Запитання з тегом «bias»

У CrossValidated є кілька запитань щодо того, коли і як застосувати виправлення зміщення рідкісних подій Кінгом і Дзенгом (2001) . Я шукаю щось інше: мінімальна демонстрація на основі симуляції того, що упередженість існує. Зокрема, Кінг і Дзенг "... у даних про рідкісні події ухили до ймовірностей можуть мати істотне значення …

19 r  logistic  simulation  bias  rare-events 

Коли слово "упередженість" було введено у значення ?E[θ^−θ]E[θ^−θ]\mathbb{E}[\hat{\theta}-\theta] Причина, чому я зараз думаю про це зараз, полягає в тому, що, здається, я згадую Джейнеса в його тексті теорії ймовірності , критикуючи вживання слова "упередженість", яке використовується для опису цієї формули, і пропоную альтернативу. З теорії ймовірності Джейнеса , розділ 17.2 …

18 terminology  bias  history 

Я працюю над проектом машинного навчання з даними, які вже (сильно) упереджені підбором даних. Припустимо, у вас є набір жорстко закодованих правил. Як ви будуєте модель машинного навчання для її заміни, коли всі дані, які вона може використовувати, - це дані, які вже відфільтровані за цими правилами? Щоб зрозуміти, я …

18 machine-learning  classification  data-mining  bias  extrapolation 

Я страждаю від затемнення. Мені було подано наступне зображення, щоб продемонструвати компроміс-відхилення в контексті лінійної регресії: Я можу бачити, що жодна з двох моделей не підходить. "Прості" не оцінюють складність XY-відношення, а "комплекс" - це просто надмірно, в основному вивчаючи дані тренувань напам'ять. Однак я цілком не бачу упередженості та …

18 regression  variance  bias 

Чи можете ви навести приклад оцінки MLE середнього значення, яке є упередженим? Я не шукаю прикладу, який загалом порушує оцінювачі MLE, порушуючи умови регулярності. Усі приклади, які я бачу в Інтернеті, відносяться до дисперсії, і я не можу знайти щось, що стосується середнього. EDIT @MichaelHardy подав приклад, коли ми отримуємо …

17 maximum-likelihood  mean  bias 

У мене є питання про опущені змінні зміщення в логістичній та лінійній регресії. Скажімо, я опускаю деякі змінні з лінійної регресійної моделі. Прикиньте, що ці опущені змінні не співвідносяться зі змінними, які я включив у свою модель. Ці опущені змінні не зміщують коефіцієнтів у моїй моделі. Але в рамках логістичної …

17 regression  logistic  least-squares  bias 

Я намагаюся зрозуміти компромісію зміщення зміщення, співвідношення між зміщенням оцінювача та зміщенням моделі та співвідношення між дисперсією оцінювача та дисперсією моделі. Я прийшов до таких висновків: Ми схильні перевищувати дані, коли ми нехтуємо зміщенням оцінювача, тобто тоді, коли ми прагнемо лише мінімізувати зміщення моделі, нехтуючи дисперсією моделі (іншими словами, ми …

15 regression  variance  bias  bias-variance-tradeoff 

Це питання посилається на статтю Галіта Шмулі "Пояснити чи передбачити" . Зокрема, у розділі 1.5 "Пояснення та передбачення різні" професор Шмуелі пише: У роз'яснювальному моделюванні основна увага приділяється мінімізації зміщення для отримання найбільш точного подання основної теорії. Це спантеличувало мене кожного разу, коли я читав статтю. У якому сенсі мінімізація …

15 predictive-models  inference  bias  unbiased-estimator  explanatory-models 

Запитання Це залежить від того, чи є дерево дрібним чи глибоким? Або ми можемо сказати це незалежно від глибини / рівнів дерева? Чому ухил низький і дисперсія висока? Будь-ласка, поясніть інтуїтивно та математично

15 machine-learning  variance  covariance  cart  bias 

Основним припущенням використання регресійних моделей для висновку є те, що "всі відповідні предиктори" були включені в рівняння прогнозування. Обґрунтування полягає в тому, що невключення важливого фактору реального світу призводить до упереджених коефіцієнтів і, отже, неточних висновків (тобто пропущених змінних зміщень). Але в дослідницькій практиці я ніколи не бачив нікого, включаючи …

15 regression  assumptions  bias  predictor  confounding 

Я знов і знов читав, що перехресне підтвердження "Вихід-один-вихід" має велику дисперсію через велике перекриття тренувальних складок. Однак я не розумію, чому це так: чи не повинно виконання крос-валідації бути дуже стабільним (низька дисперсія) саме тому, що навчальні набори майже однакові? Або я взагалі неправильно розумію поняття "дисперсія"? Я також …

15 variance  cross-validation  bias 

Я завжди борюся за те, щоб отримати справжню суть проблеми випадкових параметрів. Я кілька разів читав, що оцінювачі фіксованих ефектів нелінійних моделей даних на панелі можуть бути сильно упередженими через "добре відому" проблему випадкових параметрів. Коли я прошу чіткого пояснення цієї проблеми, типовою відповіддю є: Припустимо, що дані панелі мають …

15 nonlinear-regression  fixed-effects-model  bias 

& Thetasθ^\hat\theta ; & thetas*θ∗\theta^*пnn‖ˆθ−θ∗‖∥θ^−θ∗∥\lVert\hat\theta-\theta^*\rVertO(1/√n)O(1/n−−√)O(1/\sqrt n)‖Eˆθ−θ∗‖∥Eθ^−θ∗∥\lVert \mathbb E\hat\theta - \theta^*\rVert‖Eˆθ−ˆθ‖∥Eθ^−θ^∥\lVert \mathbb E\hat\theta - \hat\theta\rVertO(1/√n)O(1/n−−√)O(1/\sqrt{n}) Мене цікавлять моделі, які мають ухил, який скорочується швидше, ніж , але де помилка не зменшується з такою швидкістю, оскільки відхилення все ще скорочується як . Зокрема, я хотів би знати достатні умови, щоб ухил моделі …

14 variance  estimation  maximum-likelihood  bias 

Друг представляє клієнта в апеляційному порядку після кримінального судового розгляду, в якому виявляється, що вибір присяжних був расовим упередженням. Публічний склад журі складався з 30 осіб у 4 расових групах. Обвинувачення застосувало необов'язкові виклики, щоб усунути 10 людей із пулу. Кількість людей та кількість актуальних проблем у кожній расовій групі …

14 probability  statistical-significance  references  bias  combinatorics 

У психології та інших сферах часто застосовується форма ступінчастої регресії, яка передбачає наступне: Подивіться на провідники, що залишилися (спочатку їх у моделі немає) та визначте предиктор, що призводить до найбільшої зміни r-квадрата; Якщо p-значення зміни r-квадрата менше альфа (зазвичай .05), тоді включіть цей предиктор і поверніться до кроку 1, інакше …

14 regression  model-selection  bias  r-squared  stepwise-regression