Perguntas com a marcação «bootstrap»

Existem várias técnicas populares de reamostragem, frequentemente usadas na prática, como inicialização, teste de permutação, canivete, etc. Existem inúmeros artigos e livros que discutem essas técnicas, por exemplo, Philip I Good (2010) Permutation, Parametric, and Bootstrap Tests de hipóteses Minha pergunta é qual técnica de reamostragem ganhou mais popularidade e …

37 hypothesis-testing  nonparametric  bootstrap  permutation-test 

Essa questão pode ser muito aberta para obter uma resposta definitiva, mas espero que não. Algoritmos de aprendizado de máquina, como SVM, GBM, Random Forest etc., geralmente possuem alguns parâmetros livres que, além de algumas orientações básicas, precisam ser ajustados para cada conjunto de dados. Isso geralmente é feito com …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

Eu li em algumas fontes, incluindo esta , que as florestas aleatórias não são sensíveis a outliers (da mesma forma que a regressão logística e outros métodos de ML são, por exemplo). No entanto, duas intuições me dizem o contrário: Sempre que uma árvore de decisão é construída, todos os …

33 random-forest  bootstrap  outliers  cart 

Eu sei que este é um tópico bastante quente, onde ninguém realmente pode dar uma resposta simples. No entanto, estou me perguntando se a seguinte abordagem não poderia ser útil. O método de autoinicialização é útil apenas se sua amostra seguir mais ou menos (leia exatamente) a mesma distribuição que …

33 bootstrap  sample-size  methodology 

Recentemente, aprendi sobre o uso de técnicas de inicialização para calcular erros padrão e intervalos de confiança para estimadores. O que eu aprendi foi que, se os dados são IID, você pode tratar os dados da amostra como a população e fazer amostragens com substituição, o que permitirá obter várias …

33 time-series  bootstrap 

Nas notas do MIT OpenCourseWare para 18.05 Introdução à Probabilidade e Estatística, primavera de 2014 (atualmente disponível aqui ), ele declara: O método de percentil de auto-inicialização é atraente devido à sua simplicidade. No entanto, depende da distribuição de auto-inicialização de base em uma amostra específica, sendo uma boa aproximação …

31 confidence-interval  bootstrap 

Afirma-se frequentemente que o bootstrapping pode fornecer uma estimativa do viés em um estimador. Se é a estimativa de alguma estatística e são as réplicas de autoinicialização (com ), a estimativa de autoinicialização do viés é que parece extremamente simples e poderosa, a ponto de ser perturbadora. ~ t ii∈{1,⋯,N}biumst≈1t^t^\hat …

31 bootstrap  bias 

Distribuições muito distorcidas, como o log-normal, não resultam em intervalos precisos de confiança na inicialização. Aqui está um exemplo que mostra que as áreas da cauda esquerda e direita estão longe do valor ideal de 0,025, independentemente do método de inicialização que você tenta no R: require(boot) n <- 25 …

30 confidence-interval  nonparametric  mean  bootstrap  median 

Eu tenho um manuscrito sobre um método de inicialização para testar hipóteses de uma média e gostaria de enviá-lo para publicação, mas tenho um dilema moral. Eu assinei o protesto contra a Elsevier por suas práticas comerciais antiéticas, e a leitura de toda a questão realmente me fez questionar a …

30 hypothesis-testing  bootstrap  journals 

Quando alguém inicializa um parâmetro para obter o erro padrão, obtemos uma distribuição do parâmetro. Por que não usamos a média dessa distribuição como resultado ou estimativa para o parâmetro que estamos tentando obter? A distribuição não deveria se aproximar da real? Portanto, obteríamos uma boa estimativa do valor "real"? …

30 distributions  bootstrap  standard-error  expected-value 

Tendo estudado recentemente o bootstrap, surgiu uma pergunta conceitual que ainda me intriga: Você tem uma população e deseja conhecer um atributo da população, ou seja, , onde eu uso para representar a população. Esse pode ser a média da população, por exemplo. Normalmente você não pode obter todos os …

29 bootstrap  simulation  resampling 

Eu queria fazer uma demonstração de classe em que comparasse um intervalo t com um intervalo de autoinicialização e calculasse a probabilidade de cobertura de ambos. Como eu queria que os dados viessem de uma distribuição assimétrica, decidi gerá-los como exp(rnorm(10, 0, 2)) + 1uma amostra do tamanho 10 de …

29 bootstrap  diagnostic 

Existe alguma técnica de autoinicialização disponível para calcular intervalos de previsão para previsões pontuais obtidas, por exemplo, por regressão linear ou outro método de regressão (k-vizinho mais próximo, árvores de regressão etc.)? De alguma forma, sinto que a maneira às vezes proposta de apenas inicializar a previsão do ponto (veja, …

29 bootstrap  prediction-interval 

Eu uso o pacote "boot" para calcular um valor p aproximado de inicialização de dois lados, mas o resultado está muito longe do valor p de usar t.test. Não consigo descobrir o que fiz de errado no meu código R. Alguém pode me dar uma dica para isso time = …

28 r  hypothesis-testing  p-value  bootstrap  permutation-test 

Quando uso o GAM, o DF residual é (última linha do código). O que isso significa? Indo além do exemplo do GAM, em geral, o número de graus de liberdade pode ser um número não inteiro?26,626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation