Estatísticas e Big Data

Alguém poderia me dar um exemplo de como usar a filtragem DLM Kalman no R em uma série temporal. Digamos que eu tenho esses valores (valores trimestrais com sazonalidade anual); como você usaria o DLM para prever os próximos valores? E, BTW, tenho dados históricos suficientes (qual é o mínimo)? …

19 r  time-series  forecasting 

Eu sei bastante sobre o ajuste de parâmetros contínuos, particularmente métodos baseados em gradiente, mas não muito sobre o ajuste de parâmetros discretos. Quais são os algoritmos / técnicas MCMC comumente usados ​​para ajustar parâmetros discretos? Existem algoritmos bastante gerais e bastante poderosos? Existem algoritmos que lidam bem com a …

19 bayesian  mcmc 

Fechadas. Esta questão está fora de tópico . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela esteja no tópico de Validação cruzada. Fechado há 8 meses . Como encaixo um modelo linear com erros autocorrelacionados em R? Em stata, eu usaria o …

19 r  time-series  autocorrelation 

Na análise de regressão, qual é a diferença entre 'processo de geração de dados' e 'modelo'?

19 econometrics 

Em 1999, Beyer et al. perguntou: Quando o "vizinho mais próximo" é significativo? Existem maneiras melhores de analisar e visualizar o efeito da planicidade da distância na pesquisa de NN desde 1999? O conjunto de dados [dado] fornece respostas significativas para o problema 1-NN? O problema dos 10-NN? O problema …

19 machine-learning  k-nearest-neighbour 

Enquanto participava de conferências, houve um esforço dos defensores das estatísticas bayesianas para avaliar os resultados dos experimentos. É considerado mais sensível, apropriado e seletivo em relação a descobertas genuínas (menos falsos positivos) do que as estatísticas freqüentes. Eu explorei o tópico um pouco, e não estou convencido até agora …

19 bayesian  power  frequentist 

Dados os vetores de suporte de um SVM linear, como posso calcular a equação do limite de decisão?

19 machine-learning  svm 

Você poderia me informar, como posso calcular a probabilidade condicionada de vários eventos? por exemplo: P (A | B, C, D) -? Eu sei disso: P (A | B) = P (A B) / P (B)∩∩\cap Mas, infelizmente, não consigo encontrar nenhuma fórmula se um evento A depende de várias …

19 conditional-probability 

Eu estive pesquisando na Internet em toda parte ... Ainda não encontrei uma visão geral muito boa de como interpretar gráficos de análise de correspondência 2D. Alguém poderia dar alguns conselhos sobre como interpretar as distâncias entre pontos? Talvez um exemplo ajude, aqui está um gráfico que é encontrado em …

19 interpretation  correspondence-analysis  biplot 

Como podemos comparar a complexidade de dois modelos com o mesmo número de parâmetros? Edit 19/09 : Para esclarecer, a complexidade do modelo é uma medida de quão difícil é aprender com dados limitados. Quando dois modelos ajustam os dados existentes igualmente bem, um modelo com menor complexidade gera menos …

19 model-selection 

Estou interessado em aprender a criar o tipo de visualização que você vê em http://flowingdata.com e em informações é lindas . EDIT: Significado, visualizações que são interessantes por si só - como os gráficos do NY Times, em vez de algo rápido para um relatório. Que tipos de ferramentas são …

19 data-visualization 

Qual é a diferença entre mineração de dados e análise estatística? Para alguns antecedentes, minha formação em estatística tem sido, eu acho, bastante tradicional. Uma pergunta específica é colocada, a pesquisa é projetada e os dados são coletados e analisados ​​para oferecer algumas dicas sobre essa questão. Como resultado, sempre …

19 data-mining  terminology  analysis 

A idéia "fundamental" das estatísticas para estimar parâmetros é a máxima probabilidade . Gostaria de saber qual é a ideia correspondente no aprendizado de máquina. Qn 1. Seria justo dizer que a idéia 'fundamental' no aprendizado de máquina para estimar parâmetros é: 'Funções de Perda' [Nota: Tenho a impressão de …

19 machine-learning  maximum-likelihood  loss-functions  pac-learning 

A função de covariância de Matérn é comumente usada como função de kernel no Processo Gaussiano. É definido assim Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} onde é uma função de distância (como a …

19 spatial  gaussian-process  kernel-trick 

Eu tenho lido sobre o estimador de James-Stein. É definido, nestas notas , como θ^= ( 1 - p - 2∥X∥2) Xθ^=(1-p-2__X__2)X \hat{\theta}=\left(1 - \frac{p-2}{\|X\|^2}\right)X Li a prova, mas não entendo a seguinte declaração: Geometricamente, o estimador de James – Stein reduz cada componente de direção à origem ...XXX O …

19 estimation  terminology  shrinkage  steins-phenomenon