Questions marquées «smoothing»

Les méthodes de lissage dans l'analyse des données, comme les splines ou les lissoirs de noyau, également les lissages de régression comme le lowess.

3
Comment utiliser correctement la corrélation de Pearson avec les séries chronologiques
J'ai deux séries chronologiques (lisses) que j'aimerais corréler entre elles pour voir leur corrélation. J'ai l'intention d'utiliser le coefficient de corrélation de Pearson. Est-ce approprié? Ma deuxième question est que je peux choisir d’échantillonner les 2 séries chronologiques aussi bien que je le souhaite. c'est-à-dire que je peux choisir combien …
4
Quelles sont les valeurs correctes pour la précision et le rappel dans les cas de bord?
La précision est définie comme: p = true positives / (true positives + false positives) Est - il exact que, true positiveset false positivesapproche 0, la précision approche 1? Même question pour rappel: r = true positives / (true positives + false negatives) J'implémente actuellement un test statistique où j'ai …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
2
Lissage - quand l'utiliser et quand ne pas le faire?
Il y a un assez vieux billet sur le blog de William Briggs qui examine les pièges du lissage des données et de leur transfert à l'analyse. L'argument clé est à savoir: Si, dans un moment de folie, vous lissez des données de séries chronologiques et que vous les utilisez …
2
Si les largeurs variables du noyau sont souvent bonnes pour la régression du noyau, pourquoi ne sont-elles généralement pas bonnes pour l'estimation de la densité du noyau?
Cette question est motivée par une discussion ailleurs . Les noyaux variables sont souvent utilisés dans la régression locale. Par exemple, le loess est largement utilisé et fonctionne bien comme un régulateur de régression, et est basé sur un noyau de largeur variable qui s'adapte à la rareté des données. …
3
Dans le lissage de Kneser-Ney, comment les mots invisibles sont-ils traités?
D'après ce que j'ai vu, la formule de lissage (de second ordre) de Kneser-Ney est d'une manière ou d'une autre donnée comme P2KN(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn)PKN2(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn) \begin{align} P^2_{KN}(w_n|w_{n-1}) &= \frac{\max \left\{ C\left(w_{n-1}, w_n\right) - D, 0\right\}}{\sum_{w'} C\left(w_{n-1}, w'\right)} + \lambda(w_{n-1}) \times P_{cont}(w_n) \end{align} avec le facteur de normalisation λ(wn−1)λ(wn−1)\lambda(w_{n-1}) donné comme λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙)λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙) \begin{align} …
2
Comment lisser les données et forcer la monotonie
J'ai quelques données que je voudrais lisser pour que les points lissés diminuent de façon monotone. Mes données diminuent fortement puis commencent à se stabiliser. Voici un exemple utilisant R df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() Quelle bonne technique de lissage pourrais-je utiliser? De plus, ce serait bien si …
1
Comment régler le lissage dans le modèle mgcv GAM
J'essaie de comprendre comment contrôler les paramètres de lissage dans un modèle mgcv: gam. J'ai une variable binomiale que j'essaie de modéliser principalement en fonction des coordonnées x et y sur une grille fixe, ainsi que d'autres variables avec des influences plus mineures. Dans le passé, j'ai construit un modèle …
14 r  smoothing  mgcv 
4
Lissage des données de séries chronologiques
Je construis une application Android qui enregistre les données de l'accéléromètre pendant le sommeil, afin d'analyser les tendances du sommeil et éventuellement de réveiller l'utilisateur à une heure souhaitée pendant le sommeil léger. J'ai déjà construit le composant qui collecte et stocke les données, ainsi que l'alarme. Je dois encore …
2
Comment utiliser un filtre Kalman?
J'ai une trajectoire d'un objet dans un espace 2D (une surface). La trajectoire est donnée comme une séquence de (x,y)coordonnées. Je sais que mes mesures sont bruyantes et j'ai parfois des valeurs aberrantes évidentes. Donc, je veux filtrer mes observations. Pour autant que je comprenne le filtre Kalman, il fait …
1
Les avantages et les inconvénients de la lissage de la spline
J'ai une question générale. Récemment, je viens d'apprendre l'expansion et la régularisation de la base. Il existe plusieurs techniques intéressantes, notamment: spline cubique, spline naturelle, spline b et spline de lissage . La question est, quels sont les avantages et les inconvénients (s'il y en a) du lissage de la …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.