Estoy interesado en una familia de distribuciones multivariadas que puede verse como una generalización de la distribución normal multivariada, en la medida en que se definen por un valor de expectativa y una matriz de covarianza , más una función monótonamente decreciente tal que la densidad es...
¿Cómo puedo calcular la sensibilidad y la especificidad (o medidas análogas) de una prueba de diagnóstico continuo para predecir un resultado continuo (por ejemplo, presión arterial) sin dicotomizar el resultado? ¿Algunas ideas? Parece que los investigadores han hecho esto usando modelos de...
Digamos que quiero predecir si un proyecto será rentable o no. En mis datos de muestra, la variable de respuesta es en realidad una variable continua: el $ beneficio / pérdida del proyecto. Debido a que mi objetivo final es solo una clasificación binaria (proyecto rentable o proyecto no...
Tengo una secuencia binaria como 11111011011110101100000000000100101011011111101111100000000000011010100000010000000011101111 Donde los grupos de la mayoría de los 1 son seguidos por un mayor número de ceros, como en la imagen a continuación (el negro representa 1): Me gustaría aplicar una...
Con respecto a las pruebas de hipótesis, la estimación de los tamaños de las muestras se realiza a través del poder, y es intuitivo que al aumentar el mismo tamaño aumenta la precisión de los efectos estimados. Pero, ¿qué pasa con la predicción tanto para la clasificación como para la regresión?...
La distancia de Mahalanobis, cuando se usa con fines de clasificación, generalmente asume una distribución normal multivariada, y las distancias desde el centroide deberían seguir un χ2χ2\chi^2distribución (con grados de libertad igual al número de dimensiones / características). Podemos calcular...
Estoy trabajando con el código forestal aleatorio de Breiman ( http://stat-www.berkeley.edu/users/breiman/RandomForests/cc_manual.htm#c2 ) para la clasificación de datos satelitales (aprendizaje supervisado). Estoy usando un conjunto de datos de entrenamiento y prueba que tiene un tamaño de muestra...
Mi proyecto actual puede requerir que construya un modelo para predecir el comportamiento de un determinado grupo de personas. el conjunto de datos de entrenamiento contiene solo 6 variables (la identificación es solo para fines de identificación): id, age, income, gender, job category, monthly...
Tengo un conjunto de datos que es estrictamente binario. El conjunto de valores de cada variable está en el dominio: verdadero, falso. La propiedad "especial" de este conjunto de datos es que una abrumadora mayoría de los valores son "falsos". Ya he usado un algoritmo de aprendizaje de red...
Esta pregunta ya tiene respuestas aquí : ¿Es mi modelo bueno, basado en el valor de la métrica de diagnóstico ( / AUC / precision / RMSE, etc.)? R2R2R^2 (3 respuestas) Cerrado hace 8 meses . Tengo datos de aprendizaje que consisten en ~ 45k muestras, cada una...
Estoy usando la regresión logística para predecir la probabilidad de que ocurra un evento. En última instancia, estas probabilidades se colocan en un entorno de producción, donde nos enfocamos lo más posible en alcanzar nuestras predicciones de "Sí". Por lo tanto, es útil para nosotros tener una...
Tengo un montón de descripciones de trabajo ingresadas por los usuarios. Hay todo tipo de errores ortográficos y datos incorrectos. es decir: ... tulane univ hospital tulip tullett prebon ... weik investment weill cornell university medical center weis weiss waldee hohimer dds welded constrction...
Con frecuencia escucho un muestreo ascendente o descendente de los datos discutidos como una forma de tratar con la clasificación de los datos desequilibrados. Entiendo que esto podría ser útil si está trabajando con un clasificador binario (en lugar de probabilístico o basado en puntajes) y lo...
Mi pregunta trata sobre los árboles de clasificación . Considere el siguiente ejemplo del conjunto de datos de Iris: Quiero seleccionar manualmente el mejor predictor para la primera división. Según el algoritmo CART, la mejor característica para hacer una división es la que maximiza la...
He leído los excelentes comentarios sobre cómo lidiar con los valores perdidos antes de aplicar SVD, pero me gustaría saber cómo funciona con un ejemplo simple: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Dada la matriz anterior, si elimino los valores de NA,...
De Wikipedia: En el modelado estadístico, el análisis de regresión es un proceso estadístico para estimar las relaciones entre variables. Incluye muchas técnicas para modelar y analizar varias variables, cuando el foco está en la relación entre una variable dependiente y una o más variables...
He estado buscando preguntas sobre la codificación de características categóricas, pero no pude encontrar ninguna que discuta mi problema. Disculpas si me lo perdí. Digamos que tenemos un conjunto de datos con variables binarias y nominales de aproximadamente igual importancia cada una. La...
Refiérase a la imagen de arriba, claramente un círculo puede separar las dos clases (imagen de la izquierda). ¿Por qué entonces tomar tanto dolor mapearlo a una función para hacerlo linealmente separable (imagen derecha)? ¿Alguien puede explicar? Realmente no pude encontrar nada en la web o...
Tengo un conjunto de datos con 338 predictores y 570 instancias (desafortunadamente no se puede cargar) en el que estoy usando el Lazo para realizar la selección de funciones. En particular, estoy usando la cv.glmnetfunción de la glmnetsiguiente manera, donde mydata_matrixhay una matriz binaria de...
Recibí esta pregunta en un cuestionario, preguntaba cuál sería el error de entrenamiento para un clasificador KNN cuando K = 1. ¿Qué significa el entrenamiento para un clasificador KNN? Mi comprensión sobre el clasificador KNN fue que considera todo el conjunto de datos y asigna a cualquier...