologie (z. B. Parallel Computing, HPC usw.) und 2) neuerer Techniken, z. Erstens einen Kontext. Nehmen wir an, das Ziel ist nicht das Testen von Hypothesen, nicht das Schätzen von Effekten, sondern die Vorhersage …

67 machine-learning modeling feature-selection model-selection prediction

4

Warum wird die räumliche Autokorrelation durch die Aufnahme von Breiten- und Längengraden in ein GAM berücksichtigt?

Ich habe verallgemeinerte additive Modelle für die Entwaldung erstellt. Um die räumliche Autokorrelation zu berücksichtigen, habe ich Breitengrad und Längengrad als geglätteten Interaktionsterm (dh s (x, y)) eingeschlossen. Ich habe dies auf das Lesen vieler Artikel gestützt, in denen die Autoren sagten, "um die räumliche Autokorrelation zu berücksichtigen, wurden Punktkoordinaten …

60 r modeling spatial autocorrelation gam

6

Was ist ein "gesättigtes" Modell?

Was ist gemeint, wenn wir sagen, wir haben ein gesättigtes Modell?

58 modeling regression

3

Variablen werden häufig angepasst (z. B. standardisiert), bevor ein Modell erstellt wird. Wann ist dies eine gute und wann eine schlechte Idee?

Unter welchen Umständen möchten oder möchten Sie eine Variable vor der Modellanpassung skalieren oder standardisieren? Und welche Vor- / Nachteile hat die Skalierung einer Variablen?

56 modeling predictive-models feature-selection theory standardization

3

Was ist so cool an de Finettis Repräsentationssatz?

Aus der Theorie der Statistik von Mark J. Schervish (Seite 12): DeFinettis Repräsentationssatz 1.49 ist zwar von zentraler Bedeutung für die Motivierung parametrischer Modelle, wird jedoch in ihrer Implementierung nicht verwendet. Wie ist der Satz von zentraler Bedeutung für parametrische Modelle?

55 probability modeling mathematical-statistics parametric

Als «modeling» getaggte Fragen