matrix-inverse पर टैग किए गए जवाब

मैंने सुना है कि यादृच्छिक चर के बीच आंशिक सहसंबंध सहसंयोजक मैट्रिक्स को निष्क्रिय करके और इस तरह के परिणामस्वरूप सटीक मैट्रिक्स से उपयुक्त कोशिकाओं को लेने से मिल सकता है (यह तथ्य http://en.wikipedia.org/wiki/Partial_correlation में वर्णित है , लेकिन बिना किसी प्रमाण के) । यह एक केस क्यों है?

32 covariance  covariance-matrix  linear-algebra  partial-correlation  matrix-inverse 

मुझे मैट्रिक्स व्युत्क्रम की गणना करने की आवश्यकता है और solveफ़ंक्शन का उपयोग कर रहा है। जबकि यह छोटे मेट्रिसेस पर अच्छा काम करता है, solveबड़े मेट्रिसेस पर बहुत धीमी गति से चलता है । मैं सोच रहा था कि क्या कोई अन्य फ़ंक्शन या फ़ंक्शन (एसवीडी, क्यूआर, एलयू, या …

21 r  matrix-decomposition  matrix-inverse 

मेरा प्रश्न एक अभिकलन तकनीक में शोषण से संबंधित है geoR:::.negloglik.GRFया geoR:::solve.geoR। एक रैखिक मिश्रित मॉडल सेटअप में: जहां और क्रमशः तय और यादृच्छिक प्रभाव हैं। इसके अलावा,Y=Xβ+Zb+eY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betabbbΣ=cov(Y)Σ=cov(Y)\Sigma=\text{cov}(Y) प्रभावों का आकलन करते समय, गणना करने की आवश्यकता होती है जो सामान्य रूप से कुछ का उपयोग करके किया …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

डिजाइन मैट्रिक्स संदर्भ में सही संपुर्णता का एक उदाहरण क्या है ?XXX मैं एक उदाहरण चाहूंगा, जहां अनुमान नहीं लगाया जा सकता क्योंकि नहीं है।(एक्स'एक्स)β^=(X′X)−1X′Yβ^=(X′X)−1X′Y\hat \beta = (X'X)^{-1}X'Y(X′X)(X′X)(X'X)

12 regression  multicollinearity  matrix  matrix-inverse 

मैं कुछ क्लस्टरिंग तकनीकों पर काम कर रहा हूं, जहां डी-डायमेंशन वैक्टर के दिए गए क्लस्टर के लिए मैं एक बहुभिन्नरूपी सामान्य वितरण का अनुमान लगाता हूं और नमूना d- आयामी माध्य वेक्टर और नमूना सहसंयोजक मैट्रिक्स की गणना करता हूं। फिर जब एक नया, अनदेखी, घ आयामी वेक्टर इस …

12 clustering  multivariate-analysis  covariance  covariance-matrix  matrix-inverse 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

रैखिक प्रतिगमन में w के बंद रूप को लिखा जा सकता है w^=(XTX)−1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty हम इस समीकरण में की भूमिका को सहजता से कैसे समझा सकते हैं ?(XTX)−1(XTX)−1(X^TX)^{-1}

10 regression  least-squares  matrix  intuition  matrix-inverse 

कम्प्यूटेशनल आंकड़ों में समीकरणों के रैखिक सिस्टम व्याप्त हैं। एक विशेष प्रणाली जिसका मैंने सामना किया है (जैसे, कारक विश्लेषण में) प्रणाली है Ax=bAx=bAx=b जहां यहाँ एक है एक सख्ती से सकारात्मक विकर्ण साथ विकर्ण मैट्रिक्स, एक है (साथ ) सममित सकारात्मक अर्द्ध निश्चित मैट्रिक्स, और एक मनमाना मैट्रिक्स है। …

10 factor-analysis  matrix  computational-statistics  matrix-decomposition  matrix-inverse 

मैं समझता हूं कि हम कम से कम वर्गों के प्रतिगमन समस्या में नियमितीकरण को नियोजित कर सकते हैं w∗=argminw[(y−Xw)T(y−Xw)+λ∥w∥2]w∗=argminw⁡[(y−Xw)T(y−Xw)+λ‖w‖2]\boldsymbol{w}^* = \operatorname*{argmin}_w \left[ (\mathbf y-\mathbf{Xw})^T(\boldsymbol{y}-\mathbf{Xw}) + \lambda\|\boldsymbol{w}\|^2 \right] और इस समस्या का एक बंद-रूप समाधान है: w^=(XTX+λI)−1XTy.w^=(XTX+λI)−1XTy.\hat{\boldsymbol{w}} = (\boldsymbol{X}^T\boldsymbol{X}+\lambda\boldsymbol{I})^{-1}\boldsymbol{X}^T\boldsymbol{y}. हम देखते हैं कि 2 समीकरण में, नियमितीकरण बस λλ\lambda को …

10 regression  regularization  ridge-regression  overfitting  matrix-inverse