Запитання з тегом «kalman-filter»

Моделі упереджених монет зазвичай мають один параметр . Один із способів оцінити з серії малюнків - це використовувати попередній бета-версію та обчислити задній розподіл з вірогідністю бінома.θθ=P(Head|θ)θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta У моїх налаштуваннях через якийсь дивний фізичний процес мої властивості монети повільно змінюються і стає функцією часу . Мої …

10 time-series  bayesian  kalman-filter 

У попередньому запитанні я поцікавився питанням відповідності розподілів деяким емпіричним даним, які не є Гауссом. Мені було запропоновано в автономному режимі, я можу спробувати припустити, що дані є гауссовими і спочатку підходять фільтром Калмана. Тоді, залежно від помилок, вирішуйте, чи варто розвивати щось фантазії. Що має сенс. Отже, маючи хороший …

10 kalman-filter 

Коли я почав читати про фільтр Кальмана, то подумав, що це особливий випадок моделі ARIMA (а саме ARIMA (0,1,1)). Але насправді здається, що ситуація складніша. Перш за все, ARIMA можна використовувати для прогнозування, а фільтр Kalman - для фільтрації. Але вони не тісно пов'язані? Питання: Який взаємозв'язок між фільтрами ARIMA …

10 time-series  bayesian  arima  kalman-filter 

Питання: Для яких даних доцільно використовувати моделювання простору стану та фільтрацію Кальмана замість згладжування сплайнів і навпаки? Чи є якась залежність еквівалентності між ними? Я намагаюся зрозуміти, як ці методи поєднуються на високому рівні. Я переглянув нову Гауссова оцінку Джонстона : Можливості послідовності та мультирезолюції . Дивно, що не було …

10 kalman-filter  splines  state-space-models 

Я читав цю книгу Розпізнавання образів та машинне навчання Бішопа. У мене була плутанина, пов'язана з виведенням лінійної динамічної системи. У LDS ми припускаємо, що латентні змінні є безперервними. Якщо Z позначає латентні змінні, а X - спостережувані змінні р (zн|zn - 1) = N(zн| Аzn - 1, τ)p(zн|zн-1)=N(zн|Аzн-1,τ)p(z_n|z_{n-1}) = …

9 machine-learning  linear-model  kalman-filter  pattern-recognition  graphical-model 

Припустимо, у мене є один зразок частоти 4 можливих подій: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 і я маю очікувані ймовірності моїх подій: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 За допомогою суми спостережуваних частот моїх чотирьох подій (18) …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Отже, у мене є 16 випробувань, в яких я намагаюся ідентифікувати людину з біометричної ознаки за допомогою дистанції Hamming. Мій поріг встановлено на 3,5. Мої дані нижче, і лише пробна версія 1 - справжнє Позитивне: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction