Estatísticas e Big Data

Tenho algumas dúvidas em entender os SVMs intuitivamente. Suponha que treinamos um modelo SVM para classificação usando alguma ferramenta padrão como SVMLight ou LibSVM. Quando usamos esse modelo para prever dados de teste, o modelo gera um arquivo com valores "alfa" para cada ponto de teste. Se o valor alfa …

14 machine-learning  svm  max-margin 

Sou novato em estatística e R e tenho problemas com o uso da função Levene (gostaria de verificar a igualdade de variância de duas amostras). A documentação diz que eu devo executar: levene.test (y, grupo) Mas não tenho ideia do que devo colocar como y e grupo? Eu tenho duas …

14 r  variance  levenes-test 

Simplificando: existem diferenças nas abordagens bayesiana e freqüentista da análise exploratória de dados? Não conheço nenhum viés inerente nos métodos de EDA, pois um histograma é um histograma, um gráfico de dispersão é um gráfico de dispersão etc., nem encontrei exemplos de diferenças em como a EDA é ensinada ou …

14 bayesian  frequentist  eda 

É apropriado fazer uma regressão logística em que as variáveis ​​dependentes e independentes sejam binárias? por exemplo, a variável dependente é 0 e 1 e os preditores são variáveis ​​codificadas por contraste -1 e 1?

14 logistic 

Atualmente, estou tentando valores simulados de um -dimensional variável aleatória que tem uma distribuição normal com média multivariada vetor e matriz de covariância .X μ = ( μ 1 , . . . , Μ N ) t SNNNXXXμ=(μ1,...,μN)Tμ=(μ1,...,μN)T\mu = (\mu_1,...,\mu_N)^TSSS Eu estou esperando para utilizar um procedimento similar ao …

14 matlab  algorithms  random-generation  multivariate-normal 

Estou tentando desenhar gráficos de violino e me perguntando se existe uma prática recomendada para escalá-los entre os grupos. Aqui estão três opções que tentei usar o mtcarsconjunto de dados R (Motor Trend Cars de 1973, encontrado aqui ). Larguras iguais Parece ser o que o papel original * faz …

14 distributions  data-visualization  nonparametric 

É comum usar pesos em aplicações como modelagem de mistura e combinar linearmente funções básicas. Pesos wiwiw_i muitas vezes deve obedecer wi≥wi≥w_i ≥ 0 e ∑iwi=1∑iwi=1\sum_{i} w_i=1 . Eu gostaria de escolher aleatoriamente um vetor de peso w=(w1,w2,…)w=(w1,w2,…)\mathbf{w} = (w_1, w_2, …) partir de uma distribuição uniforme desses vetores. Pode …

14 random-generation 

Muitas vezes, preciso prever períodos futuros em séries mensais de dados. As fórmulas estão disponíveis para calcular o intervalo de confiança em alfa para o próximo período da série temporal, mas isso nunca inclui como tratar o segundo período, o terceiro, etc. Eu imaginaria visualmente que, se qualquer previsão fosse …

14 confidence-interval  forecasting 

Passei três dias brincando tmdepois de ler um rascunho de um amigo, onde ele explorou um corpus de texto com o UCINET, mostrando nuvens de texto, gráficos de rede em dois modos e decomposição de valor único (com gráficos, usando Stata). Corri sob um grande número de questões: no Mac …

14 r  text-mining 

O procedimento de seleção do modelo Box-Jenkins na análise de séries temporais começa examinando as funções de autocorrelação e autocorrelação parcial da série. Esses gráficos podem sugerir e q apropriados em um modelo ARMA ( p , q ) . O procedimento continua solicitando ao usuário que aplique os critérios …

14 regression  time-series  arima  model-selection  box-jenkins 

Estou tentando descobrir como controlar os parâmetros de suavização em um modelo mgcv: gam. Eu tenho uma variável binomial que estou tentando modelar principalmente como uma função das coordenadas xey em uma grade fixa, além de outras variáveis ​​com influências menores. No passado, eu construí um modelo de regressão local …

14 r  smoothing  mgcv 

Alguém usa as métricas ou L .5 para agrupar, em vez de L 2 ? Aggarwal et al., Sobre o surpreendente comportamento das métricas de distância no espaço de alta dimensão, disseram (em 2001) queL1L1L_1L.5L.5L_.5L2L2L_2 é consistentemente mais preferível do que a métrica de distância euclidiana L 2 para aplicações …

14 clustering  distance-functions  rule-of-thumb 

Portanto, quando suponho que os termos do erro sejam normalmente distribuídos em uma regressão linear, o que isso significa para a variável de resposta ?yyy

14 regression  distributions 

Eu gostaria (no futuro distante) de ensinar estatística para crianças. Nesse caso, eu ficaria feliz em saber de software (obviamente estou tendendo para o FOSS), ou aplicativos da Web, que são úteis para explicar idéias estatísticas / probabilísticas para crianças (ou adultos). Isso pode ser usado pelo instrutor, pelas crianças …

14 probability  references  software  teaching 

Eu estava lutando com a estacionariedade na minha cabeça por um tempo ... É assim que você pensa sobre isso? Quaisquer comentários ou pensamentos adicionais serão apreciados. O processo estacionário é aquele que gera valores de séries temporais, de modo que a média e a variação da distribuição são mantidas …

14 time-series  stationarity  intuition