Estatísticas e Big Data

Por exemplo, deseja-se prever os preços da habitação e ter duas características de entrada, o comprimento e a largura da casa. Às vezes, também se incluem recursos de entrada polinomial 'derivados', como área, que é comprimento * largura. 1) Qual o sentido de incluir recursos derivados? Uma rede neural não …

13 machine-learning  neural-networks 

I ler no local que aparentemente o Kinect usa as florestas aleatórias algoritmo de aprendizado de máquina de alguma forma. Alguém pode explicar para que serve florestas aleatórias e como a abordagem delas funciona?

13 machine-learning  random-forest  application 

Suponha que temos dois vetores de variáveis ​​aleatórias, ambos são normais, ou seja, e . Estamos interessados ​​na distribuição de sua combinação linear , onde A e B são matrizes, C é um vetor. Se X e Y forem independentes, Z \ sim N (A \ mu_X + B \ …

13 probability  normal-distribution  multinomial 

Estou interessado em usar a regressão quantílica para alguns dos meus modelos, mas gostaria de ter alguns esclarecimentos sobre o que posso obter usando essa metodologia. Eu entendo que eu posso obter uma análise mais robusta de IV / DV relacionamento , especialmente quando confrontados com outliers e heterocedasticidade, mas …

13 predictive-models  quantile-regression 

Você pode recomendar um livro com boas informações que possam ser aplicadas ao desenvolvimento de um sistema de recomendação?

13 machine-learning  references  recommender-system 

Ao aprender o curso da amostragem, encontro as duas declarações a seguir: 1) O erro de amostragem leva a maior parte da variabilidade, os erros sem amostragem levam a viés. 2) Devido ao erro de não amostragem, uma amostra geralmente é mais precisa que um CENSO. Não sei como entender …

13 estimation  sampling  survey  bias 

Estou usando um modelo linear generalizado no SPSS para observar as diferenças no número médio de lagartas (não normais, usando a distribuição Tweedie) em 16 espécies diferentes de plantas. Quero executar várias comparações, mas não tenho certeza se devo usar um teste de correção Sidak ou Bonferroni. Qual é a …

13 multiple-comparisons  post-hoc  bonferroni 

A Wikipedia possui uma transformação Fisher da correlação de classificação de Spearman para um z-score aproximado. Talvez esse escore z seja a diferença da hipótese nula (correlação de classificação 0)? Esta página possui o seguinte exemplo: 4, 10, 3, 1, 9, 2, 6, 7, 8, 5 5, 8, 6, 2, …

13 correlation  spearman-rho 

Então, eu quero ajustar um modelo negativo-binomial de efeitos aleatórios. Para esse modelo, o STATA pode produzir coeficientes exponenciados. De acordo com o arquivo de ajuda, esses coeficientes podem ser interpretados como taxas de incidência. Infelizmente, eu não sou um falante nativo de inglês e realmente não entendo o que …

13 interpretation  negative-binomial  regression-coefficients 

Minha tarefa é testar se há alteração na matriz de covariância de 6 variáveis. Os valores de 6 variáveis ​​são medidos duas vezes nos mesmos sujeitos (3 anos entre as medições). Como eu posso fazer isso? Venho fazendo a maior parte do meu trabalho usando SAS.

13 hypothesis-testing  repeated-measures  multivariate-analysis  covariance-matrix 

Eu tenho alguns pontos de dados, cada um contendo 5 vetores de resultados discretos aglomerados, os resultados de cada vetor gerados por uma distribuição diferente (o tipo específico do qual não tenho certeza, meu melhor palpite é Weibull, com o parâmetro de forma variando em algum ponto exponencial à potência …

13 distributions  clustering  feature-selection  kolmogorov-smirnov  k-means 

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 4 anos . Existe um pacote R que eu possa usar para explorar se existem relacionamentos entre variáveis? …

13 r  data-visualization  correlation  eda 

Desejo aplicar um PCA em um conjunto de dados, que consiste em variáveis ​​de tipo misto (contínuo e binário). Para ilustrar o procedimento, colo um exemplo mínimo reproduzível em R abaixo. # Generate synthetic dataset set.seed(12345) n <- 100 x1 <- rnorm(n) x2 <- runif(n, -2, 2) x3 <- x1 …

13 r  pca 

Estou tentando descobrir como o R calcula a autocorrelação lag-k (aparentemente, é a mesma fórmula usada pelo Minitab e SAS), para que eu possa compará-lo ao uso da função CORREL do Excel aplicada à série e sua versão com atraso k. R e Excel (usando CORREL) fornecem valores de autocorrelação …

13 r  sas  autocorrelation  excel 

Estou trabalhando em uma regressão logística múltipla em R usando glm. As variáveis ​​preditoras são contínuas e categóricas. Uma extração do resumo do modelo mostra o seguinte: Coefficients: Estimate Std. Error z value Pr(>|z|) (Intercept) 2.451e+00 2.439e+00 1.005 0.3150 Age 5.747e-02 3.466e-02 1.658 0.0973 . BMI -7.750e-02 7.090e-02 -1.093 0.2743 …

13 r  logistic  interpretation  p-value