Запитання з тегом «smoothing»

У мене є два часові ряди (обидва гладкі), які я хотів би перехресно співвіднести, щоб побачити, наскільки вони співвіднесені. Я маю намір використовувати коефіцієнт кореляції Пірсона. Чи підходить це? Моє друге питання - я можу вибрати вибірку двох часових рядів так само, як мені подобається. тобто я можу вибрати, скільки …

47 time-series  correlation  pearson-r  smoothing 

Для одновимірних оцінювачів щільності ядра (KDE) я використовую правило Сільвермана для обчислення :hhh 0.9min(sd,IQR/1.34)×n−0.20.9min(sd,IQR/1.34)×n−0.2\begin{equation} 0.9 \min(sd, IQR/1.34)\times n^{-0.2} \end{equation} Назвіть стандартні правила для багатоваріантного KDE (якщо припустити нормальне ядро).

29 smoothing  kernel-smoothing 

Точність визначається як: p = true positives / (true positives + false positives) Чи правильно, що як true positivesі false positivesпідхід 0, точність наближається до 1? Те саме запитання для відкликання: r = true positives / (true positives + false negatives) Зараз я впроваджую статистичний тест, де мені потрібно обчислити …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

У блозі Вільяма Бріггса є досить старий пост, який розглядає підводні камені згладжування даних і перенесення цих згладжених даних до аналізу. Ключовим аргументом є: Якщо в момент божевілля ви робите згладжені дані часових рядів і використовуєте їх як вхід для інших аналізів, ви різко збільшуєте ймовірність обдурити себе! Це відбувається …

18 time-series  smoothing 

Це питання спонукається до обговорення в інших місцях . Змінні ядра часто використовуються при локальній регресії. Наприклад, льос широко використовується і добре працює як регресія, і ґрунтується на ядрі змінної ширини, яке адаптується до розрідженості даних. З іншого боку, звичайно вважається, що змінні ядра призводять до поганих оцінок при оцінці …

17 nonparametric  smoothing  kernel-smoothing  loess 

З того, що я бачив, формула згладжування (другого порядку) Кнайзера-Нея так чи інакше подається як P2KN(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn)PKN2(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn) \begin{align} P^2_{KN}(w_n|w_{n-1}) &= \frac{\max \left\{ C\left(w_{n-1}, w_n\right) - D, 0\right\}}{\sum_{w'} C\left(w_{n-1}, w'\right)} + \lambda(w_{n-1}) \times P_{cont}(w_n) \end{align} з нормуючим коефіцієнтом λ(wn−1)λ(wn−1)\lambda(w_{n-1}) заданим як λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙)λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙) \begin{align} \lambda(w_{n-1}) &= \frac{D}{\sum_{w'} C\left(w_{n-1}, w'\right)} \times N_{1+}\left(w_{n-1}\bullet\right) \end{align} і …

15 machine-learning  natural-language  naive-bayes  smoothing  language-models 

У мене є деякі дані, які я хотів би вирівняти, щоб згладжені точки монотонно зменшувалися. Мої дані різко зменшуються, а потім починають плато. Ось приклад використання R df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() Яка хороша техніка розгладження я могла використовувати? Крім того, було б непогано, якщо я можу змусити …

14 regression  smoothing 

Я намагаюся розібратися, як контролювати параметри згладжування в гем-моделі mgcv: gam. У мене є біноміальна змінна, яку я намагаюся моделювати як головну функцію координат x і y на нерухомій сітці, а також деякі інші змінні з меншими впливами. Раніше я будував досить хорошу модель локальної регресії, використовуючи параметри locfit та …

14 r  smoothing  mgcv 

Я будую додаток для android, яке записує дані акселерометра під час сну, щоб аналізувати тенденції сну та необов'язково будити користувача протягом бажаного часу під час легкого сну. Я вже створив компонент, який збирає та зберігає дані, а також сигнал тривоги. Мені все-таки потрібно боротися зі звітом, що відображає та зберігає …

14 time-series  smoothing  signal-processing  java 

Нещодавно я здійснив фільтр Кальмана на простому прикладі вимірювання положення частинок з випадковою швидкістю та прискоренням. Я виявив, що фільтр Кальмана працює добре, але потім я запитав себе, в чому різниця між цим та просто ковзним середнім показником? Я виявив, що якщо я використовував вікно з приблизно 10 зразками, те, …

14 smoothing  kalman-filter 

У мене є деякі дані, які я легко використовую loess. Я хотів би знайти точки перегину згладженої лінії. Чи можливо це? Я впевнений, що хтось створив фантазійний метод, щоб вирішити це ... Я маю на увазі ... зрештою, це R! Я добре змінюю функцію згладжування, яку використовую. Я просто використовував, …

14 r  smoothing  loess 

У мене траєкторія об'єкта у двомірному просторі (поверхні). Траєкторія задається у вигляді послідовності (x,y)координат. Я знаю, що мої вимірювання шумні, і іноді я маю очевидні люди. Отже, я хочу відфільтрувати свої спостереження. Наскільки я зрозумів фільтр Кальмана, він робить саме те, що мені потрібно. Отже, я намагаюся ним скористатися. Я …

12 python  kalman-filter  smoothing 

У статті вікіпедії про згладжування Лапласа (або присадки згладжування) сказано, що з байесівської точки зору, це відповідає очікуваному значенню заднього розподілу, використовуючи симетричний розподіл Діріхле з параметром як попередній.αα\alpha Мені спантеличено, як це насправді так. Може хтось допоможе мені зрозуміти, наскільки ці дві речі рівнозначні? Дякую!

11 bayesian  smoothing  dirichlet-distribution  laplace-smoothing 

Я роблю деяку оцінку щільності ядра з встановленою зваженою точкою (тобто, кожен зразок має вагу, яка не є необхідною), у N розмірах. Крім того, ці зразки знаходяться просто в метричному просторі (тобто ми можемо визначити відстань між ними), але нічого іншого. Наприклад, ми не можемо визначити середнє значення зразків балів, …

10 pdf  smoothing  kernel-smoothing 

Я хотів би дізнатися значення, які (x, y)використовуються для побудови графіків plot(b, seWithMean=TRUE)у пакеті mgcv . Хтось знає, як я можу витягти або обчислити ці значення? Ось приклад: library(mgcv) set.seed(0) dat <- gamSim(1, n=400, dist="normal", scale=2) b <- gam(y~s(x0), data=dat) plot(b, seWithMean=TRUE)

10 r  time-series  smoothing  mgcv