Statistiques et Big Data predictive-models

2

Dans l'inférence bayésienne, pourquoi certains termes sont-ils supprimés de la prédiction postérieure?

Dans l'analyse bayésienne conjuguée de Kevin Murphy de la distribution gaussienne , il écrit que la distribution prédictive postérieure est p(x∣D)=∫p(x∣θ)p(θ∣D)dθp(x∣D)=∫p(x∣θ)p(θ∣D)dθ p(x \mid D) = \int p(x \mid \theta) p(\theta \mid D) d \theta où est les données sur lesquelles le modèle est ajusté et sont des données invisibles. Ce …

12 bayesian predictive-models inference posterior

1

Interprétation des coefficients de régression LASSO

Je travaille actuellement sur la construction d'un modèle prédictif pour un résultat binaire sur un ensemble de données avec environ 300 variables et 800 observations. J'ai beaucoup lu sur ce site sur les problèmes liés à la régression pas à pas et pourquoi ne pas l'utiliser. J'ai lu la régression …

12 multiple-regression predictive-models interpretation regression-coefficients lasso

4

Obtenir les bonnes valeurs de départ pour un modèle nls dans R

J'essaie d'adapter un modèle de loi de puissance simple à un ensemble de données qui se présente comme suit: mydf: rev weeks 17906.4 1 5303.72 2 2700.58 3 1696.77 4 947.53 5 362.03 6 L'objectif étant de faire passer la ligne électrique et de l'utiliser pour prédire les revvlaues pour …

12 r predictive-models nonlinear-regression power-law nls

1

Pourquoi Netflix passerait-il de son système de notation à cinq étoiles à un système de j'aime / n'aime pas?

Netflix avait l'habitude de baser ses suggestions sur les évaluations soumises par un utilisateur d'autres films / émissions. Ce système de notation avait cinq étoiles. Désormais, Netflix permet aux utilisateurs d'aimer / détester (pouce levé / pouce baissé) les films / émissions. Ils affirment qu'il est plus facile d'évaluer les …

11 variance predictive-models prediction

1

Comment interpréter les résultats lorsque la crête et le lasso fonctionnent bien séparément mais produisent des coefficients différents

J'utilise un modèle de régression avec Lasso et Ridge (pour prédire une variable de résultat discrète allant de 0 à 5). Avant d'exécuter le modèle, j'utilise la SelectKBestméthode de scikit-learnpour réduire l'ensemble de fonctionnalités de 250 à 25 . Sans sélection initiale des caractéristiques, Lasso et Ridge cèdent tous deux …

11 regression predictive-models feature-selection lasso ridge-regression

1

Quand dois-je arrêter de chercher un modèle?

Je recherche un modèle entre les cours de l'énergie et la météo. J'ai le prix du MWatt acheté entre les pays d'Europe, et beaucoup de valeurs sur la météo (fichiers Grib). Chaque heure sur une période de 5 ans (2011-2015). Prix / jour C'est par jour pendant un an. J'ai …

11 time-series forecasting predictive-models modeling large-data

3

Régression avec des données asymétriques

Essayer de calculer le nombre de visites à partir de la démographie et du service. Les données sont très biaisées. Histogrammes: qq tracés (à gauche est le journal): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityet servicesont des variables factorielles. J'obtiens une faible valeur de p *** pour toutes les variables, …

11 regression multiple-regression predictive-models exponential qq-plot

2

Arbres de décision et régression - Les valeurs prévues peuvent-elles être en dehors de la plage des données d'entraînement?

En ce qui concerne les arbres de décision, la valeur prédite peut-elle se situer en dehors de la plage des données de formation? Par exemple, si la plage de l'ensemble de données d'apprentissage de la variable cible est 0-100, lorsque je génère mon modèle et l'applique à autre chose, mes …

11 regression predictive-models random-forest cart

3

Des ressources pour apprendre des techniques à cibles multiples?

Je recherche des ressources (livres, notes de cours, etc.) sur les techniques pouvant gérer des données à cibles multiples (Ex: trois variables dépendantes: 2 discrètes et 1 continue). Quelqu'un at-il des ressources / connaissances à ce sujet? Je sais qu'il est possible d'utiliser des réseaux de neurones pour cela.

11 regression machine-learning predictive-models references

1

Mesure d'évaluation des prévisions pour les données de panel / longitudinales

Je voudrais évaluer plusieurs modèles différents qui fournissent des prédictions de comportement à un niveau mensuel. Les données sont équilibrées, et 100 000 et 12. Le résultat est d'assister à un concert au cours d'un mois donné, il est donc nul pour ~ 80% des gens au cours d'un mois, …

11 repeated-measures predictive-models stata panel-data validation

2

Y a-t-il sur-ajustement dans cette approche de modélisation

On m'a récemment dit que le processus que j'avais suivi (composante d'une thèse de maîtrise) pouvait être considéré comme trop adapté. Je cherche à mieux comprendre cela et à voir si d'autres sont d'accord. L'objectif de cette partie du document est de Comparez les performances des arbres de régression à …

11 machine-learning data-mining predictive-models

3

Comment les bookmakers sélectionnent-ils leurs cotes d'ouverture?

Je sais que les bookmakers ajustent leurs cotes afin de maximiser le gain, en prévoyant les probabilités du volume d'argent placé dans chaque résultat. Comment les bookmakers sélectionnent-ils leurs cotes d'ouverture?

11 predictive-models

1

Intervalles de confiance pour la différence dans les séries chronologiques

J'ai un modèle stochastique utilisé pour simuler des séries chronologiques de certains processus. Je m'intéresse à l'effet de changer un paramètre à une valeur spécifique et je veux montrer la différence entre la série chronologique (par exemple le modèle A et le modèle B) et une sorte d'intervalle de confiance …

11 time-series predictive-models markov-process

1

Prédire les processus à longue mémoire

Je travaille avec un processus à deux états avec dans pourXtXtx_t{ 1 , - 1 }{1,-1}\{1, -1\}t = 1 , 2 , …t=1,2,…t = 1, 2, \ldots La fonction d'autocorrélation est indicative d'un processus à mémoire longue, c'est-à-dire qu'elle affiche une décroissance de la loi de puissance avec un exposant …

11 time-series predictive-models autocorrelation

2

Quelle est l'intuition derrière un réseau neuronal récurrent de mémoire à court terme (LSTM)?

L'idée derrière le réseau neuronal récurrent (RNN) est claire pour moi. Je le comprends de la manière suivante: nous avons une séquence d'observations ( ) (ou, en d'autres termes, des séries temporelles multivariées). Chaque observation est un vecteur numérique à dimensions. Dans le modèle RNN, nous supposons que la prochaine …

11 time-series neural-networks predictive-models intuition rnn

Questions marquées «predictive-models»