Statistiques et Big Data

3

J'ai lu le lemme de Neyman – Pearson dans le livre Introduction to the Theory of Statistics de Mood, Graybill et Boes. Mais je n'ai pas compris le lemme. Quelqu'un peut-il m'expliquer le lemme en termes clairs? Que dit-il? Lemme de Neyman-Pearson: Soit X1,…,XnX1,…,XnX_1,\ldots,X_n un échantillon aléatoire de f(x;θ)f(x;θ)f(x;\theta) , …

21 hypothesis-testing self-study references inference likelihood-ratio

3

De la règle du Perceptron à la descente en gradient: en quoi les Perceptrons avec une fonction d'activation sigmoïde sont-ils différents de la régression logistique?

Essentiellement, ma question est que dans les Perceptrons multicouches, les perceptrons sont utilisés avec une fonction d'activation sigmoïde. Alors que dans la règle de mise à jour y est calculée comme suity^y^\hat{y} y^=11+exp(−wTxi)y^=11+exp⁡(−wTxi)\hat{y} = \frac{1}{1+\exp(-\mathbf{w}^T\mathbf{x}_i)} En quoi ce Perceptron "sigmoïde" diffère-t-il alors d'une régression logistique? Je dis qu'un perceptron sigmoïde …

21 logistic classification neural-networks gradient-descent perceptron

1

Quand, si jamais une statistique médiane est une statistique suffisante?

Je suis tombé sur une remarque sur The Chemical Statistician selon laquelle une médiane d'échantillon pourrait souvent être un choix pour une statistique suffisante mais, outre le cas évident d'une ou deux observations où elle est égale à la moyenne de l'échantillon, je ne peux pas penser à une autre …

21 median exponential-family sufficient-statistics chemistry

2

Réseau de neurones convolutifs pour les séries temporelles?

Je voudrais savoir s'il existe un code pour former un réseau neuronal convolutionnel à la classification des séries chronologiques. J'ai vu des articles récents ( http://www.fer.unizg.hr/_download/repository/KDI-Djalto.pdf ) mais je ne sais pas s'il existe quelque chose ou si je dois le coder moi-même.

21 time-series classification neural-networks conv-neural-network

1

Quelle est la différence entre la régression logistique et la régression logit?

Quelle est la différence entre la régression logistique et la régression logit? Je comprends qu'ils sont similaires (ou même la même chose), mais quelqu'un pourrait-il expliquer la différence (s) entre ces deux? Est-ce une question de chance?

21 regression logistic terminology logit odds

3

Analyser les tracés ACF et PACF

Je veux voir si je suis sur la bonne voie en analysant mes parcelles ACF et PACF: Contexte: (Reff: Philip Hans Franses, 1998) Comme ACF et PACF affichent des valeurs significatives, je suppose qu'un modèle ARMA répondra à mes besoins L'ACF peut être utilisé pour estimer la partie MA, c'est-à-dire …

21 time-series model-selection arma statsmodels

8

Comment pouvez-vous visualiser la relation entre 3 variables catégorielles?

J'ai un ensemble de données avec trois variables catégorielles et je veux visualiser la relation entre les trois dans un graphique. Des idées? Actuellement, j'utilise les trois graphiques suivants: Chaque graphique correspond à un niveau de dépression de base (léger, modéré, sévère). Ensuite, dans chaque graphique, j'examine la relation entre …

21 r data-visualization categorical-data

1

Comment les algorithmes d'apprentissage de l'arbre de décision gèrent-ils les valeurs manquantes (sous le capot)

Quelles sont les méthodes utilisées par les algorithmes d'apprentissage de l'arbre de décision pour gérer les valeurs manquantes. Remplissent-ils simplement l'emplacement en utilisant une valeur appelée manquante? Merci.

21 missing-data cart

2

Comment interpréter les paramètres dans GLM avec la famille = Gamma

Cette question a été migrée à partir de Stack Overflow car il est possible d'y répondre sur la validation croisée. Migré il y a 5 ans . J'ai une question concernant l'interprétation des paramètres d'un GLM avec une variable dépendante distribuée gamma. Voici ce que R renvoie pour mon GLM …

21 r generalized-linear-model interpretation gamma-distribution

1

Sélection de modèle avec régression logistique Firth

Dans un petit ensemble de données ( ) avec lequel je travaille, plusieurs variables me donnent une prédiction / séparation parfaite . J'utilise donc la régression logistique de Firth pour traiter le problème.n∼100n∼100n\sim100 Si je sélectionne le meilleur modèle par AIC ou BIC , dois-je inclure le terme de pénalité …

21 logistic model-selection aic separation

4

Dans quelles circonstances un processus MA ou AR est-il approprié?

Je comprends que si un processus dépend de valeurs antérieures de lui-même, alors c'est un processus AR. Si cela dépend d'erreurs précédentes, c'est un processus MA. Quand se produirait l'une de ces deux situations? Quelqu'un a-t-il un exemple solide qui éclaire le problème sous-jacent concernant ce que signifie qu'un processus …

21 time-series autoregressive moving-average

2

Comment appliquer le GLMM binomial (glmer) à des pourcentages plutôt qu'à des nombres oui-non?

J'ai une expérience à mesures répétées où la variable dépendante est un pourcentage et j'ai plusieurs facteurs comme variables indépendantes. Je voudrais utiliser à glmerpartir du package R lme4pour le traiter comme un problème de régression logistique (en spécifiant family=binomial) car il semble s'adapter directement à cette configuration. Mes données …

21 r logistic mixed-model glmm lme4-nlme

2

Quelle est la relation entre le score GINI et le rapport log-vraisemblance

J'étudie les arbres de classification et de régression, et l'une des mesures pour l'emplacement divisé est le score GINI. Maintenant, je suis habitué à déterminer le meilleur emplacement divisé lorsque le log du rapport de vraisemblance des mêmes données entre deux distributions est nul, ce qui signifie que la probabilité …

21 cart likelihood-ratio information-theory kullback-leibler gini

3

Régression log-linéaire vs régression logistique

Quelqu'un peut-il fournir une liste claire des différences entre la régression log-linéaire et la régression logistique? Je comprends que le premier est un modèle de régression linéaire simple, mais je ne sais pas quand chacun doit être utilisé.

21 regression logistic logit log-linear

5

Raison pour ne pas avoir réduit le terme de biais (interception) dans la régression

Pour un modèle linéaire , le terme de retrait est toujours .y=β0+xβ+εy=β0+Xβ+εy=\beta_0+x\beta+\varepsilonP(β)P(β)P(\beta) Quelle est la raison pour laquelle nous ne rétrécissons pas le terme de biais (interception) ? Faut-il réduire le terme de biais dans les modèles de réseaux de neurones?β0β0\beta_0

21 regression neural-networks ridge-regression intercept shrinkage