Thống kê và dữ liệu lớn

Làm thế nào để giải thích sự sai lệch Null và dư trong GLM trong R? Giống như, chúng tôi nói rằng AIC nhỏ hơn là tốt hơn. Có bất kỳ giải thích tương tự và nhanh chóng cho các sai lệch cũng? Độ lệch không: 1146.1 trên 1077 độ …

47 generalized-linear-model  deviance 

Tôi có 2 chuỗi thời gian (cả hai đều trơn tru) mà tôi muốn tương quan chéo để xem mức độ tương quan của chúng. Tôi dự định sử dụng hệ số tương quan Pearson. Điều này có phù hợp không? Câu hỏi thứ hai của tôi là tôi có …

47 time-series  correlation  pearson-r  smoothing 

Từ StatSoft, Inc. (2013), Sách giáo khoa thống kê điện tử , "Phân loại Naive Bayes" : Để thể hiện khái niệm Phân loại Naïve Bayes, hãy xem xét ví dụ hiển thị trong hình minh họa ở trên. Như đã chỉ ra, các đối tượng có thể được phân …

47 machine-learning  naive-bayes 

Hãy tưởng tượng bạn phải làm báo cáo về số lượng thí sinh hàng năm làm bài kiểm tra nhất định. Chẳng hạn, có vẻ như rất khó để suy ra% thành công được quan sát, trên một dân số rộng hơn do tính đặc thù của dân số mục …

47 hypothesis-testing  population  sampling 

Tôi chắc chắn rằng tôi đã hoàn toàn quấn quanh đầu mình, nhưng tôi không thể hiểu được. Kiểm tra t so sánh hai phân phối bình thường bằng phân phối Z. Đó là lý do tại sao có một giả định về tính quy tắc trong DATA. ANOVA tương …

47 distributions  regression  normality-assumption  t-test  anova 

Câu hỏi này đã làm tôi bối rối trong một thời gian dài. Tôi hiểu việc sử dụng 'log' trong việc tối đa hóa khả năng nên tôi không hỏi về 'log'. Câu hỏi của tôi là, vì tối đa hóa khả năng đăng nhập tương đương với giảm thiểu …

47 maximum-likelihood  likelihood 

Trong những năm gần đây, Mạng lưới thần kinh chuyển đổi (CNN) đã trở thành công nghệ tiên tiến để nhận dạng đối tượng trong thị giác máy tính. Thông thường, một CNN bao gồm một số lớp chập, tiếp theo là hai lớp được kết nối đầy đủ. Một …

46 machine-learning  neural-networks  svm  deep-learning  conv-neural-network 

Tôi đã thấy "phần dư" được định nghĩa khác nhau là "dự đoán trừ giá trị thực" hoặc "giá trị trừ dự đoán thực tế". Đối với mục đích minh họa, để cho thấy rằng cả hai công thức đều được sử dụng rộng rãi, hãy so sánh các tìm …

46 residuals  terminology  error 

Tôi chỉ đọc bài viết này về yếu tố Bayes cho một vấn đề hoàn toàn không liên quan khi tôi tình cờ thấy đoạn văn này Thử nghiệm giả thuyết với các yếu tố Bayes mạnh hơn thử nghiệm giả thuyết thường xuyên, vì dạng Bayes tránh sai lệch …

46 hypothesis-testing  frequentist 

Trong bài viết "Thảo luận: Các nhà sinh thái học có nên trở thành Bayes?" Brian Dennis đưa ra một cái nhìn cân bằng và tích cực đáng ngạc nhiên về số liệu thống kê Bayes khi mục đích của anh dường như là để cảnh báo mọi người về …

46 bayesian  residuals  frequentist  likelihood-principle 

Tôi rất tò mò về bản chất của Σ−1Σ−1\Sigma^{-1} . Cần ai biết chính xác điều gì đó trực quan về "gì Σ−1Σ−1\Sigma^{-1} nói về dữ liệu?" Biên tập: Cảm ơn đã trả lời Sau khi tham gia một số khóa học tuyệt vời, tôi muốn thêm một số điểm: …

46 bayesian  maximum-likelihood  covariance  matrix 

Tôi đã hoàn thành phân tích dữ liệu của mình và nhận được "kết quả có ý nghĩa thống kê" phù hợp với giả thuyết của tôi. Tuy nhiên, một sinh viên thống kê nói với tôi đây là một kết luận sớm. Tại sao? Có bất cứ điều gì …

46 hypothesis-testing  statistical-significance  spss  p-value 

Ai đó có thể giải thích tại sao chúng ta cần một số lượng lớn cây trong rừng ngẫu nhiên khi số lượng người dự đoán lớn? Làm thế nào chúng ta có thể xác định số lượng cây tối ưu?

46 machine-learning  random-forest 

Trong bài báo này có tiêu đề "LỰA CHỌN MÔ HÌNH LINEAR TỔNG HỢP AMONG ÁP DỤNG CHO DỮ LIỆU Y TẾ", các tác giả viết: Trong một mô hình tuyến tính tổng quát, giá trị trung bình được biến đổi, bằng hàm liên kết, thay vì tự chuyển đổi …

46 generalized-linear-model  model-selection  lognormal 

Giả sử rằng . Sau đó, phân phối có điều kiện của cho rằng là đa biến thường được phân phối với giá trị trung bình:X∼N2(μ,Σ)X∼N2(μ,Σ)\mathbf{X} \sim N_{2}(\mathbf{\mu}, \mathbf{\Sigma})X1X1X_1X2=x2X2=x2X_2 = x_2 E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2)E[P(X1|X2=x2)]=μ1+σ12σ22(x2−μ2) E[P(X_1 | X_2 = x_2)] = \mu_1+\frac{\sigma_{12}}{\sigma_{22}}(x_2-\mu_2) và phương sai:Var[P(X1|X2=x2)]=σ11−σ212σ22Var[P(X1|X2=x2)]=σ11−σ122σ22{\rm Var}[P(X_1 | X_2 = x_2)] = \sigma_{11}-\frac{\sigma_{12}^{2}}{\sigma_{22}} Nó …

46 normal-distribution  multivariate-analysis  intuition