Estatísticas e Big Data

Suponha que eu queira construir um modelo para prever algum tipo de proporção ou porcentagem. Por exemplo, digamos que eu queira prever o número de meninos versus meninas que participarão de uma festa, e os recursos da festa que posso usar no modelo são coisas como quantidade de publicidade da …

20 regression  logistic 

Estou correto ao entender que a ordem na qual as variáveis ​​são especificadas em uma ANOVA multifatorial faz diferença, mas que a ordem não importa ao fazer uma regressão linear múltipla? Então, assumindo um resultado como perda de sangue medida y e duas variáveis ​​categóricas método de adenoidectomia a , …

20 regression  hypothesis-testing  anova  unbalanced-classes  sums-of-squares 

Em vários pacotes estatísticos, incluindo SAS, SPSS e talvez mais, existe uma opção para "suprimir a interceptação". Por que você gostaria de fazer isso?

20 regression 

Em estudos de associação ampla do genoma (GWAS): Quais são os principais componentes? Por que eles são usados? Como eles são calculados? Um estudo de associação em todo o genoma pode ser realizado sem o uso de PCA?

20 pca  genetics  gwas 

Estou confuso sobre como decidir se trata o tempo como contínuo ou discreto na análise de sobrevivência. Especificamente, quero usar a análise de sobrevivência para identificar variáveis ​​no nível infantil e doméstico que tenham a maior discrepância em seu impacto na sobrevida de meninos versus meninas (até 5 anos). Eu …

20 survival  ties 

É comum usar o segundo, terceiro e quarto momentos de uma distribuição para descrever certas propriedades. Momentos parciais ou momentos maiores que o quarto descrevem propriedades úteis de uma distribuição?

20 distributions  moments  partial-moments 

Estou trabalhando na criação de um site, que exibe os dados do censo de um usuário selecionado Polygons e gostaria de mostrar graficamente a distribuição de vários parâmetros (um gráfico por parâmetro). Os dados geralmente têm as seguintes propriedades: O tamanho da amostra tende a ser grande (digamos, cerca de …

20 distributions  data-visualization  boxplot 

Angrist e Pischke sugeriram que Erros Padrão Robustos (isto é, robustos à heterocedasticidade ou a variações desiguais) são relatados como uma questão de curso, em vez de testá-lo. Duas questões: Qual é o impacto nos erros padrão de fazê-lo quando há homoskedasticity? Alguém realmente faz isso em seu trabalho?

20 regression  standard-error  heteroscedasticity  robust-standard-error 

Depois que um modelo ARMA é adequado a uma série temporal, é comum verificar os resíduos pelo teste do portmanteau de Ljung-Box (entre outros testes). O teste Ljung-Box retorna um valor de p. Ele possui um parâmetro, h , que é o número de defasagens a serem testadas. Alguns textos …

20 time-series 

Contexto O gaussiano multivariado aparece frequentemente no Machine Learning e os seguintes resultados são usados ​​em muitos livros e cursos de ML sem as derivações. Dados os dados na forma de uma matriz de dimensões , se assumirmos que os dados seguem uma distribuição gaussiana variável com os parâmetros mean …

20 normal-distribution  maximum-likelihood  estimators  multivariate-normal 

Estou tentando entender como o XGBoost funciona. Eu já entendo como as árvores com gradiente aumentado funcionam no sklearn do Python. O que não está claro para mim é se o XGBoost funciona da mesma maneira, mas mais rápido, ou se existem diferenças fundamentais entre ele e a implementação do …

20 scikit-learn  boosting  gbm  xgboost 

Em termos de linguagem da rede neural (y = Peso * x + viés), como eu saberia quais variáveis ​​são mais importantes que outras? Eu tenho uma rede neural com 10 entradas, uma camada oculta com 20 nós e uma camada de saída que possui um nó. Não sei como …

20 machine-learning  neural-networks  bias  tensorflow  theano 

Os algoritmos genéticos são uma forma de método de otimização. Frequentemente, a descida do gradiente estocástico e seus derivados são a melhor opção para otimização de funções, mas algoritmos genéticos ainda são usados ​​algumas vezes. Por exemplo, a antena da sonda ST5 da NASA foi criada com um algoritmo genético: …

20 machine-learning  optimization  gradient-descent  genetic-algorithms 

Estou aprendendo sobre a função de distribuição cumulativa empírica. Mas eu ainda não entendo Por que é chamado de 'empírico'? Existe alguma diferença entre o CDF empírico e o CDF?

20 distributions  terminology  cdf  ecdf 

Recentemente, fiquei interessado em LSTMs e fiquei surpreso ao saber que os pesos são compartilhados ao longo do tempo. Sei que, se você compartilhar os pesos ao longo do tempo, as seqüências de tempo de entrada poderão ter um comprimento variável. Com pesos compartilhados, você tem muito menos parâmetros para …

20 machine-learning  lstm  rnn