Statistiken und Big Data prediction

3

Ist es notwendig, Zeitreihendaten bei Verwendung von Methoden des maschinellen Lernens zu verschlechtern und zu dezyklisieren?

Zum Beispiel: Ich möchte zukünftige Werte einer Zeitreihe basierend auf früheren Werten mehrerer Zeitreihen unter Verwendung einer ANN und / oder SVM vorhersagen. Eingaben sind verzögerte Werte aus jeder Zeitreihe, und die Ausgaben sind Prognosen mit einem Schritt voraus (Prognosen mit weiteren Horizonten werden erstellt, indem die Vorhersagen unter Verwendung …

9 time-series machine-learning stationarity prediction

3

Absichtliche Überanpassung

Wäre es sinnvoll, ein Modell absichtlich zu überpassen? Angenommen, ich habe einen Anwendungsfall, bei dem ich weiß, dass die Daten in Bezug auf die Trainingsdaten nicht wesentlich variieren. Ich denke hier an die Verkehrsvorhersage, bei der der Verkehrsstatus einem festen Satz von Mustern folgt Morgen pendeln Nachtaktivität und so weiter. …

8 machine-learning time-series forecasting prediction overfitting

1

Gewöhnliches Kriging-Beispiel Schritt für Schritt?

Ich habe Online-Tutorials für räumliches Kriging mit beiden geoRund gstat(und auch automap) verfolgt. Ich kann räumliches Kriging durchführen und verstehe die Hauptkonzepte dahinter. Ich weiß, wie man ein Semivariogramm erstellt, wie man ein Modell daran anpasst und wie man gewöhnliches Kriging durchführt. Was ich nicht verstehe ist, wie die Gewichte …

8 prediction spatial weights kriging

3

Ein konkretes Beispiel ist die Durchführung einer SVD, um fehlende Werte zu unterstellen

Ich habe die großartigen Kommentare zum Umgang mit fehlenden Werten vor dem Anwenden von SVD gelesen, möchte aber anhand eines einfachen Beispiels wissen, wie dies funktioniert: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Wenn ich in der …

8 r missing-data data-imputation svd sampling matlab mcmc importance-sampling predictive-models prediction algorithms graphical-model graph-theory r regression regression-coefficients r-squared r regression modeling confounding residuals fitting glmm zero-inflation overdispersion optimization curve-fitting regression time-series order-statistics bayesian prior uninformative-prior probability discrete-data kolmogorov-smirnov r data-visualization histogram dimensionality-reduction classification clustering accuracy semi-supervised labeling state-space-models t-test biostatistics paired-comparisons paired-data bioinformatics regression logistic multiple-regression mixed-model random-effects-model neural-networks error-propagation numerical-integration time-series missing-data data-imputation probability self-study combinatorics survival cox-model statistical-significance wilcoxon-mann-whitney hypothesis-testing distributions normal-distribution variance t-distribution probability simulation random-walk diffusion hypothesis-testing z-test hypothesis-testing data-transformation lognormal r regression agreement-statistics classification svm mixed-model non-independent observational-study goodness-of-fit residuals confirmatory-factor neural-networks deep-learning

3

Finden Sie die Verteilung und transformieren Sie sie in die Normalverteilung

Ich habe Daten, die beschreiben, wie oft ein Ereignis während einer Stunde stattfindet ("Anzahl pro Stunde", nph) und wie lange die Ereignisse dauern ("Dauer in Sekunden pro Stunde", dph). Dies sind die Originaldaten: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, …

8 normal-distribution data-transformation logistic generalized-linear-model ridge-regression t-test wilcoxon-signed-rank paired-data naive-bayes distributions logistic goodness-of-fit time-series eviews ecm panel-data reliability psychometrics validity cronbachs-alpha self-study random-variable expected-value median regression self-study multiple-regression linear-model forecasting prediction-interval normal-distribution excel bayesian multivariate-analysis modeling predictive-models canonical-correlation rbm time-series machine-learning neural-networks fishers-exact factorisation-theorem svm prediction linear reinforcement-learning cdf probability-inequalities ecdf time-series kalman-filter state-space-models dynamic-regression index-decomposition sampling stratification cluster-sample survey-sampling distributions maximum-likelihood gamma-distribution

2

Das Wahlvorhersagemodell von Nate Silver

Nate Silver war in der Vergangenheit recht erfolgreich darin, die Ergebnisse von US-Wahlen vorherzusagen, was in seinem Buch The Signal and the Noise beschrieben wird . Das Buch enthält einige Beschreibungen des verwendeten Modells, und ein Blogbeitrag von ihm beschreibt das Modell, das für die Zwischenwahlen 2014 verwendet wurde. Diese …

8 references prediction

1

Zeichnen einer „hinteren Mittelfläche“

Als Teil der Reproduktion eines Modells, das ich teilweise in dieser Frage zum Stapelüberlauf beschrieben habe, möchte ich eine grafische Darstellung einer posterioren Verteilung erhalten. Das (räumliche) Modell beschreibt den Verkaufspreis einiger Immobilien als Bernoulli-Verteilung, je nachdem, ob die Immobilie teuer (1) oder billig (0) ist. In Gleichungen: p i …

8 prediction spatial posterior hierarchical-bayesian pymc

4

Auswahl eines Regressionsmodells

Wie kann man objektiv ("algorithmisch" gelesen) ein geeignetes Modell für eine einfache lineare Regression der kleinsten Quadrate mit zwei Variablen auswählen? Angenommen, die Daten scheinen einen quadratischen Trend zu zeigen, und es wird eine Parabel generiert, die recht gut zu den Daten passt. Wie rechtfertigen wir es, dies zur Regression …

8 regression forecasting model-selection prediction

3

Vorhersage der kontinuierlichen Variablen mit dem Paket „bnlearn“ in R.

Ich verwende das bnlearn-Paket in R, um die Struktur meines Bayes'schen Netzwerks und seine Parameter zu lernen. Was ich tun möchte, ist, den Wert eines Knotens anhand des Werts anderer Knoten als Beweis "vorherzusagen" (offensichtlich mit Ausnahme des Knotens, dessen Werte wir vorhersagen). Ich habe kontinuierliche Variablen. library(bnlearn) # Load …

8 r machine-learning prediction bayesian-network

1

Versteckte Zustandsmodelle vs. staatenlose Modelle für die Zeitreihenregression

Dies ist eine recht allgemeine Frage: Angenommen, ich möchte ein Modell erstellen, um die nächste Beobachtung basierend auf den vorherigen Beobachtungen vorherzusagen ( kann ein Parameter zur experimentellen Optimierung sein). Wir haben also im Grunde ein Schiebefenster mit Eingabemerkmalen, um die nächste Beobachtung vorherzusagen.N.NNNNNN Ich kann einen Hidden-Markov-Modell-Ansatz verwenden, dh …

8 regression time-series modeling prediction hidden-markov-model

3

Ideen zur Ausgabe einer Vorhersagegleichung für zufällige Wälder

Ich habe die folgenden Beiträge gelesen, die die Frage beantwortet haben, die ich stellen wollte: Verwenden Sie das Random Forest-Modell, um Vorhersagen aus Sensordaten zu treffen Entscheidungsbaum für die Ausgabevorhersage Folgendes habe ich bisher getan: Ich habe die logistische Regression mit zufälligen Wäldern verglichen und RF hat die logistische Leistung …

8 random-forest prediction

2

Stichprobengröße in Bezug auf Vorhersage in Klassifikation und Regression

In Bezug auf das Testen von Hypothesen erfolgt das Schätzen der Stichprobengröße durch Leistung, und es ist intuitiv, dass das Erhöhen derselben Größe die Genauigkeit der geschätzten Effekte erhöht. Aber was ist mit der Vorhersage sowohl für die Klassifikation als auch für die Regression? Welche Aspekte des Vorhersageproblems werden von …

8 classification sample-size prediction

1

Fehler beim Abrufen von Vorhersagen von einem lme-Objekt

Ich versuche, Vorhersagen für Beobachtungen von einem Objekt zu erhalten. Dies soll recht einfach sein. Da ich jedoch verschiedene Arten von Fehlern für verschiedene Versuche bekomme, scheint mir etwas zu fehlen. Mein Modell ist das folgende: model <- lme(log(child_mortality) ~ as.factor(cluster)*time + my.new.time.one.transition.low.and.middle + ttd + maternal_educ+ log(IHME_id_gdppc) + hiv_prev-1, …

8 r mixed-model multilevel-analysis prediction lme4-nlme

2

Wie kann Unsicherheit in die Vorhersage eines neuronalen Netzwerks übertragen werden?

Ich habe Eingaben , die Unsicherheiten gekannt haben . Ich benutze sie, um die Ausgaben in einem trainierten neuronalen Netzwerk vorherzusagen . Wie kann ich 1 Unsicherheiten bei meinen Vorhersagen erhalten?x1…xnx1…xnx_1\ldots x_n1σ1σ1\sigmaϵ1…ϵnϵ1…ϵn\epsilon_1 \ldots \epsilon_ny1…ymy1…ymy_1 \ldots y_mσσ\sigma Meine Idee ist es, jeden Eingang zufällig mit normalem Rauschen mit dem Mittelwert 0 …

8 machine-learning neural-networks predictive-models prediction error-propagation

2

Ist es möglich, Vorhersagen zu kombinieren, um die Gesamtqualität der Vorhersagen zu verbessern?

Dies ist ein binäres Klassifizierungsproblem. Die Metrik, die minimiert wird, ist der Protokollverlust (oder die Kreuzentropie). Ich habe auch eine Genauigkeitsnummer, nur zu meiner Information. Es ist ein großer, sehr ausgewogener Datensatz. Sehr naive Vorhersagetechniken erzielen eine Genauigkeit von etwa 50% und einen logarithmischen Verlust von 0,693. Das Beste, was …

7 machine-learning prediction boosting

Als «prediction» getaggte Fragen