Preguntas etiquetadas con clustering

11

R / mgcv: ¿Por qué los productos tensoriales te () y ti () producen superficies diferentes?

El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por...

r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

11

Selección de modelo de Mclust

El paquete R mclustutiliza BIC como criterio para la selección del modelo de clúster. Según tengo entendido, un modelo con el BIC más bajo debe seleccionarse sobre otros modelos (si solo le importa BIC). Sin embargo, cuando los valores BIC son todos negativos, la Mclustfunción adopta el modelo...

r clustering gaussian-mixture bic model-based-clustering

11

Agrupación como un medio de dividir datos para la regresión logística

Estoy tratando de predecir el éxito o el fracaso de los estudiantes en función de algunas características con un modelo de regresión logística. Para mejorar el rendimiento del modelo, ya he pensado en dividir a los estudiantes en diferentes grupos basados en diferencias obvias y construir modelos...

clustering data-mining logistic

11

¿Cómo 'inteligente' bin una colección de datos ordenados?

Estoy tratando de agrupar inteligentemente una colección ordenada. Tengo una colección de piezas de datos. Pero sé que estos datos se ajustan a contenedores de tamaños desiguales. No sé cómo elegir inteligentemente los puntos finales para que se ajusten adecuadamente a los datos. por...

clustering histogram binning

11

Agrupación de datos de recuento muy sesgados: ¿alguna sugerencia para realizar (transformar, etc.)?

Problema básico Aquí está mi problema básico: estoy tratando de agrupar un conjunto de datos que contiene algunas variables muy sesgadas con recuentos. Las variables contienen muchos ceros y, por lo tanto, no son muy informativas para mi procedimiento de agrupación, que probablemente sea el...

clustering data-transformation k-means count-data compositional-data

11

¿Cuáles son las distancias entre las variables que forman una matriz de covarianza?

Tengo una matriz de covarianza y quiero dividir las variables en clústeres usando el agrupamiento jerárquico (por ejemplo, para ordenar una matriz de covarianza).kn × nn×nn \times nkkk ¿Existe una función de distancia típica entre variables (es decir, entre columnas / filas de la matriz de...

clustering covariance distance-functions distance

11

Distancia entre dos mezclas gaussianas para evaluar soluciones de clúster

Estoy ejecutando una simulación rápida para comparar diferentes métodos de agrupación, y actualmente me encuentro con un problema tratando de evaluar las soluciones de agrupación. Conozco varias métricas de validación (muchas de ellas se encuentran en cluster.stats () en R), pero supongo que es...

clustering kullback-leibler gaussian-mixture

11

¿Cuál es la intuición detrás de la métrica de variación de información (VI) para la validación de clúster?

Para los no estadísticos como yo, es muy difícil captar la idea de la VImétrica (variación de la información) incluso después de leer el documento relevante de Marina Melia " Comparación de agrupamientos: una distancia basada en la información " (Journal of Multivariate Analysis, 2007). De hecho,...

r clustering validation intuition

11

Asignar pesos a variables en el análisis de conglomerados

Quiero asignar diferentes pesos a las variables en mi análisis de clúster, pero mi programa (Stata) no parece tener una opción para esto, así que necesito hacerlo manualmente. Imagine 4 variables A, B, C, D. Los pesos para esas variables deben ser w(A)=50% w(B)=25% w(C)=10% w(D)=15% Me...

clustering stata

11

Agrupación jerárquica con variables categóricas.

¿Se pueden usar variables categóricas en la agrupación jerárquica? He escuchado que solo se usan variables continuas, pero he visto personas que discuten variables categóricas que pueden o no usarse también. ¿Alguien puede dar una idea?

categorical-data hierarchical-clustering

11

¿Funciona la modularidad de red de Newman para gráficos ponderados y firmados?

La modularidad de un gráfico se define en su página de Wikipedia . En una publicación diferente , alguien explicó que la modularidad se puede calcular fácilmente (y maximizar) para redes ponderadas porque la matriz de adyacencia puede contener lazos valorados. Sin embargo, me gustaría saber si esto...

clustering data-visualization networks partitioning modularity

11

Expectativa Maximización Aclaración

Encontré un tutorial muy útil sobre el algoritmo EM . El ejemplo y la imagen del tutorial es simplemente brillante. Pregunta relacionada sobre el cálculo de probabilidades ¿cómo funciona la maximización de expectativas? Tengo otra pregunta sobre cómo conectar la teoría descrita en el tutorial...

machine-learning clustering algorithms natural-language

11

¿Qué algoritmo debo usar para agrupar un gran conjunto de datos binarios en pocas categorías?

Tengo una matriz grande de datos binarios (650K filas * 62 columnas) (solo 0-1 entradas). La matriz es principalmente escasa: aproximadamente el 8% está lleno. Me gustaría agruparlo en 5 grupos, digamos nombrado del 1 al 5. He intentado el agrupamiento jerárquico y no pude manejar el tamaño....

clustering dataset k-means binary-data

11

Comprender e implementar un modelo de proceso de Dirichlet

Estoy tratando de implementar y aprender un Proceso de Dirichlet para agrupar mis datos (o como la gente de aprendizaje automático habla, estimar la densidad). Leí mucho papel sobre el tema y de alguna manera tuve la idea. Pero todavía estoy confundido; aquí hay una serie de preguntas, 1) ¿Cuál...

machine-learning clustering dirichlet-process

10

Análisis de agrupamiento seguido de análisis discriminante

¿Cuál es la razón, si la hay, para usar el Análisis discriminante (DA) en los resultados de un algoritmo de agrupamiento como k-means, como lo veo de vez en cuando en la literatura (esencialmente sobre el subtipo clínico de los trastornos mentales)? Por lo general, no se recomienda probar las...

clustering discriminant-analysis

10

Usando el paquete de estadísticas en R para kmeans clustering

Tengo dificultades para comprender uno o dos aspectos del paquete de clúster. Estoy siguiendo de cerca el ejemplo de Quick-R , pero no entiendo uno o dos aspectos del análisis. He incluido el código que estoy usando para este ejemplo en particular. ## Libraries library(stats) library(fpc) ##...

r clustering

10

Detecta patrones circulares en datos de nube de puntos

Para algunos algoritmos de reconstrucción de volumen en los que estoy trabajando, necesito detectar un número arbitrario de patrones circulares en datos de puntos 3D (provenientes de un dispositivo LIDAR). Los patrones se pueden orientar arbitrariamente en el espacio y se supone que se encuentran...

clustering image-processing

10

¿Qué le pasó a Fuzzy Logic?

La lógica difusa parecía un área activa de investigación en aprendizaje automático y minería de datos cuando estaba en la escuela de posgrado (principios de la década de 2000). Los sistemas de inferencia difusos, los medios c difusos, las versiones difusas de las diversas redes neuronales y las...

fuzzy fuzzy-c-means-clustering

10

¿Los anchos de silueta bajos significan que los datos tienen poca estructura subyacente?

Soy nuevo en el análisis de secuencia, y me preguntaba cómo reaccionaría si los anchos de silueta promedio (ASW) de los análisis de conglomerados de matrices de disimilitud basadas en la coincidencia óptima son bajos (alrededor de 25). ¿Parecería apropiado concluir que hay poca estructura...

clustering traminer

10

Encontrar un número conocido de centros de círculo que maximicen el número de puntos dentro de una distancia fija

Tengo un conjunto de datos en 2-D donde quiero encontrar los centros de un número específico de centros de círculos ( ) que maximizan el número total de puntos dentro de una distancia específica ( ).RNNNRRR Por ejemplo, tengo 10,000 puntos de datos y quiero encontrar los centros de círculos que...

r clustering distance