Statistiques et Big Data

1

Essayer de comprendre le processus gaussien

Je lis le livre GPML et au chapitre 2 (page 15) , il explique comment effectuer une régression en utilisant le processus gaussien (GP), mais j'ai du mal à comprendre comment cela fonctionne. Dans l'inférence bayésienne pour les modèles paramétriques, nous choisissons d'abord un a priori sur les paramètres du …

9 machine-learning gaussian-process

5

La régression linéaire ne correspond pas bien

Je fais une régression linéaire en utilisant la fonction R lm: x = log(errors) plot(x,y) lm.result = lm(formula = y ~ x) abline(lm.result, col="blue") # showing the "fit" in blue mais ça ne va pas bien. Malheureusement, je ne peux pas comprendre le manuel. Quelqu'un peut-il m'orienter dans la bonne …

9 r regression

1

Pouvons-nous rendre la distribution Irwin-Hall plus générale?

J'ai besoin de trouver une classe de distribution symétrique à faible kurtosis, qui comprend la distribution uniforme, triangulaire et normale gaussienne. La distribution Irwin Hall (somme uniforme standard) offre cette caractéristique, mais ne traite pas des ordres non entiers . Cependant, si, par exemple, vous résumez simplement indépendamment, par exemple …

9 distributions pdf uniform cdf

2

Comment inclure un terme linéaire et quadratique en incluant également l'interaction avec ces variables?

Lors de l'ajout d'un prédicteur numérique avec des prédicteurs catégoriels et leurs interactions, il est généralement considéré nécessaire de centrer les variables à 0 au préalable. Le raisonnement est que les principaux effets sont autrement difficiles à interpréter car ils sont évalués avec le prédicteur numérique à 0. Ma question …

9 centering quadratic-form

3

Trouver k de n éléments avec le moins de corrélations par paires

J'ai une matrice de corrélations par paires entre n éléments. Maintenant, je veux trouver un sous-ensemble de k éléments avec la moindre corrélation. Il y a donc deux questions: Quelle est la mesure appropriée pour la corrélation au sein de ce groupe? Comment trouver le groupe le moins corrélé? Ce …

9 correlation ranking

1

Tracés de dépendance partielle et renforcement du gradient (package GBM)

Est-il possible de tracer un graphique de dépendance partielle pour afficher la probabilité de classe et estimer les effets d'un prédicteur pour un modèle GBM ? Quelque chose de similaire à celui partialPlotdu randomForestpackage. Selon cet article , un tracé partiel est réalisable avec gbm. Merci d'avance pour votre aide.

9 r gbm

1

Efficacité relative du rang signé de Wilcoxon dans de petits échantillons

J'ai vu dans la littérature publiée (et publiée ici) que l'efficacité relative asymptotique du test de rang signé de Wilcoxon est d'au moins 0,864 par rapport au test t. J'ai également entendu dire que cela ne s'applique qu'aux grands échantillons, bien que certains livres ne mentionnent pas cela (qu'est-ce que …

9 nonparametric power wilcoxon-signed-rank paired-comparisons efficiency

1

Génération d'uniforme discret à partir de flips de pièces

Supposons que vous ayez une pièce de monnaie équitable que vous pouvez lancer autant de fois que vous le souhaitez (éventuellement infiniment). Est-il possible de générer la distribution uniforme discrète sur( 1 , 2 , . . . , K )(1,2,...,k)(1,2,...,k), où kkkn'est pas une puissance de 2? Comment feriez-vous? …

9 random-generation uniform

2

Problème de locomotive avec des sociétés de différentes tailles

Je travaille via Think Bayes (gratuit ici: http://www.greenteapress.com/thinkbayes/ ) et je fais de l'exercice 3.1. Voici un résumé du problème: "Un chemin de fer numérote ses locomotives dans l'ordre 1..N. Un jour, vous voyez une locomotive avec le numéro 60. Estimez combien de locomotives le chemin de fer a." Cette …

9 bayesian conditional-probability bayes

4

Définition mathématique de la causalité

Soit et des variables aléatoires. est la moyenne conditionnelle de donné . Nous disons que n'est pas causalement lié à si ne dépend pas de , ce qui implique qu'il est égal à . Maintenant, allons de l'avant avec cette définition de la causalité pendant une seconde. Par la loi …

9 econometrics causality conditional-expectation

3

La classification basée sur les réseaux neuronaux a-t-elle besoin d'une réduction de dimension?

J'utilise un classificateur basé sur les réseaux neuronaux pour exécuter une classification de mes données en n dimensions. Ensuite, j'ai pensé que ce pourrait être une bonne idée d'exécuter une réduction de dimension comme PCA pour mes données au début, puis de mettre les résultats PCA dans le classificateur (je …

9 pca neural-networks

1

Interprétation de l'intervalle de prédiction bayésien à 95%

Supposons le modèle de régression bivarié suivant: où est iid pour .yi=βxi+ui,yi=βxi+ui, y_i = \beta x_i + u_i, uiuiu_iN(0,σ2=9)N(0,σ2=9)N(0, \sigma^2 = 9)i=1,…,ni=1,…,ni = 1,\ldots, n Supposons un a priori non informatif , alors on peut montrer que le pdf postérieur pour est oùp(β)∝constantp(β)∝constantp(\beta) \propto \text{constant}ββ\betap(β|y)=(18π)−12(∑i=1nx2i)12exp[−118∑i=1nx2i(β−β^)2],p(β|y)=(18π)−12(∑i=1nxi2)12exp⁡[−118∑i=1nxi2(β−β^)2], p(\beta|\mathbf{y}) = (18\pi)^{-\frac{1}{2}}\left(\sum_{i=1}^n x_i^2\right)^{\frac{1}{2}} \exp\left[-\frac{1}{18}\sum_{i=1}^n …

9 probability self-study bayesian confidence-interval credible-interval

1

Confus par la dérivation de la fonction de régression

Je viens de recevoir une copie des éléments de l'apprentissage statistique par Hastie, Tibshirani et Friedman. Dans le chapitre 2 (Aperçu de l'apprentissage supervisé), section 4 (Théorie de la décision statistique), il donne une dérivation de la fonction de régression. Soit un vecteur d'entrée aléatoire de valeur réelle et une …

9 regression statistical-learning

5

Lisser une série chronologique circulaire / périodique

J'ai des données sur les accidents de véhicules à moteur par heure de la journée. Comme vous vous en doutez, ils sont élevés en milieu de journée et culminent aux heures de pointe. geom_density par défaut de ggplot2 adoucit bien Un sous-ensemble de données, pour les collisions liées à la …

9 r pdf kernel-smoothing splines

1

HMC: Combien de dimensions c'est trop?

D'après ce que j'ai lu, Hamiltonian Monte Carlo est la MCMCméthode "goto" lorsque votre problème est de grande dimension. Concrètement, combien de dimensions 10, 100, 1 000, 10 000, 100 000, ..., c'est trop? Le coût de calcul deviendra sans aucun doute un problème et je suppose que le modèle …

9 autocorrelation mcmc monte-carlo dimensionality-reduction