Estoy tratando de predecir una variable de respuesta en regresión lineal que siempre debe ser positiva (costo por clic). Es una cantidad monetaria. En AdWords, usted paga a Google por los clics en sus anuncios, y un número negativo significaría que Google le paga cuando la gente hace clic: P Los...
¿Sería posible aproximar con precisión las cantidades relativas de Loonies , Twoonies , cuartos, monedas de diez centavos, monedas de cinco centavos (y quizás el centavo descontinuado) en circulación simplemente obteniendo una muestra lo suficientemente grande de monedas a través del uso diario?...
La naturaleza discreta del DP lo hace inadecuado para aplicaciones generales en no paramétricos bayesianos, pero es muy adecuado para el problema de colocar priors en los componentes de la mezcla en el modelado de mezclas. Esta cita es de Procesos de Dirichlet jerárquicos (Teh, et al, (2006)[ 1...
Tengo un pequeño conjunto de datos no balanceados (70 positivos, 30 negativos), y he estado jugando con la selección del modelo para los parámetros SVM usando BAC (precisión equilibrada) y AUC (área bajo la curva). Utilicé diferentes pesos de clase para el parámetro C en libSVM para compensar los...
Mi pregunta general es: ¿por qué usar en bayesglmlugar de otros métodos de clasificación? Nota: Solo me interesa la predicción. Tengo una cantidad decente de datos (~ 100,000 obs). Siento que el tamaño de la muestra es lo suficientemente grande como para que los parámetros de una regresión...
En una conferencia reciente me dijeron que, para que la estimación de máxima verosimilitud sea válida, la probabilidad de registro debe ir a menos infinito a medida que el parámetro va al límite del espacio del parámetro. Pero no entiendo por qué esto es esencial. Supongamos que la probabilidad de...
La subitización es la enumeración rápida y precisa de las pantallas de baja numerosidad, que se distingue del conteo por una no linealidad aguda en la gráfica de tiempos de respuesta. A continuación se muestra una trama representativa, de Watson, DG, Maylor, EA y Bruce, LAM (2007). Observe que los...
Para una aplicación, quiero agrupar datos (potencialmente de alta dimensión) y extraer la probabilidad de pertenecer a un clúster. Considero en este momento mapas autoorganizados o kernel k-means para hacer el trabajo. ¿Cuáles son los pros y los contras de cada clasificador para esta tarea? ¿Me...
Hace un tiempo hice una pregunta sobre la correlación de tiempos entre marcas de tiempo y recibí una respuesta de Peter Ellis que decía que podía calcular distancias medias entre códigos ... Esto ya le dará una idea de qué comportamientos se agrupan, pero también debe verificar que esto no sea...
Tengo el siguiente tipo de datos (codificados en R): v.a = c('cat', 'dog', 'dog', 'goat', 'cat', 'goat', 'dog', 'dog') v.b = c(1, 2, 1, 2, 1, 2, 1, 2) v.c = c('blue', 'red', 'blue', 'red', 'red', 'blue', 'yellow', 'yellow') set.seed(12) v.d = rnorm(8) aov(v.a ~ v.b + v.c + v.d) # Error Me...
Mientras hacía algunas simulaciones, me di cuenta de que el cuantil de la muestra es un estimador sesgado del verdadero cuantil. Y, según mis simulaciones, una potencialmente muy sesgada. Me sorprendió ese resultado ya que el CDF empírico no está sesgado, pero después de un poco de investigación...
Estoy tratando de hacer SVM de una clase en R. He estado tratando de usar el paquete kernlab e1071 / ksvm. Pero no estoy seguro si lo estoy haciendo correctamente. ¿Hay algún ejemplo de trabajo para SVM de una clase en R? También, Estoy dando una gran matriz de predictores como X. Dado que se...
Para datos longitudinales con un resultado numérico, puedo usar diagramas de espagueti para visualizar los datos. Por ejemplo, algo como esto (tomado del sitio de estadísticas de UCLA): tolerance<-read.table("http://www.ats.ucla.edu/stat/r/faq/tolpp.csv",sep=",", header=T) head(tolerance,...
He construido un modelo de regresión logística en R y, aunque el resultado parece ser satisfactorio hasta cierto punto, hay una pregunta que no he podido abordar. No estoy seguro de si mi enfoque es correcto. Sé que el propósito general del modelo logístico es predecir la probabilidad de éxito de...
Entiendo cómo se elige la mejor división para bosque aleatorio para predictores numéricos (características). Los predictores numéricos se ordenan para cada valor, se calcula la impureza o entropía de Gini y se elige un umbral que proporciona la mejor división. Pero, ¿cómo se elige la mejor...
Aunque el título de la pregunta parece trivial, me gustaría explicar que no es tan trivial en el sentido de que es diferente de la cuestión de aplicar la misma prueba estadística en conjuntos de datos similares para probar contra una hipótesis nula total (metaanálisis, por ejemplo, utilizando el...
La fórmula para en una prueba de hipótesis viene dada por: tttt=X¯−μσ^/n−−√.t=X¯−μσ^/n. t=\frac{\bar{X}-\mu}{\hat \sigma/\sqrt{n}}. Cuando aumenta, el valor aumenta de acuerdo con la fórmula anterior. Pero, ¿por qué disminuye el valor crítico en la tabla cuando (que es una función de )...
Estoy tratando de diseñar una técnica de factorización matricial para un simple sistema de recomendación de calificación de elementos de usuario. Tengo 2 preguntas sobre esto. Primero, en una implementación simple que vi de la técnica de factorización matricial para la recomendación de películas,...
Me gustaría encontrar los límites mínimo / máximo de una ventana deslizante de tamaño mínimo que contiene una cierta fracción del número total de elementos en una matriz o colección de números. Ejemplo: tomar números enteros para que sea más fácil de explicar, digamos que la proporción de...
Estoy estudiando dos poblaciones geográficamente aisladas de la misma especie. Al inspeccionar las distribuciones, veo que ambas son bimodales (hay cierta estacionalidad en su ocurrencia), pero los picos en una población son mucho más altos y mucho más estrechos (es decir, la variación de los picos...