He leído sobre la descomposición de valores singulares (SVD). En casi todos los libros de texto se menciona que factoriza la matriz en tres matrices con especificación dada. Pero, ¿cuál es la intuición detrás de dividir la matriz en tal forma? PCA y otros algoritmos para la reducción de...
Hay dos formas diferentes de codificar variables categóricas. Digamos, una variable categórica tiene n valores. La codificación única lo convierte en n variables, mientras que la codificación ficticia lo convierte en n-1 variables. Si tenemos k variables categóricas, cada una de las cuales tiene n...
¿Cómo explicaría iid (independiente e idénticamente distribuido) a personas no
Los métodos bootstrap y jackknife se pueden usar para estimar el sesgo y el error estándar de una estimación, y los mecanismos de ambos métodos de remuestreo no son muy diferentes: el muestreo con reemplazo frente a omitir una observación a la vez. Sin embargo, jackknife no es tan popular como...
Estoy tratando de ampliar mi conocimiento de las estadísticas. Vengo de un fondo de ciencias físicas con un enfoque "basado en recetas" para las pruebas estadísticas, donde decimos que es continuo, normalmente se distribuye: regresión OLS . En mi lectura he encontrado los términos: modelo de...
Tome el caso de las clasificaciones de libros en un sitio web. El libro A está calificado por 10,000 personas con una calificación promedio de 4.25 y la varianza . Del mismo modo, el Libro B está calificado por 100 personas y tiene una calificación de 4.5 con σ = 0.25 .σ=0.5σ=0.5\sigma =...
Si entiendo correctamente, las clasificaciones de libros en una escala de 1-5 son puntajes Likert. Es decir, un 3 para mí puede no ser necesariamente un 3 para otra persona. Es una escala ordinal de la OMI. Uno realmente no debería promediar escalas ordinales, pero definitivamente puede tomar la...
Estoy usando el paquete de fiesta en R con 10,000 filas y 34 características, y algunas características de factor tienen más de 300 niveles. El tiempo de computación es demasiado largo. (Ha tomado 3 horas hasta ahora y aún no ha terminado). Quiero saber qué elementos tienen un gran efecto en el...
Tengo un conjunto de datos de muestra con 31 valores. Ejecuté una prueba t de dos colas usando R para probar si la media real es igual a 10: t.test(x=data, mu=10, conf.level=0.95) Salida: t = 11.244, df = 30, p-value = 2.786e-12 alternative hypothesis: true mean is not equal to 10 95 percent...
Tomado de Estadísticas prácticas para la investigación médica donde Douglas Altman escribe en la página 285: ... para cualesquiera dos cantidades, X e Y, X se correlacionará con XY. De hecho, incluso si X e Y son muestras de números aleatorios, esperaríamos que la correlación de X e XY sea...
¿Cómo son todas las versiones del mismo método estadístico
Con respecto al aprendizaje no supervisado (como la agrupación), ¿hay alguna métrica para evaluar el
Dado que estamos utilizando la función logística para transformar una combinación lineal de la entrada en una salida no lineal, ¿cómo se puede considerar la regresión logística como un clasificador lineal? La regresión lineal es como una red neuronal sin la capa oculta, entonces, ¿por qué las...
Entiendo que el descenso de gradiente estocástico puede usarse para optimizar una red neuronal usando la propagación hacia atrás actualizando cada iteración con una muestra diferente del conjunto de datos de entrenamiento. ¿Qué tan grande debe ser el tamaño del
Tengo una pregunta sobre la clasificación en general. Supongamos que f es un clasificador, que genera un conjunto de probabilidades dados algunos datos D. Normalmente, uno diría: bueno, si P (c | D)> 0.5, asignaremos una clase 1, de lo contrario 0 (deje que esto sea un binario...
¿Cuál es el mejor blog sobre visualización de datos? Estoy haciendo esta pregunta una wiki comunitaria ya que es muy subjetiva. Limite cada respuesta a un enlace. Tenga en cuenta los siguientes criterios para las respuestas propuestas: [A] las respuestas aceptables a preguntas como esta ......
Estoy buscando un buen algoritmo (es decir, cómputo mínimo, requisitos mínimos de almacenamiento) para estimar la mediana de un conjunto de datos que es demasiado grande para almacenar, de modo que cada valor solo se pueda leer una vez (a menos que almacene explícitamente ese valor). No hay límites...
Me gustaría saber por qué algunos lenguajes como R tienen NA y NaN. ¿Cuáles son las diferencias o son igualmente iguales? ¿Es realmente necesario tener
Entiendo que una vez que graficamos los valores como un gráfico, podemos identificar una distribución bimodal observando los picos gemelos, pero ¿cómo se encuentra programáticamente? (Estoy buscando un
Un artículo publicado ( pdf ) contiene estas 2 oraciones: Además, los informes erróneos pueden ser causados por la aplicación de reglas incorrectas o por la falta de conocimiento de la prueba estadística. Por ejemplo, el df total en un ANOVA puede tomarse como el error df en el informe de una...