Statistiques et Big Data

5

Quelle est la différence entre les problèmes multiclasses et multilabel?

Quelle est la différence entre un problème multiclass et un problème multilabel?

52 classification clustering terminology multi-class multilabel

7

Pourquoi le terme de régularisation * ajouté * à la fonction de coût (au lieu de multiplié, etc.)?

Chaque fois que la régularisation est utilisée, elle est souvent ajoutée à la fonction de coût, comme dans la fonction de coût suivante. J(θ)=12(y−θXT)(y−θXT)T+α∥θ∥22J(θ)=12(y−θXT)(y−θXT)T+α‖θ‖22 J(\theta)=\frac 1 2(y-\theta X^T)(y-\theta X^T)^T+\alpha\|\theta\|_2^2 Cela me semble intuitif puisque minimiser le fonction de coût signifie minimiser l'erreur (le terme de gauche) et minimiser les magnitudes …

51 regularization

8

Quelle est une bonne ressource sur la conception de la table?

J'ai vu divers traitements théoriques des graphiques, tels que la grammaire des graphiques . Mais je n'ai rien vu d'équivalent en ce qui concerne les tables. Au fil des ans, j'ai développé un modèle informel de bonnes pratiques en matière de conception de tables. Cependant, j'aimerais pouvoir fournir une bonne …

51 tables

4

Pourquoi ne pas aborder la classification par régression?

Certains documents sur l'apprentissage automatique que j'ai vus disent qu'il est une mauvaise idée d'aborder un problème de classification par régression. Mais je pense qu'il est toujours possible de faire une régression continue pour ajuster les données et tronquer la prédiction continue afin de produire des classifications discrètes. Alors pourquoi …

51 regression machine-learning classification

6

Comment déterminer le meilleur point de coupure et son intervalle de confiance en utilisant la courbe ROC dans R?

J'ai les données d'un test qui pourrait être utilisé pour distinguer les cellules normales et les cellules tumorales. Selon la courbe ROC, cela semble bon à cet égard (la surface sous la courbe est de 0,9): Mes questions sont: Comment déterminer le point de coupure pour ce test et son …

51 r data-visualization confidence-interval roc ggplot2

3

Statistiques et inférence causale?

Dans son article de 1984 intitulé "Statistics and Causal Inference" , Paul Holland a posé l'une des questions les plus fondamentales de la statistique: Que peut dire un modèle statistique sur la causalité? Cela a conduit à sa devise: AUCUNE CAUSATION SANS MANIPULATION qui a souligné l'importance des restrictions autour …

51 causality

2

Quelle est la différence entre un filtre à particules (Monte Carlo séquentiel) et un filtre de Kalman?

Un filtre à particules et un filtre de Kalman sont tous deux des estimateurs bayésiens récursifs . Je rencontre souvent des filtres de Kalman dans mon champ, mais je vois très rarement l’utilisation d’un filtre à particules. Quand l'un serait-il utilisé par rapport à l'autre?

51 bayesian particle-filter kalman-filter

4

Information mutuelle versus corrélation

Pourquoi et quand utiliser les informations mutuelles sur des mesures de corrélation statistique telles que "Pearson", "spearman" ou "Kendall's tau"?

51 correlation mathematical-statistics mutual-information

3

Avons-nous un problème de «pitié upvotes»?

Je sais, cela peut sembler hors sujet, mais écoutez-moi. Au débordement de pile et ici nous obtenons des votes sur les articles, tout cela est stocké dans un tableau. Par exemple: post id id électeur type de vote date / heure ------- -------- --------- -------- 10 1 2 2000-1-1 10:00:01 …

51 time-series hypothesis-testing data-mining markov-process censoring

5

La forêt aléatoire est-elle un algorithme de boosting?

Courte définition du boosting : Un ensemble d’apprenants faibles peut-il créer un seul apprenant fort? Un apprenant faible est défini comme un classifieur peu corrélé avec la vraie classification (il peut mieux étiqueter des exemples que des suppositions aléatoires). Définition courte de forêt aléatoire : Random Forests cultive de nombreux …

51 machine-learning random-forest boosting bagging

3

Quelle est la différence entre l'estimation bayésienne et l'estimation du maximum de vraisemblance?

Veuillez m'expliquer la différence entre l'estimation bayésienne et l'estimation du maximum de vraisemblance?

50 bayesian maximum-likelihood

3

Une forêt aléatoire peut-elle être utilisée pour la sélection d’entités dans une régression linéaire multiple?

Puisque RF peut gérer la non-linéarité mais ne peut pas fournir de coefficients, serait-il sage d'utiliser une forêt aléatoire pour rassembler les caractéristiques les plus importantes, puis de les brancher dans un modèle de régression linéaire multiple afin d'obtenir leurs coefficients?

50 regression machine-learning feature-selection random-forest regression-strategies

8

Comment savoir la probabilité d'échec s'il n'y a pas eu d'échec?

Je me demandais s’il existait un moyen de déterminer la probabilité d’un échec (un produit) si nous avions 100 000 produits sur le terrain pendant un an et sans échec? Quelle est la probabilité que l’un des 10 000 prochains produits vendus échoue?

50 probability survival binomial

4

Régression linéaire rapide robuste aux valeurs aberrantes

Je traite de données linéaires avec des valeurs aberrantes, dont certaines sont à plus de 5 écarts-types de la droite de régression estimée. Je cherche une technique de régression linéaire qui réduit l’influence de ces points. Jusqu'ici, ce que j'ai fait est d'estimer la droite de régression avec toutes les …

50 regression linear-model outliers robust fused-lasso

9

Est-ce que quelqu'un connaît un bon logiciel open source permettant de visualiser des données à partir d'une base de données?

Récemment, je suis tombé sur Tableau et j'ai essayé de visualiser les données de la base de données et du fichier csv. L'utilisateur iterface permet à l'utilisateur de visualiser les données temporelles et spatiales et de créer des tracés en un instant. Un tel outil est vraiment utile car il …

50 data-visualization software interactive-visualization