Estoy pensando en un problema que consiste en predecir el registro (gasto) de un cliente mediante regresión lineal. Estoy considerando qué características usar como entrada y me pregunto si estaría bien usar el percentil de una variable como entradas. Por ejemplo, podría usar los ingresos de la...
Digamos que tenemos los siguientes datos: set.seed(123) data <- data.frame(x = c(rnorm(50, 1, 1), rnorm(50, 5, 2)), y = c(rep('A', 50), rep('B', 50))) Lo que produce el siguiente diagrama de caja ( boxplot(data$x ~ data$y)): Ahora digamos que quiero probar si las dos muestras tienen los...
Estoy tratando de usar SMOTE para corregir el desequilibrio en mi problema de clasificación de varias clases. Aunque SMOTE funciona perfectamente en el conjunto de datos de iris según el documento de ayuda de SMOTE, no funciona en un conjunto de datos similar. Así es como se ven mis datos. Tenga en...
Encontré este artículo donde dice que en el muestreo de Gibbs se acepta cada muestra. Estoy un poco confundido. ¿Cómo es que si cada muestra que aceptaba converge a una distribución estacionaria? En general, el algoritmo Metropolis aceptamos como min (1, p (x *) / p (x)) donde x * es el punto de...
Por lo que he leído, Hamiltonian Monte Carlo es el MCMCmétodo "goto" cuando su problema es de alta dimensión. Hablando en términos prácticos, ¿cuántas dimensiones 10's, 100's, 1,000's, 10,000's, 100,000's, ..., son demasiadas? Sin duda, el costo computacional se convertirá en un problema y supongo...
Hay más fenómenos a los que se puede aplicar el diseño experimental que estrategias alternativas de diseño válidas. Esto debería ser cierto, aunque hay muchas formas de diseñar adecuadamente un experimento. ¿Cuáles son los mejores "problemas" que realmente demuestran el valor y los matices de los...
En mis datos, tengo una variable de clase, indicado como . Los valores de esta variable de clase son 0 , 1 (binario). Casi todas las observaciones de C son 0 (cerca del 100%, más precisamente, 97%). Me gustaría una prueba de "rendimiento" en diferentes modelos de clasificación (podría ser la...
Estoy enseñando mi primera clase este otoño (Introducción a Bioestadística). ¿Alguien tiene alguna sugerencia para enseñar mejor las estadísticas? ¿Quizás algún ejemplo que desearías que tu primer maestro hubiera usado? Estoy usando los Principios de Bioestadística de Pagano y Gauvreau. EDITAR...
Tengo datos etiquetados de 2 clases en los que estoy realizando la clasificación usando múltiples clasificadores. Y los conjuntos de datos están bien equilibrados. Al evaluar el rendimiento de los clasificadores, debo tener en cuenta cuán preciso es el clasificador para determinar no solo los...
Acabo de recibir una copia de Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman. En el capítulo 2 (Descripción general del aprendizaje supervisado), sección 4 (Teoría de decisión estadística), ofrece una derivación de la función de regresión. Supongamos que denota un...
Suponga el siguiente modelo de regresión bivariado: yyo= βXyo+tuyo,yyo=βXyo+tuyo, y_i = \beta x_i + u_i, dónde tuyotuyou_i es iid norte( 0 ,σ2= 9 )norte(0 0,σ2=9 9)N(0, \sigma^2 = 9) para i = 1 , ... , nyo=1,...,nortei = 1,\ldots, n. Suponga un previo informativo , entonces se puede demostrar que...
Estoy comparando la distribución de diferentes grupos usando las gráficas de violín, sin embargo, la mayoría de los recursos en línea que encontré están relacionados con cómo hacer las gráficas y una interpretación muy básica de los resultados (la variación mediana, los datos están agrupados o...
Estaba leyendo un artículo sobre el ajuste de la curva bayesiana ( Dimatteo et. Al. Ajuste de la curva bayesiana con estrías de nudo libre, 2001 ) y encontré el símbolo . Se usa varias veces en todo el documento, pero nunca se define explícitamente. Después de algunas búsquedas en google y...
Estoy usando un clasificador basado en redes neuronales para ejecutar una clasificación para mis datos en n-dimensional. Entonces pensé que podría ser una buena idea ejecutar la reducción de dimensiones como PCA para mis datos al principio, y luego poner los resultados de PCA en el clasificador...
Tengo datos de accidentes automovilísticos por hora del día. Como era de esperar, son altas en la mitad del día y alcanzan su punto máximo en la hora pico. geom_density predeterminado de ggplot2 lo suaviza muy bien Un subconjunto de los datos, para los accidentes relacionados con la bebida, es...
Tengo un conjunto de datos de ejemplo de la siguiente manera: Volume <- seq(1,20,0.1) var1 <- 100 x2 <- 1000000 x3 <- 30 x4 = sqrt(x2/pi) H = x3 - Volume r = (x4*H)/(H + Volume) Power = (var1*x2)/(100*(pi*Volume/3)*(x4*x4 + x4*r + r*r)) Power <- jitter(Power, factor = 1, amount...
Tengo los siguientes datos ubicados aquí . Estoy tratando de calcular el intervalo de confianza del 95% en la pureza media cuando el porcentaje de hidrocarburos es 1.0. En R, ingreso lo siguiente. > predict(purity.lm, newdata=list(hydro=1.0), interval="confidence", level=.95) fit lwr upr 1...
¿Hay un nombre para este tipo de gráfico a continuación (proveniente del Ministerio de Negocios, Innovación y Empleo de Nueva Zelanda , para quien trabajo pero no participé en la creación de esta trama)? Consiste en rectángulos donde el área es proporcional a una variable y se asemeja a una especie...
Los algoritmos de aprendizaje automático escalables parecen ser el zumbido en estos días. Cada empresa maneja nada menos que big data . ¿Existe un libro de texto que discuta qué algoritmos de aprendizaje automático se pueden escalar usando arquitecturas paralelas como Map-Reduce y qué algoritmos no...
Dejar YYY y XXX ser variables aleatorias E(Y|X)E(Y|X)E(Y|X) es la media condicional de YYY dado XXX. DecimosYYY no está causalmente relacionado con XXX Si E(Y|X)E(Y|X)E(Y|X) no depende de XXX, lo que implica que es igual a E(Y)E(Y)E(Y). Ahora, sigamos con esta definición de causalidad por un...