Estatísticas e Big Data

Digamos que eu queira prever se um projeto será ou não lucrativo. Nos meus dados de amostra, a variável de resposta é na verdade uma variável contínua: o lucro / perda do projeto. Como meu objetivo final é apenas uma classificação binária (projeto lucrativo ou projeto não lucrativo), devo usar …

8 regression  classification  predictive-models 

ou: A seleção de um domínio ao inserir um trabalho restringe suas opções futuras para domínios e, portanto, trabalhos? Para tornar essa pergunta o mais amplamente aplicável possível ... profissão refere-se a todos os tipos de analistas de dados, de estatísticos sobre programadores de máquinas aprendizes a mineradores de dados. …

8 careers 

Antecedentes do problema: Como parte da minha pesquisa, escrevi dois algoritmos que podem selecionar um conjunto de recursos de um conjunto de dados (dados de expressão gênica de pacientes com câncer). Esses recursos são então testados para ver quão bem eles podem classificar uma amostra invisível como câncer ou não-câncer. …

8 machine-learning  statistical-significance  computational-statistics  standardization  genetic-algorithms 

Tenho problemas para encontrar uma solução sobre como executar um teste post-hoc (Tukey HSD) após uma ANOVA de medidas repetidas de dois fatores (ambos em indivíduos) em R. Para a ANOVA, usei a função aov: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Depois de ler as respostas para outras …

8 r  anova  repeated-measures  post-hoc  tukey-hsd  goodness-of-fit  curve-fitting  sem  latent-variable  mplus  anova  post-hoc  tukey-hsd  markov-process  image-processing  r  time-series  causality  granger-causality  anova  mixed-model  lme4-nlme  random-effects-model  r  matlab  data-transformation  multinomial  notation  estimation  nonparametric  logistic  r  missing-data  multiple-imputation  mice 

Eu tenho duas perguntas sobre o uso de floresta aleatória (especificamente randomForest em R) para imputação de valor ausente (no espaço do preditor). 1) Como o algoritmo de imputação funciona - especificamente como e por que o rótulo de classe é necessário para a imputação? é a matriz de proximidade …

8 data-mining  predictive-models  missing-data  random-forest  data-imputation 

Eu tenho uma pergunta que me ocupa por um tempo. O teste de entropia é frequentemente usado para identificar dados criptografados. A entropia atinge seu máximo quando os bytes dos dados analisados ​​são distribuídos uniformemente. O teste de entropia identifica dados criptografados, porque esses dados têm uma distribuição uniforme, como …

8 distributions  hypothesis-testing  chi-squared  entropy  compression 

Estou tentando executar uma análise de crescimento de classe latente (LCGA) e / ou modelos de mistura de crescimento (GMMs) em R. Os dados que estou usando são um número crescente de bifurcações de repositórios git (variável discreta, não categórica), como você pode veja neste conjunto de dados . Eu …

8 r  latent-variable  latent-class  growth-mixture-model 

Eu tenho algumas perguntas sobre como analisar dados classificados. Os dados são assim: 4 grupos de pessoas com HIV e 16 outros grupos de pessoas que vivem na mesma vila foram solicitados a classificar 12 desafios para as pessoas com HIV de acordo com a importância. (por exemplo, saúde física …

8 ordinal-data  ranking  group-differences 

Eu não sou um mago de matemática, por isso, mantenha sua resposta simples o suficiente. Preciso concluir um exame de triagem estatística para um curso de métodos ainda hoje, e estou com um tópico que surgiu durante o teste prático. O conjunto de dados que obtive referia-se ao número de …

8 standard-deviation 

Como posso calcular a sensibilidade e a especificidade (ou medidas análogas) de um teste de diagnóstico contínuo para prever um resultado contínuo (por exemplo, pressão sanguínea) sem dicotomizar o resultado? Alguma ideia? Parece que os pesquisadores fizeram isso usando a modelagem de efeitos mistos (veja o link abaixo), mas não …

8 classification  mixed-model  predictive-models  roc  continuous-data 

Eu tenho alguns dados nos quais existem 5 variáveis ​​explicativas categóricas ( concern, breath, weath, sleep, act) e 1 variável de resposta contínua ( tto). Além disso, todas as variáveis ​​explicativas categóricas são divididas em 5 níveis, que mostram quão forte a pessoa se sente em relação a ela. os …

8 interpretation  boxplot 

Atualmente, estou usando R para prever uma série temporal com estas instruções: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Como você pode ver, tenho dados a cada hora e escolhi o período sazonal de 24 (um dia). Gostaria de melhorar minha previsão usando …

8 r  time-series  arima  seasonality  multiple-seasonalities 

Os métodos de aprendizado múltiplo do kernel visam construir um modelo de kernel em que o kernel é uma combinação linear de kernels de base fixa. O aprendizado do kernel consiste em aprender os coeficientes de ponderação de cada kernel base, em vez de otimizar os parâmetros do kernel de …

8 machine-learning  svm  kernel-trick 

Os dados consistem em espectros ópticos (intensidade da luz em relação à frequência) gravados em momentos variados. Os pontos foram adquiridos em uma grade regular em x (tempo), y (frequência). Para analisar a evolução do tempo em frequências específicas (um aumento rápido, seguido de uma deterioração exponencial), eu gostaria de …

8 r  time-series  multivariate-analysis  references  smoothing 

Estou trabalhando em um pequeno projeto, que está no estágio inicial de desenvolvimento agora. O que estou tentando descobrir é como faço para gerar músicas aleatórias, especialmente notas. Ao pesquisar no Google, só consegui encontrar um gerador de notas de resgate e muita música aleatória, onde a palavra aleatória não …

8 random-generation  musical-data-analysis