dag पर टैग किए गए जवाब

मैं LASSO रिग्रेशन के glmnetसाथ उपयोग करने से वंचित होना शुरू कर रहा हूं, जहां मेरी रुचि के परिणाम द्विगुणित हैं । मैंने नीचे एक छोटा सा नकली डाटा फ्रेम बनाया है: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

दो यादृच्छिक चर A और B सांख्यिकीय रूप से स्वतंत्र हैं। इसका मतलब है कि प्रक्रिया के DAG में: और निश्चित रूप से । लेकिन क्या इसका यह भी मतलब है कि बी से ए तक कोई फ्रंट-डोर नहीं है?पी ( ए | बी ) = पी ( ए )(A⊥⊥B)(A⊥⊥B)(A …

40 independence  causality  bayesian-network  dag 

प्रत्यक्ष चक्रीय रेखांकन (DAG; उदाहरण के लिए, ग्रीनलैंड, एट अल, 1999) कार्य-कारण शिविर की जवाबी व्याख्या से कार्य-कारण की औपचारिकता का एक हिस्सा है। इन रेखांकन में चर AAA से चर की मौजूदगी बताती है कि चर A सीधे कारण बनता है (चर के जोखिम में कुछ परिवर्तन) चर का …

17 interaction  causality  dag 

निर्देशित चक्रीय ग्राफ (DAG) सांख्यिकीय मॉडल में गुणात्मक कारण धारणाओं के कुशल दृश्य प्रतिनिधित्व हैं, लेकिन क्या उनका उपयोग नियमित साधन चर समीकरण (या अन्य समीकरण) प्रस्तुत करने के लिए किया जा सकता है? यदि हां, तो कैसे? यदि नहीं, तो क्यों?

15 causality  instrumental-variables  dag 

मैं सेल्फ-स्टडी के लिए एक पुस्तक प्रोबेबिलिस्टिक ग्राफिकल मॉडल का अध्ययन कर रहा हूं । क्या एक निर्देशित चक्रीय ग्राफ (DAG) में किनारे कारण संबंधों का प्रतिनिधित्व करते हैं? क्या होगा यदि मैं एक बायेसियन नेटवर्क का निर्माण करना चाहता हूं , लेकिन मुझे इसमें तीरों की दिशा के बारे …

13 causality  graphical-model  bayesian-network  dag 

मैं वापस दरवाजा समायोजन और सामने के दरवाजे समायोजन की बात कर रहा हूँ यहाँ : बैक-डोर एडजस्टमेंट : आँकड़ों में चापलूसी महामारी विज्ञान समस्या एक मापा कन्फ़्यूडर के प्रभाव के लिए समायोजित करना है। पर्ल का बैक-डोर मानदंड इस विचार को सामान्य करता है। मोर्चा-डोर समायोजन : यदि कुछ …

13 causality  dag 

यदि हम नीचे दिए गए कारण ग्राफ में XXX पर के कारण के प्रभाव की गणना करना चाहते YYYहैं, तो हम बैक-डोर एडजस्टमेंट और फ्रंट-डोर एडजस्टमेंट थ्योरम, यानी P ( y | do ( X = x ) ) = ∑ u दोनों का उपयोग कर सकते हैं। P ( …

12 self-study  causality  graph-theory  dag