Perguntas com a marcação «prediction»

Estou tentando entender como a Random Forest funciona. Tenho uma idéia de como as árvores são construídas, mas não consigo entender como a Random Forest faz previsões em amostras fora do saco. Alguém poderia me dar uma explicação simples, por favor? :)

13 random-forest  prediction 

Vamos considerar este conjunto de dados hipotéticos: set.seed(12345) num.subjects <- 10 dose <- rep(c(1,10,50,100), num.subjects) subject <- rep(1:num.subjects, each=4) group <- rep(1:2, each=num.subjects/2*4) response <- dose*dose/10 * group + rnorm(length(dose), 50, 30) df <- data.frame(dose=dose, response=response, subject=subject, group=group) podemos usar lmepara modelar a resposta com um modelo de efeito aleatório: …

13 mixed-model  linear-model  prediction 

Uma floresta aleatória pode ser treinada para prever adequadamente os dados de contagem? Como isso aconteceria? Eu tenho uma gama bastante extensa de valores para que a classificação não faça sentido. Se eu usasse regressão, simplesmente truncaria os resultados? Estou bastante perdido aqui. Alguma ideia?

12 r  regression  random-forest  prediction  count-data 

Queria entender melhor o teste exato de Fisher, então inventei o seguinte exemplo de brinquedo, em que f e m correspondem a homens e mulheres e n e y correspondem a "consumo de refrigerante" como este: > soda_gender f m n 0 5 y 5 0 Obviamente, isso é uma …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Eu uso o pacote de intercalação para treinar um objeto randomForest com 10x10CV. library(caret) tc <- trainControl("repeatedcv", number=10, repeats=10, classProbs=TRUE, savePred=T) RFFit <- train(Defect ~., data=trainingSet, method="rf", trControl=tc, preProc=c("center", "scale")) Depois disso, testei o randomForest em um testSet (novos dados) RF.testSet$Prediction <- predict(RFFit, newdata=testSet) A matriz de confusão me mostra …

12 r  random-forest  prediction  caret 

A Netflix costumava basear suas sugestões nas classificações enviadas por um usuário de outros filmes / programas. Este sistema de classificação teve cinco estrelas. Agora, o Netflix permite que os usuários gostem / não gostem (polegares para cima / polegares para baixo) de filmes / programas. Eles afirmam que é …

11 variance  predictive-models  prediction 

Gostaria de saber se o intervalo de previsão e o intervalo credível avaliam a mesma coisa. Por exemplo, com uma regressão linear, quando você estima o intervalo de previsão de um valor ajustado, estima os limites do intervalo no qual espera que seu valor caia. Inversamente, para um intervalo de …

11 bayesian  linear-model  prediction  prediction-interval  credible-interval 

Estou tentando usar o neuralnetpacote de R (documentação aqui ) para previsão. Aqui o que estou tentando fazer: library(neuralnet) x <- cbind(runif(50, min=1, max=500), runif(50, min=1, max=500)) y <- x[, 1] * x[, 2] train <- data.frame(x, y) n <- names(train) f <- as.formula(paste('y ~', paste(n[!n %in% 'y'], collapse = …

11 r  neural-networks  prediction  error 

Foi demonstrado que a escolha do modelo ABC usando fatores Bayes não é recomendada devido à presença de um erro proveniente do uso de estatísticas resumidas. A conclusão deste artigo baseia-se no estudo do comportamento de um método popular para aproximação do fator Bayes (algoritmo 2). É sabido que os …

11 bayesian  model-selection  prediction  abc 

Eu tenho algumas perguntas para intervalos de previsão e tolerância. Vamos concordar com a definição dos intervalos de tolerância primeiro: recebemos um nível de confiança, digamos 90%, a porcentagem da população a capturar, digamos 99%, e um tamanho de amostra, digamos 20. A distribuição de probabilidade é conhecida, digamos normal …

11 prediction  prediction-interval  tolerance-interval 

O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Existe uma maneira de obter uma pontuação de confiança (também podemos chamar de valor ou probabilidade de confiança) para cada valor previsto ao usar algoritmos como Florestas Aleatórias ou Extreme Gradient Boosting (XGBoost)? Digamos que essa pontuação de confiança varie de 0 a 1 e mostre quão confiante estou em …

11 r  regression  random-forest  prediction  boosting 

Atualmente, estou trabalhando em um projeto de modelagem preditiva: tentando aprender um modelo e fazer previsões em tempo real com base no modelo que aprendi offline. Comecei a usar a regressão de cume recentemente, porque li que a regularização pode ajudar a reduzir o efeito da multicolinearidade. No entanto, eu …

11 regression  prediction  multicollinearity  ridge-regression 

Estou interessado em modelar a captura total de peixes usando gam em mgcv para modelar efeitos aleatórios simples para navios individuais (que fazem viagens repetidas ao longo do tempo na pesca). Eu tenho 98 sujeitos, então pensei em usar gam em vez de gamm para modelar os efeitos aleatórios. Meu …

10 prediction  random-effects-model  gam  mgcv 

Quais são as relações e as diferenças entre inferência e predição causais (classificação e regressão)? No contexto de previsão, temos as variáveis ​​preditoras / entradas e variáveis ​​resposta / saída. Isso significa que existe uma relação causal entre as variáveis ​​de entrada e saída? Então, a previsão pertence à inferência …

10 prediction  causality  definition