सांख्यिकी और बिग डेटा

मैं अपने डेटा को क्लस्टर करने के लिए K- साधनों का उपयोग कर रहा हूं और "इष्टतम" क्लस्टर संख्या का सुझाव देने के लिए रास्ता ढूंढ रहा हूं। एक अच्छा क्लस्टर नंबर खोजने के लिए गैप आँकड़े एक सामान्य तरीका लगता है। किसी कारण से यह इष्टतम क्लस्टर संख्या के …

19 r  machine-learning  clustering  k-means 

एसवीएम या न्यूरल नेटवर्क का उपयोग करने के लिए इसे श्रेणीबद्ध चर को सांख्यिक चर में बदलना (एनकोड करना) है, इस मामले में सामान्य विधि k- वें श्रेणीगत मान के रूप में परिवर्तित होने वाले (0,0, ।।) 0-1 बाइनरी मान का उपयोग करना है। ।, 1,0, ... 0) (1 k- …

19 machine-learning  neural-networks  categorical-data  svm  categorical-encoding 

विकिपीडिया के अनुसार, मैं समझता हूं कि जब सामान्य रूप से वितरित आबादी से आईआईडी अवलोकन होते हैं तो टी-वितरण टी-मूल्य का नमूना वितरण होता है। हालाँकि, मैं सहज रूप से यह नहीं समझ पा रहा हूँ कि टी-डिस्ट्रीब्यूशन का आकार चर्बी से बदलकर लगभग पूरी तरह से सामान्य क्यों …

19 normal-distribution  t-distribution 

यहां की शब्दावली एक गड़बड़ है। "संरचनात्मक समीकरण" के बारे में अस्पष्ट है जैसा कि "वास्तुशिल्प पुल" और "बायेसियन नेटवर्क" आंतरिक रूप से बेयसियन नहीं है । इससे भी बेहतर, गॉड-ऑफ-एक्टिविटी जुडीया पर्ल का कहना है कि मॉडल के दो स्कूल लगभग समान हैं। तो, महत्वपूर्ण अंतर क्या हैं? (मेरे …

19 sem  bayesian-network  causality 

यह इस प्रश्न द्वारा उत्पन्न समस्या का अधिक सामान्य उपचार है । नमूना विचरण के स्पर्शोन्मुख वितरण को प्राप्त करने के बाद, हम मानक विचलन के लिए इसी वितरण पर आने के लिए डेल्टा विधि को लागू कर सकते हैं। आइडल गैर-सामान्य यादृच्छिक चर { X i } के आकार …

19 mathematical-statistics  variance  central-limit-theorem  asymptotics 

मैं एक पेपर पढ़ रहा हूं, जहां लेखक बेयर्स प्रमेय के लिए अधिकतम संभावना अनुमान की चर्चा से अग्रणी हैं, शुरुआती लोगों के लिए एक परिचय के रूप में। एक संभावना उदाहरण के रूप में, वे एक द्विपद वितरण के साथ शुरू करते हैं: p(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,θ)=(nx)θx(1−θ)n−xp(x|n,\theta) = \binom{n}{x}\theta^x(1-\theta)^{n-x} और फिर दोनों …

19 bayesian  likelihood  definition  philosophical 

मेरे पास एक अध्यादेश पर निर्भर चर, सहजता है, जो 1 (आसान नहीं) से लेकर 5 (बहुत आसान) तक है। स्वतंत्र कारकों के मूल्यों में वृद्धि एक बढ़ी हुई सुगमता रेटिंग के साथ जुड़ी हुई है। मेरे दो स्वतंत्र चर ( condAऔर condB) श्रेणीबद्ध हैं, प्रत्येक में 2 स्तर हैं, …

19 r  regression  logistic  interpretation  ordered-logit 

मैं अक्सर लोगों को न्यूरल नेटवर्क के बारे में एक ब्लैक-बॉक्स के रूप में बात करते हुए सुनता हूं जो आपको समझ में नहीं आता है कि यह क्या करता है या उनका क्या मतलब है। मैं वास्तव में समझ नहीं पा रहा हूं कि वे इससे क्या मतलब रखते …

19 machine-learning  neural-networks 

मेरी समझ में, "नियंत्रण" के आंकड़ों में दो अर्थ हो सकते हैं। नियंत्रण समूह: एक प्रयोग में, नियंत्रण समूह के सदस्य को कोई उपचार नहीं दिया जाता है। Ex: प्लेसेबो बनाम ड्रग: आप ड्रग्स एक समूह को देते हैं और दूसरे को नहीं (नियंत्रण), जिसे "नियंत्रित प्रयोग" भी कहा जाता …

19 regression  self-study  anova  experiment-design  controlling-for-a-variable 

मेरे पास एक द्विपद वितरण और एक लॉगिट लिंक फ़ंक्शन के साथ GLMM है और मुझे लगता है कि मॉडल में डेटा का एक महत्वपूर्ण पहलू अच्छी तरह से प्रतिनिधित्व नहीं करता है। इसका परीक्षण करने के लिए, मैं यह जानना चाहूंगा कि लॉगिट स्केल पर एक रैखिक फ़ंक्शन द्वारा …

19 binomial  residuals  glmm  lme4-nlme 

चलो θ∈Rnθ∈Rn\theta \in R^{n} । फिशर सूचना मैट्रिक्स के रूप में परिभाषित किया गया है: I(θ)i,j=−E[∂2log(f(X|θ))∂θi∂θj∣∣∣θ]I(θ)i,j=−E[∂2log⁡(f(X|θ))∂θi∂θj|θ]I(\theta)_{i,j} = -E\left[\frac{\partial^{2} \log(f(X|\theta))}{\partial \theta_{i} \partial \theta_{j}}\bigg|\theta\right] मैं फिशर सूचना मैट्रिक्स कैसे साबित कर सकता हूं सकारात्मक सकारात्मक है?

19 inference  linear-algebra  fisher-information 

मैं एक मॉडल का उत्पादन करने की कोशिश कर रहा हूं जिसके लिए मेरे पास एक प्रतिक्रिया चर है जो 0 और 1 के बीच का अनुपात है, इसमें काफी कुछ 0 और 1 s शामिल हैं, लेकिन बीच में कई मान भी शामिल हैं। मैं बीटा प्रतिगमन का प्रयास …

19 regression  mixed-model  beta-distribution  zero-inflation  beta-regression 

कृपया इस डेटा पर विचार करें: dt.m <- structure(list(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12), occasion = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, …

19 r  mixed-model  stata  lme4-nlme 

यह Google के लिए कुछ अन्य चीजों जितना आसान नहीं है, स्पष्ट होने के लिए, मैं श्रेणीबद्ध चर की भविष्यवाणी करने के लिए प्रतिगमन का उपयोग करने के अर्थ में लॉजिस्टिक प्रतिगमन के बारे में बात नहीं कर रहा हूं। मैं दिए गए डेटा पॉइंट्स को लॉजिस्टिक ग्रोथ कर्व फिट …

19 r  nonlinear-regression  curve-fitting  logistic-curve 

जैसा कि सभी जानते हैं, मशीन लर्निंग के लिए फीचर इंजीनियरिंग बेहद महत्वपूर्ण है, हालांकि मुझे इस क्षेत्र से जुड़ी कुछ सामग्रियां मिलीं। मैंने कागले में कई प्रतियोगिताओं में भाग लिया और विश्वास है कि कुछ मामलों में अच्छे क्लासिफायर की तुलना में अच्छी सुविधाएँ और भी महत्वपूर्ण हो सकती …

19 machine-learning  references  feature-construction