Aunque esta pregunta es algo subjetiva, espero que califique como una buena pregunta subjetiva de acuerdo con las pautas de preguntas frecuentes . Se basa en una pregunta que me hizo Olle Häggström hace un año y, aunque tengo algunas ideas al respecto, no tengo una respuesta definitiva y...
A veces, en los informes, incluyo un descargo de responsabilidad sobre los valores p y otras estadísticas inferenciales que he proporcionado. Digo que, dado que la muestra no fue aleatoria, esas estadísticas no se aplicarían estrictamente. Mi redacción específica generalmente se da en una nota al...
Creo que R puede tomar mucho tiempo generar gráficos cuando hay millones de puntos presentes, lo que no es sorprendente dado que los puntos se trazan individualmente. Además, tales tramas a menudo son demasiado desordenadas y densas para ser útiles. Muchos de los puntos se superponen y forman una...
¿Es posible visualizar el resultado del análisis de componentes principales de manera que proporcione más información que solo tablas de resumen? ¿Es posible hacerlo cuando el número de observaciones es grande, digamos ~ 1e4? ¿Y es posible hacerlo en R [otros entornos
Wikipedia explica: Para un conjunto de datos, la media es la suma de los valores divididos por el número de valores. Sin embargo, esta definición corresponde a lo que yo llamo "promedio" (al menos eso es lo que recuerdo haber aprendido). Sin embargo, Wikipedia cita una vez más: Existen...
En mi trabajo, estamos comparando clasificaciones predichas versus clasificaciones verdaderas para algunos conjuntos de datos. Hasta hace poco, hemos estado usando Kendall-Tau solo. Un grupo que trabaja en un proyecto similar sugirió que intentemos usar el Goodman-Kruskal Gamma en su lugar, y que...
Los procedimientos comunes de selección de variables basadas en datos (por ejemplo, hacia adelante, hacia atrás, paso a paso, todos los subconjuntos) tienden a generar modelos con propiedades indeseables, que incluyen: Coeficientes sesgados lejos de cero. Errores estándar que son demasiado...
Es bien sabido que los intervalos de confianza y las hipótesis estadísticas de prueba están fuertemente relacionados. Mis preguntas se centran en la comparación de medias para dos grupos en función de una variable numérica. Supongamos que dicha hipótesis se prueba con la prueba t. Por otro lado,...
Quiero generar la trama descrita en el libro ElemStatLearn "Los elementos del aprendizaje estadístico: minería de datos, inferencia y predicción. Segunda edición" de Trevor Hastie y Robert Tibshirani y Jerome Friedman. La trama es: Me pregunto cómo puedo producir este gráfico exacto R,...
Esto parece una pregunta similar y no obtuvo muchas respuestas. Omitiendo pruebas como la D de Cook, y solo mirando los residuos como grupo, estoy interesado en cómo otros usan los residuos al evaluar la bondad de ajuste. Yo uso los residuos en bruto: en un gráfico QQ, para evaluar la...
En mayo de 2010, el usuario de Wikipedia Mcorazao agregó una oración al artículo de asimetría que dice "Un valor cero indica que los valores están distribuidos de manera relativamente uniforme en ambos lados de la media, lo que generalmente implica una distribución simétrica, pero no...
¿Cuáles son algunas pautas útiles para probar parámetros (es decir, profundidad de interacción, minchild, frecuencia de muestreo, etc.) usando GBM? Digamos que tengo 70-100 características, una población de 200,000 y tengo la intención de probar la profundidad de interacción de 3 y 4. Claramente,...
¿Es posible calcular los valores de AIC o BIC para los modelos de regresión de lazo y otros modelos regularizados donde los parámetros solo ingresan parcialmente la ecuación? ¿Cómo se determinan los grados de libertad? Estoy usando R para ajustar los modelos de regresión de lazo con la...
En este artículo , la talentosa investigadora Cosma Shalizi argumenta que para aceptar completamente una visión bayesiana subjetiva, uno también debe aceptar un resultado no físico de que la flecha del tiempo (dada por el flujo de entropía) debería ir hacia atrás . Esto es principalmente un intento...
En un conjunto de datos de dos poblaciones no superpuestas (pacientes y sanos, total n = 60n=60n=60 ), me gustaría encontrar (de 300300300 variables independientes) predictores significativos para una variable dependiente continua. La correlación entre predictores está presente. Estoy interesado en...
/ edit: Seguimiento adicional ahora puedes usar irlba :: prcomp_irlba / edit: siguiendo mi propio post. irlbaahora tiene argumentos de "centro" y "escala", que le permiten usarlo para calcular componentes principales, por ejemplo: pc <- M %*% irlba(M, nv=5, nu=0, center=colMeans(M),...
Estoy tratando de graficar el número de acciones de los usuarios (en este caso, "me gusta") a lo largo del tiempo. Así que tengo "Número de acciones" como mi eje y, mi eje x es el tiempo (semanas) y cada línea representa un usuario. Mi problema es que quiero ver estos datos para un conjunto de...
Digamos que tengo 1000 componentes y he estado recopilando datos sobre cuántas veces registran una falla y cada vez que registran una falla, también estoy realizando un seguimiento de cuánto tiempo le tomó a mi equipo solucionar el problema. En resumen, he estado registrando el tiempo de reparación...
¿Es "aprendizaje profundo" solo otro término para el modelado multinivel / jerárquico? Estoy mucho más familiarizado con este último que con el primero, pero por lo que puedo decir, la diferencia principal no está en su definición, sino en cómo se usan y evalúan dentro del dominio de su...
Estoy usando la herramienta libsvm ( http://www.csie.ntu.edu.tw/~cjlin/libsvm/ ) para la clasificación de vectores de soporte. Sin embargo, estoy confundido sobre el formato de los datos de entrada. Desde el archivo Léame: El formato del archivo de datos de entrenamiento y prueba...