Статистика та великі дані

Прочитавши це питання щодо arXiv і знайшовши посилання на GitXiv, про яке я раніше не знав, я задумався, які веб-сайти / ресурси використовують люди, щоб бути в курсі останніх досліджень у своїй області?

16 academia 

Я знаю, що стандартизовані залишки Пірсона отримуються традиційним імовірнісним способом: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} і залишки відхилення отримують більш статистичним способом (внесок кожної точки у ймовірність): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} де = 1, якщо y i = 1 і s i = -1, …

16 regression  logistic  generalized-linear-model  residuals  deviance 

У мене є дані про щомісячні часові ряди, і я хотів би робити прогнозування з виявленням людей, що вижили. Це зразок мого набору даних: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 2006 7.55 7.63 7.62 7.50 7.47 7.53 7.55 7.47 7.65 7.72 7.78 7.81 2007 …

16 r  time-series  forecasting  arima  outliers 

Я слідую підручник тут: http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/, щоб краще зрозуміти PCA. У посібнику використовується набір даних Iris і застосовується перетворення журналу до PCA: Зауважте, що у наведеному нижче коді ми застосовуємо перетворення журналу до безперервних змінних, як це запропоновано [1] та встановлених centerта scaleрівним TRUEу виклику prcompдля стандартизації змінних перед застосуванням PCA. …

16 r  pca  data-transformation  logarithm 

Це твердження було піднято в найкращій відповіді на це питання . Я вважаю, що питання "чому" є досить різним, що воно вимагає нової нитки. Гуглінг "вичерпний захід асоціації" не спричинив жодного хіта, і я не впевнений, що ця фраза означає.

16 correlation  normal-distribution  pearson-r  multivariate-normal 

Зараз я читаю «Всю статистику» Ларрі Вассермана і спантеличений чимось, що він написав у главі про оцінку статистичних функцій непараметричних моделей. Він написав "Іноді ми можемо знайти розрахункову стандартну помилку статистичної функції, зробивши деякі обчислення. Однак в інших випадках не очевидно, як оцінити стандартну помилку". Я хотів би зазначити, що …

16 self-study  estimation  bootstrap  standard-error 

Припустимо, у мене є функція g(x)g(x)g(x) яку я хочу інтегрувати ∫∞−∞g(x)dx.∫−∞∞g(x)dx. \int_{-\infty}^\infty g(x) dx. Звичайно, припустимо, що g(x)g(x)g(x) переходить до нуля в кінцевих точках, відсутність вибухів, хороша функція. Один з способів , який я смикав є використання алгоритму Метрополіс-Гастингса , щоб сформувати список зразків x1,x2,…,xnx1,x2,…,xnx_1, x_2, \dots, x_n з розподілу …

16 simulation  monte-carlo  metropolis-hastings  numerical-integration 

Я заздалегідь прошу вибачення за те, що я все-таки підходжу до цього. Я намагаюся зрозуміти плюси і мінуси використання tanh (карта від 1 до 1) проти сигмоїда (карта 0 до 1) для моєї функції активації нейрона. З мого читання це звучало як незначна річ з граничними відмінностями. На практиці у …

16 neural-networks 

Я працюю над алогоритмом R, щоб автоматизувати щомісячний розрахунок прогнозу. Я використовую, серед іншого, функцію ets () з пакету прогнозів для обчислення прогнозу. Це працює дуже добре. На жаль, для деяких конкретних часових рядів результат, який я отримую, дивний. Будь ласка, знайдіть нижче код, який я використовую: train_ts<- ts(values, frequency=12) …

16 r  time-series  forecasting  exponential-smoothing 

Чи є компоненти PCA (в основному аналізі компонентів) статистично незалежними, якщо наші дані багатоваріантні, як правило, розподіляються? Якщо так, то як це можна продемонструвати / довести? Я запитую, тому що я побачив цей пост , де у верхній відповіді зазначено: PCA не робить явного припущення про гауссів. Він знаходить власні …

16 pca  independence  svd 

На моделювання структурних рівнянь найменших квадратів (PLSR) або на часткові найменші квадрати (PLS-SEM), що означає термін "частковий"?

16 multiple-regression  least-squares  terminology  sem  partial-least-squares 

Нещодавно я читав статтю, яка включала випадковість у її впевненість та достовірні інтервали, і мені було цікаво, чи це стандарт (і якщо так, то чому це розумно робити). Щоб встановити позначення, припустимо, що наші дані є і ми зацікавлені у створенні інтервалів для параметра . Я звик будувати інтервали довіри …

16 confidence-interval  credible-interval 

Під час вивчення конволюційної нейронної мережі у мене виникають запитання щодо наступного малюнка. 1) C1 у шарі 1 має 6 функціональних карт, чи це означає, що є шість згорткових ядер? Кожне згорнуте ядро ​​використовується для створення карти функцій на основі вхідних даних. 2) S1 у шарі 2 має 6 функціональних …

16 machine-learning  neural-networks  deep-learning  pattern-recognition  conv-neural-network 

Для нормального розподілу існує неупереджений оцінювач стандартного відхилення, заданий: σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2−−−−−−−−−−−−√σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2\hat{\sigma}_\text{unbiased} = \frac{\Gamma(\frac{n-1}{2})}{\Gamma(\frac{n}{2})} \sqrt{\frac{1}{2}\sum_{k=1}^n(x_i-\bar{x})^2} Причина цього результату не так відома, здається, це те, що це скоріше цікавість, а не питання великого імпорту . Доказ висвітлюється на цій нитці ; він користується ключовою властивістю нормального розподілу: 1σ2∑k=1n(xi−x¯)2∼χ2n−11σ2∑k=1n(xi−x¯)2∼χn−12 \frac{1}{\sigma^2} \sum_{k=1}^n(x_i-\bar{x})^2 \sim \chi^{2}_{n-1} Звідти …

16 mathematical-statistics  standard-deviation  unbiased-estimator 

Орієнтовна обчислення Байєса - це дійсно класна методика підгонки в основному будь-якої стохастичної моделі, призначена для моделей, де ймовірність не виправдана (скажімо, ви можете зробити вибірку з моделі, якщо ви фіксуєте параметри, але не можете чисельно, алгоритмічно чи аналітично обчислити ймовірність). При впровадженні аудиторії приблизних байєсівських обчислень (ABC) приємно використовувати …

16 bayesian  simulation  model  likelihood  abc