Запитання з тегом «resampling»

Я намагаюся зрозуміти різницю між різними методами перестановки (моделювання в Монте-Карло, параметричне завантаження, непараметричне завантаження, джеккніфінг, крос-валідація, тести рандомізації та тести перестановки) та їх реалізацію в моєму власному контексті за допомогою Р. Скажімо, у мене є така ситуація - я хочу виконати ANOVA зі змінною Y ( Yvar) та X …

73 r  bootstrap  resampling  jackknife  permutation-test 

Це питання може бути занадто відкритим, щоб отримати остаточну відповідь, але, сподіваємось, ні. Алгоритми машинного навчання, такі як SVM, GBM, Random Forest тощо, як правило, мають деякі вільні параметри, які, крім деякого правила керівництва, повинні бути налаштовані на кожен набір даних. Як правило, це робиться за допомогою певної техніки повторного …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

Нещодавно вивчивши завантажувальний тренажер, я придумав концептуальне питання, яке все ще мене спантеличує: У вас населення, і ви хочете знати атрибут популяції, тобто , де я використовую для представлення населення. Наприклад, ця може бути середньою кількістю населення. Зазвичай ви не можете отримати всі дані від населення. Отже, ви намалюєте зразок …

29 bootstrap  simulation  resampling 

Мені сказали, що корисно використовувати стратифіковану перехресну перевірку, особливо коли класи відповідей є неврівноваженими. Якщо одна мета перехресної перевірки - допомогти врахувати випадковість нашого вихідного зразка навчальних даних, то, безумовно, зробити так, щоб кожен складник мав однаковий розподіл класів, буде проти цього, якщо ви не впевнені, що ваш оригінальний навчальний …

29 cross-validation  resampling  stratification 

Часто зазначається, що тести на перестановку не мають припущень, однак це, безумовно, не вірно. Наприклад, якщо мої зразки якимось чином співвіднесені, я можу уявити, що перекручування їх міток було б не правильним. Думаю, що про цю проблему я знайшов, - це речення з вікіпедії: "Важливе припущення, що стоїть за тестом …

22 hypothesis-testing  permutation-test  resampling 

Я використовую бібліотеку caretв R для тестування різних процедур моделювання. trainControlОб'єкт дозволяє вказати метод повторної дискретизації. Ці методи описані в документації розділі 2.3 , і включають в себе: boot, boot632, cv, LOOCV, LGOCV, repeatedcvі oob. Хоча деякі з них легко зробити висновки, не всі ці методи чітко визначені. Які процедури …

20 r  resampling  caret 

Я працюю над сильно незбалансованими даними. У літературі використовується декілька методів, щоб збалансувати дані за допомогою повторного відбору вибірок (над- чи недостатня вибірка). Два хороших підходи: SMOTE: Техніка надмірного відбору синтетичних меншин ( SMOTE ) ADASYN: Адаптивний синтетичний підбір проб для збалансованого навчання ( ADASYN ) Я реалізував ADASYN, оскільки …

19 classification  dataset  resampling  unbalanced-classes  oversampling 

Як би ви перевірили чи перевірили, чи є вибірка IID (незалежна та ідентично розподілена)? Зауважте, що я не маю на увазі гауссових та ідентично розподілених, просто IID. І ідея, яка мені спадає на думку, полягає в тому, щоб неодноразово розділити вибірку на дві під зразки однакового розміру, виконати тест Колмогорова-Смірнова …

16 hypothesis-testing  independence  kolmogorov-smirnov  resampling  iid 

«Перевірка завантажувального завантаження» / «переспромінення перехресної перевірки» є для мене новим, але обговорювалося у відповіді на це питання . Я збираю, що це включає 2 типи даних: реальні дані та змодельовані дані, де заданий набір модельованих даних генерується з реальних даних шляхом перекомпонування з заміною, поки змодельовані дані не мають …

15 cross-validation  bootstrap  validation  resampling 

Я просто хотів запитати, які, на вашу думку, найкращі доступні книги про завантажувальну службу там. Під цим я не обов'язково маю на увазі лише той, який написали його розробники. Скажіть, будь-ласка, який підручник, на вашу думку, найкращий для завантажувального програмного забезпечення, який охоплює такі критерії? Філософська / гносеологічна основа методики, …

14 sampling  model-selection  bootstrap  references  resampling 

Нещодавно я шукав способи повторного втілення часових рядів у такий спосіб Приблизно зберігають автоматичну кореляцію довгих процесів пам'яті. Збережіть область спостережень (наприклад, повторно впорядкований часовий ряд цілих чисел - це ще й цілий ряд цілих чисел). Може впливати лише на деякі ваги, якщо потрібно. Я придумав таку схему перестановки для …

14 time-series  bootstrap  resampling  permutation-test 

Якщо все, що ви робите, - це повторний відбір з емпіричного розподілу, чому б не просто вивчити емпіричний розподіл? Наприклад, замість вивчення змінності за допомогою повторного відбору проб, чому б не просто кількісно оцінити мінливість від емпіричного розподілу?

13 machine-learning  mathematical-statistics  sampling  bootstrap  resampling 

Читаючи про те, як наблизити розподіл середньої вибірки, я натрапив на непараметричний метод завантаження. Мабуть, можна наблизити розподіл до розподілу ˉ X ∗ n - ˉ X n , де ˉ X ∗ n позначає середнє значення вибірки завантажувального зразка.Х¯н- мкX¯n−μ\bar{X}_n-\muХ¯∗н- X¯нX¯n∗−X¯n\bar{X}_n^*-\bar{X}_nХ¯∗нX¯n∗\bar{X}_n^* Моє питання тоді: чи потрібно мені центрування? Для …

13 distributions  bootstrap  resampling  centering 

Мені було цікаво, як виконуються завантажувальні інтерфейси завантаження (і BCa у бартикулярних) на нормально розподілених даних. Здається, багато роботи над вивченням їх роботи на різних типах розподілів, але не вдалося знайти нічого в нормально розподілених даних. Оскільки, здається, спочатку вивчити очевидну річ, я вважаю, що документи просто занадто старі. Я …

12 confidence-interval  bootstrap  normality-assumption  resampling 

У мене дуже великий набір даних, і близько 5% випадкових значень відсутні. Ці змінні співвідносяться між собою. Наступний приклад набору даних R - це лише іграшковий приклад з манекено-корельованими даними. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf