Estatísticas e Big Data

Houve várias boas perguntas e conjuntos de respostas em livros introdutórios ou abordagens para aprender R, por exemplo, aqui e aqui . Mas eu tenho um problema um pouco diferente - a melhor maneira de executar uma sessão de uma hora (ou várias dessas sessões) em um laboratório de informática …

15 r  teaching 

Na verdade, estou escrevendo uma implementação do Random Forests, mas acredito que a pergunta é específica para as árvores de decisão (independentes dos RFs). Portanto, o contexto é que estou criando um nó em uma árvore de decisão e as variáveis ​​de previsão e de destino são contínuas. O nó …

15 algorithms  cart  random-forest 

A pergunta que quero fazer é a seguinte: como a proporção de amostras dentro de 1 DP da média de uma distribuição normal varia à medida que o número de variáveis ​​aumenta? (Quase) todo mundo sabe que em uma distribuição normal unidimensional, 68% das amostras podem ser encontradas com um …

15 normal-distribution  multivariate-analysis 

Alguém tem referência a um resumo das análises em tempo de execução para algoritmos comuns de aprendizado de máquina (diferentes tipos de NN, SVMs, etc)?

15 machine-learning  references  algorithms 

Uma das coisas que torna a econometria única é o uso da técnica Generalized Method of Moments. Que tipos de problemas tornam o GMM mais apropriado do que outras técnicas de estimativa? O que o GMM lhe oferece em termos de eficiência, viés reduzido ou estimativa de parâmetros mais específicos? …

15 econometrics  generalized-moments 

Digamos que tenho um grande conjunto de valores que às vezes se repetem. Desejo estimar o número total de valores únicos no conjunto grande.SSS Se eu coletar uma amostra aleatória de valores e determinar que ele contém T uTTTTuTuT_u valores exclusivos, posso usar isso para estimar o número de valores …

15 estimation  sampling 

Pelo que entendi, podemos obter correlação normalizando a covariância usando a equação ρi,j=cov(Xi,Xj)σiσjρi,j=cov(Xi,Xj)σiσj\rho_{i,j}=\frac{cov(X_i, X_j)}{\sigma_i \sigma_j} onde σi=E[(Xi−μi)2]−−−−−−−−−−−√σi=E[(Xi−μi)2]\sigma_i=\sqrt{E[(X_i-\mu_i)^2]} é o desvio padrão deXiXiX_i. Minha preocupação é: e se o desvio padrão for igual a zero? Existe alguma condição que garanta que não possa ser zero? Obrigado.

15 correlation  standard-deviation  covariance 

Eu sou novo no Machine Learning. No momento, estou usando um classificador Naive Bayes (NB) para classificar textos pequenos em 3 classes como positivos, negativos ou neutros, usando NLTK e python. Depois de realizar alguns testes, com um conjunto de dados composto de 300.000 instâncias (16.924 positivos 7.477 negativos e …

15 machine-learning  classification  naive-bayes  precision-recall 

Eu tenho algumas malhas 3D trianguladas. As estatísticas para as áreas do triângulo são: Mín. 0,000 Max 2341.141 Mean 56.317 Std dev 98.720 Então, isso significa algo particularmente útil sobre o desvio padrão ou sugere que existem erros no cálculo, quando os números funcionam como o descrito acima? As áreas …

15 distributions  mean  standard-deviation 

Espero que este seja o lugar certo para postar isso, considerei publicá-lo nos céticos, mas acho que eles diriam que o estudo estava estatisticamente errado. Estou curioso sobre o outro lado da questão, que é como fazê-lo corretamente. No site Quantified Self , o autor publicou os resultados de um …

15 time-series  change-point 

Qual é o melhor classificador de 2 classes pronto para uso? Sim, acho que essa é a pergunta de um milhão de dólares, e sim, estou ciente do teorema do almoço sem graça e também li as perguntas anteriores: Qual é o melhor classificador de 2 classes pronto para uso …

15 machine-learning  classification  references 

A página de ajuda do Prism fornece a seguinte explicação sobre como ele calcula as bandas de previsão para regressão não linear. Por favor, desculpe a citação longa, mas não estou seguindo o segundo parágrafo (que explica como é definido ed d Y / d P é calculado). Qualquer ajuda …

15 nonlinear-regression  prediction-interval 

Bloqueado . Esta pergunta e suas respostas estão bloqueadas porque a questão está fora de tópico, mas tem um significado histórico. No momento, não está aceitando novas respostas ou interações. Eu tenho o gráfico assim: O código R para gerá-lo é: DF <- data.frame(date = as.Date(runif(100, 0, 800),origin="2005-01-01"), outcome = …

15 r  data-visualization  ggplot2 

Suponha que eu tenha amostras de duas populações distintas. Se eu medir quanto tempo leva para cada membro executar uma tarefa, posso estimar facilmente a média e a variação de cada população. Se eu agora supor um pareamento aleatório com um indivíduo de cada população, posso estimar a probabilidade de …

15 probability  normal-distribution 

Considere uma série temporal simples: > tp <- seq_len(10) > tp [1] 1 2 3 4 5 6 7 8 9 10 podemos calcular uma matriz de adjacência para essa série temporal que representa os links temporais entre amostras. Ao calcular essa matriz, adicionamos um site imaginário no tempo 0 …

15 time-series  matrix-decomposition  svd