Statistiques et Big Data modeling

11

Y a-t-il une raison de préférer l'AIC ou le BIC à l'autre?

L'AIC et le BIC sont deux méthodes d'évaluation de l'adéquation du modèle pénalisées pour le nombre de paramètres estimés. Si je comprends bien, BIC pénalise davantage les modèles pour les paramètres libres que l’AIC. Au-delà d'une préférence basée sur la rigueur des critères, existe-t-il d'autres raisons de préférer AIC à …

222 modeling aic cross-validation bic model-selection

3

Comment savoir que votre problème d'apprentissage automatique est sans espoir?

Imaginez un scénario d’apprentissage automatique standard: Vous êtes confronté à un vaste ensemble de données multivariées et vous en avez une compréhension assez floue. Ce que vous devez faire est de faire des prédictions sur certaines variables en fonction de ce que vous avez. Comme d'habitude, vous nettoyez les données, …

207 machine-learning forecasting modeling model-selection forecastability

17

Y compris l'interaction mais pas les effets principaux dans un modèle

Est-il toujours valable d'inclure une interaction bidirectionnelle dans un modèle sans inclure les effets principaux? Et si votre hypothèse ne concerne que l'interaction, avez-vous encore besoin d'inclure les principaux effets?

85 regression modeling interaction regression-coefficients

24

Règles empiriques pour les statistiques «modernes»

J'aime le livre de G van Belle sur les règles statistiques statistiques , et dans une moindre mesure, les erreurs communes en statistique (et comment les éviter) de Phillip I Good et James W. Hardin. Ils traitent des pièges courants lors de l'interprétation des résultats d'études expérimentales et observationnelles et …

85 modeling eda rule-of-thumb

7

Quel est l’avantage de briser une variable prédictive continue?

Je me demande quel est l'intérêt de prendre une variable prédictive continue et de la diviser (par exemple, en quintiles), avant de l'utiliser dans un modèle. Il me semble que, en regroupant la variable, nous perdons des informations. Est-ce simplement pour que nous puissions modéliser des effets non linéaires? Si …

78 regression modeling continuous-data binning regression-strategies

14

Quel est le sens de "Tous les modèles sont faux, mais certains sont utiles"

"En gros, tous les modèles sont faux, mais certains sont utiles." --- Box, George EP; Norman R. Draper (1987). Modèles empiriques de construction et surfaces de réaction, p. 424, Wiley. ISBN 0471810339. Quel est exactement le sens de la phrase ci-dessus?

76 modeling

6

Modèle de prévision du nombre de vues Youtube de Gangnam Style

Le clip vidéo de PSY "Gangnam style" est populaire. Après un peu plus de deux mois, il compte environ 540 millions de téléspectateurs. La semaine dernière, j’ai appris cela de la part de mes enfants d’âge prés au dîner et la discussion s’est vite engagée sur le point de savoir …

73 modeling web

5

Utilisation de la validation croisée par pli en k pour la sélection de modèles en série chronologique

Question: Je veux être sûr de quelque chose, l’utilisation de la validation croisée à plis multiples avec des séries chronologiques est-elle simple, ou faut-il être particulièrement attentif avant de l’utiliser? Contexte: Je modélise une série chronologique sur 6 ans (avec une chaîne semi-markovienne), avec un échantillon de données toutes les …

70 time-series modeling cross-validation

7

Tous les termes d'interaction ont-ils besoin de leurs termes individuels dans un modèle de régression?

En fait, je suis en train de passer en revue un manuscrit où les auteurs comparent 5 à 6 modèles de régression logit et AIC. Cependant, certains modèles comportent des termes d'interaction sans inclure les termes de covariable individuels. Cela a-t-il un sens de faire cela? Par exemple (non spécifique …

68 regression modeling interaction aic

11

Pourquoi devrais-je être bayésien quand mon modèle est faux?

Modifications: j'ai ajouté un exemple simple: l'inférence de la moyenne du . J'ai également légèrement expliqué pourquoi les intervalles crédibles ne correspondant pas aux intervalles de confiance sont mauvais.XiXiX_i Je suis un Bayésien passionné, je suis en pleine crise de foi. Mon problème est le suivant. Supposons que je veuille …

68 bayesian modeling philosophical misspecification

6

La sélection de variables pour la modélisation prédictive est-elle vraiment nécessaire en 2016?

Cette question a été posée sur CV il y a quelques années. Cela semble mériter d'être republié compte tenu des technologies informatiques les plus performantes (par exemple, calcul parallèle, calcul haute performance, etc.) et de nouvelles techniques, par exemple [3]. Tout d'abord, un peu de contexte. Supposons que l'objectif ne …

68 machine-learning modeling feature-selection model-selection prediction

4

Pourquoi l'inclusion de latitude et de longitude dans un GAM explique-t-elle l'autocorrélation spatiale?

J'ai produit des modèles additifs généralisés pour la déforestation. Pour prendre en compte l'autocorrélation spatiale, j'ai inclus latitude et longitude en tant que terme d'interaction lissé (c'est-à-dire s (x, y)). Je me suis basé sur la lecture de nombreux articles dans lesquels les auteurs disaient "pour rendre compte de l'autocorrélation …

60 r modeling spatial autocorrelation gam

6

Qu'est-ce qu'un modèle "saturé"?

Que veut-on dire quand on dit qu'on a un modèle saturé?

59 modeling regression

3

Les variables sont souvent ajustées (par exemple normalisées) avant de créer un modèle - quand est-ce une bonne idée et quand est-ce une mauvaise?

Dans quelles circonstances voudriez-vous ou ne voudriez-vous pas mettre à l'échelle ou normaliser une variable avant l'ajustement du modèle? Et quels sont les avantages / inconvénients de la mise à l'échelle d'une variable?

57 modeling predictive-models feature-selection theory standardization

3

Qu'est-ce qui est si cool dans le théorème de représentation de De Finetti?

De la théorie de la statistique par Mark J. Schervish (page 12): Bien que le théorème de représentation 1.49 de DeFinetti soit essentiel à la motivation des modèles paramétriques, il n'est pas réellement utilisé dans leur mise en œuvre. Comment le théorème est-il au cœur des modèles paramétriques?

55 probability modeling mathematical-statistics parametric

Questions marquées «modeling»