Statystyki i duże zbiory danych

1

Jak mogę udowodnić, że funkcja skumulowanego rozkładu jest właściwie ciągła?

Na kursach prawdopodobieństwa dowiedziałem się, że funkcja skumulowanego rozkładu zmiennej losowej jest ciągła. Czy można to udowodnić?XFFFXXX

11 probability

4

Które liczby będą najmniej wybierane przez osoby uczestniczące w loterii?

Mega Millions to dziś ponad 500 milionów dolarów. Pamiętam, jak czytałem artykuł JSTOR o niektórych liczbach, których wybranie jest mało prawdopodobne. Na przykład wiele osób wybiera 7, ponieważ to ich szczęśliwa liczba, a ja chcę odwrotnie. Jednak skończyło się moje członkostwo w JSTOR. Które liczby będą najmniej wybierane przez ludzi …

11 random-generation

3

Praktyczny samouczek PCA z danymi

Wyszukiwanie w Internecie samouczka PCA daje tysiące wyników (nawet wideo). Wiele samouczków jest bardzo dobrych. Ale nie jestem w stanie znaleźć żadnego praktycznego przykładu, w którym wyjaśniono PCA przy użyciu niektórych zestawów danych, których mogę użyć do demonstracji. Potrzebuję samouczka, który zapewnia niewielki zestaw danych, który jest łatwy do wykreślenia …

11 data-visualization dataset pca data-mining

1

Automatyczny wybór funkcji do wykrywania anomalii

Jaki jest najlepszy sposób automatycznego wybierania funkcji do wykrywania anomalii? Zazwyczaj traktuję Wykrywanie Anomalii jako algorytm, w którym cechy są wybierane przez ludzkich ekspertów: liczy się zakres wyjściowy (jak w „nienormalnym wejściu - nienormalnym wyjściu”), więc nawet przy wielu funkcjach można uzyskać znacznie mniejszy podzbiór, łącząc funkcje. Zakładając jednak, że …

11 feature-selection outliers

2

Czym jest teraz Drosophila AI?

W połowie lat 60. XX wieku naukowcy nazywali szachy „ Drosophila AI”: podobnie jak mucha owocowa, gra w szachy była dostępna i stosunkowo prosty problem z eksperymentami, który jednak spowodował ważną wiedzę, bardziej złożone problemy. Teraz ludzie mówią, że „szachy to tylko problem wyszukiwania”, a „metody szachowe nie przyniosą większego …

11 machine-learning

1

Koc Markowa a normalna zależność w sieci bayesowskiej

Kiedy czytałem o sieci bayesowskiej, natrafiłem na termin „ koc Markowa ” i poważnie pomyliłem się z jego niezależnością w grafie sieci bayesowskiej. Koc Markowa krótko mówi, że każdy węzeł zależy tylko od jego rodziców, dzieci i rodziców dzieci [jest to szary obszar dla węzła A na zdjęciu]. Jakie jest …

11 bayesian bayesian-network

4

Standaryzowane wagi beta dla regresji wielopoziomowej

Jak uzyskać znormalizowane wagi regresji (efekt stały) z regresji wielopoziomowej? I jako „dodatek”: Jaki jest najłatwiejszy sposób na uzyskanie tych standardowych wag z obiektu mer-object (z lmerfunkcji lme4pakietu w R)?

11 r multilevel-analysis lme4-nlme regression-coefficients standardization

4

Czy można uzyskać lepszy ANN, usuwając niektóre połączenia?

Zastanawiałem się, czy w pewnych okolicznościach jest możliwe, aby ANN działały lepiej, jeśli odetniesz na nich niektóre połączenia, na przykład: Konstruujesz jeden ANN, biorąc równolegle dwa wielowarstwowe ANN A i B (te same węzły wejściowe i wyjściowe), dodając kilka połączeń „komunikacyjnych” między ukrytymi warstwami A i B? Czy można uzyskać …

11 classification neural-networks

2

W jaki sposób marginesy błędu są powiązane z przedziałami ufności?

Czy ktoś może mi powiedzieć różnicę między marginesami błędu a przedziałami ufności? W Internecie widzę, że te dwa znaczenia są używane zamiennie. Czy dobrze jest powiedzieć „Przedziały ufności są wyświetlane jako 1,96 i wyświetlane na wykresach jako marginesy błędów”?

11 confidence-interval survey polling

4

Jak konceptualizować błąd w modelu regresji?

Uczęszczam na klasę analizy danych i niektóre z moich głęboko zakorzenionych pomysłów są wstrząśnięte. Mianowicie idea, że błąd (epsilon), a także jakakolwiek inna wariancja, odnosi się tylko (tak myślałem) do grupy (próbki lub całej populacji). Teraz uczymy się, że jednym z założeń regresji jest to, że wariancja jest „taka sama …

11 regression variance error measurement-error

1

Znalezienie odpowiednich reguł dla nowych danych za pomocą arules

Używam R (i pakietu arules) do wyszukiwania transakcji dla reguł asocjacji. Chcę zbudować reguły, a następnie zastosować je do nowych danych. Powiedzmy na przykład, że mam wiele zasad, z których jedną jest kanoniczna {Beer=YES} -> {Diapers=YES}. Potem mam nowe dane transakcyjne, w których jeden z rekordów kupił piwo, ale nie …

11 r data-mining association-rules

1

Czy wartość wzajemnej informacji może być większa niż 1

Mam bardzo podstawowe wątpliwości. Przepraszam, jeśli to trochę irytuje. Wiem, że wartość wzajemnych informacji powinna być większa niż 0, ale czy powinna być mniejsza niż 1? Czy jest ograniczona jakąkolwiek górną wartością? Dzięki, Amit.

11 information-theory mutual-information

1

Szacowanie prawdopodobieństwa sukcesu na podstawie populacji odniesienia

Załóżmy, że masz następującą sytuację: Z biegiem czasu zaobserwowałeś 1000 graczy w kręgle, którzy grali w stosunkowo niewielką liczbę gier (powiedzmy od 1 do 20). Zanotowałeś procent uderzeń dla każdego z tych graczy w stosunku do liczby gier, w które każdy z nich grał. Wchodzi nowy gracz w kręgle, który …

11 binomial inference

1

Rozszerzenie modeli klasy 2 na problemy klasy

Ten artykuł na temat Adaboost zawiera pewne sugestie i kod (strona 17) dotyczący rozszerzenia modeli 2-klasowych na problemy klasy K. Chciałbym uogólnić ten kod, tak że mogę łatwo podłączyć różne modele 2-klasowe i porównać wyniki. Ponieważ większość modeli klasyfikacji ma interfejs formuły i predictmetodę, niektóre z nich powinny być stosunkowo …

11 r machine-learning classification statistical-learning multi-class

3

Czy powinienem używać dwumianowego cdf lub normalnego cdf podczas przerzucania monet?

Moneta musi zostać przetestowana pod kątem uczciwości. 30 głów pojawia się po 50 rzutach. Zakładając, że moneta jest sprawiedliwa, jakie jest prawdopodobieństwo, że zdobędziesz co najmniej 30 głów w 50 rzutach? Według mojego nauczyciela właściwym sposobem rozwiązania tego problemu jest zrobienie tego normalcdf(min = .6, max = ∞, p = …

11 self-study normal-distribution binomial