Статистика та великі дані

Чи існує така формула? Враховуючи набір даних, для яких середнє значення, дисперсія, косисть і куртоз відомі, або їх можна виміряти, чи існує єдина формула, яка може бути використана для обчислення щільності ймовірності значення, що передбачається, що походить від вищезазначених даних?

13 distributions  pdf  kurtosis  skewness 

Читаючи кілька паперів, я натрапив на термін «золотий набір» або «золотий стандарт». Що я не розумію - це те, що робить золотим стандартом набір даних? Прийняття однолітків, кількість цитувань і якщо це свобода дослідника та відповідність проблемі, яку він атакує?

13 terminology 

У мене виникають проблеми з розумінням того, що plot.stlсаме означає смуги діапазону . Я знайшов пост Гевіна в цьому питанні і також прочитав документацію, я розумію, що вони говорять про відносну величину розкладених компонентів, але все ж я не зовсім впевнений, як вони працюють. Наприклад: дані: крихітний брусок, без масштабних …

13 r  time-series 

Якщо ви можете виміряти часовий ряд спостережень на будь-якому рівні точності в часі, і ваша мета дослідження - виявити взаємозв'язок між X і Y, чи є емпіричне обґрунтування вибору конкретного рівня агрегації над іншим, чи слід вибір слід приймати просто на основі теорії та / або практичних обмежень? Я маю …

13 time-series  aggregation  disaggregation 

Проблема Я б хотів побудувати дисперсію, пояснювану кожним із 30 параметрів, наприклад, як барплот з різною смугою для кожного параметра та дисперсією по осі y: Однак відхилення сильно перекошені до малих значень, включаючи 0, як видно з гістограми нижче: Якщо я перетворять їх за допомогою , буде легше побачити відмінності …

13 data-visualization  data-transformation  histogram 

У мене є кілька незалежних кодерів, які намагаються ідентифікувати події у часовій серії - в цьому випадку дивляться відео бесіди віч-на-віч і шукають особливості невербальної поведінки (наприклад, головні кивки) та кодують час і категорію кожного. подія. Ці дані можна обґрунтувати як дискретний часовий ряд із високою швидкістю вибірки (30 кадрів …

13 time-series  reliability  agreement-statistics 

Одним із припущень логістичної регресії є лінійність у логіті. Отож, коли я почав працювати і працюю, я перевіряю нелінійність за допомогою тесту Box-Tidwell. Один з моїх безперервних прогнозів (X) випробував позитивність на нелінійність. Що я повинен зробити далі? Оскільки це порушення припущень, я повинен позбутися передбачувача (X) або включити нелінійне …

13 regression  logistic  references  assumptions  regression-strategies 

Як ви можете сказати, чи є кореляції в різних відставаннях, отриманих від перехресної кореляції (функція ccf) двох часових рядів, значущими.

13 r  statistical-significance  cross-correlation 

У мене є маса статей, що представляють "АБО" з -95% ІС (довірчі інтервали). Я хочу оцінити з статей значення Р для спостережуваного АБО. Для цього мені потрібно припущення щодо розподілу АБО. Який дистрибутив можна безпечно припустити / використовувати?

13 distributions  odds-ratio 

Чи може хтось пояснити мені різницю між методом моментів і ГММ (загальним методом моментів), їх співвідношенням, і коли слід використовувати той чи інший?

13 estimation  method-of-moments  generalized-moments 

Нещодавно почавши навчати себе машинного навчання та аналізу даних, я потрапляю в цегляну стіну щодо необхідності створення та запиту великих наборів даних. Я хотів би взяти дані, які я зібрав у своєму професійному та особистому житті, та проаналізувати їх, але я не впевнений у найкращому способі зробити наступне: Як я …

13 data-mining  dataset  eda 

На це питання вже є відповіді : Алгоритм зворотного розповсюдження (2 відповіді) Закрито 4 місяці тому . Що таке алгоритм зворотного поширення і як він працює?

13 algorithms  optimization  neural-networks 

З обмеженими знаннями, які я маю про SVM, це добре для короткої та жирної матриці даних (безліч функцій і не надто багато примірників), але не для великих даних.XXX Я розумію, одна з причин - матриця ядра - це матриця де є кількість екземплярів даних. Якщо у нас є 10000 даних, …

13 machine-learning  svm  large-data 

Я працюю над дуже великою лінійною проблемою регресії, розмір даних настільки великий, що їх потрібно зберігати на кластері машин. Це буде занадто великим, щоб об'єднати всі зразки в одну пам'ять однієї машини (навіть диск) Щоб зробити регресію цих даних, я думаю про паралельний підхід, тобто запустити регресію в кожному окремому …

13 regression  linear  large-data 

Ось зразок коду keras, який використовує його: from keras.constraints import max_norm model.add(Convolution2D(32, 3, 3, input_shape=(3, 32, 32), border_mode='same', activation='relu', kernel_constraint=max_norm(3)))

13 neural-networks  regularization  conv-neural-network  optimization