He estado haciendo algunas investigaciones casuales en Internet sobre biclusters. (He leído el artículo de Wiki varias veces). Hasta ahora, parece que hay pocas definiciones o terminología estándar. Me preguntaba si había documentos o libros estándar que alguien que estuviera interesado en...
Estoy desarrollando sistemas comerciales automatizados para el mercado de valores. El gran desafío ha sido el sobreajuste. ¿Puede recomendarme algunos recursos que describan métodos para medir y evitar el sobreajuste? Comencé con conjuntos de entrenamiento / validación, pero el conjunto de...
Leí un artículo wiki sobre Apriori. Tengo el problema de entender la ciruela y el paso Join. ¿Alguien puede explicarme cómo funciona el algoritmo Apriori en términos simples (de modo que un principiante como yo pueda entenderlo fácilmente)? Será bueno si alguien explica el proceso paso a paso...
Tengo un conjunto de datos con aproximadamente 2,000 variables binarias / 200,000 filas y estoy tratando de predecir una sola variable dependiente binaria. Mi objetivo principal en esta etapa no es obtener la precisión de la predicción, sino identificar cuáles de estas variables son predictores...
Mientras comprobaba si dos variables estaban correlacionadas, observé que la aplicación de la correlación de Pearson arrojó números tan bajos como 0.1, lo que indica que no hay correlación. ¿Hay algo que pueda hacer para fortalecer esta afirmación? El conjunto de datos (subconjunto debido a los...
Digamos que tengo un montón de filas para un problema de clasificación: X1, . . . Xnorte, YX1,...Xnorte,YX_1, ... X_N, Y Donde son las características / predictores e Y es la clase a la que pertenece la combinación de características de la fila.X1, . . . , XnorteX1,...,XnorteX_1, ...,...
Me acababan de asignar un proyecto para realizar análisis de sentimientos para algunas colecciones de documentos. Al buscar en Google, ha surgido una gran cantidad de investigaciones relacionadas con los sentimientos. Mis preguntas son: ¿Cuáles son los principales métodos / algoritmos para el...
Cuando se usa libsvm, el parámetro es un parámetro para la función del núcleo. Su valor predeterminado se configura como γ = 1γγ\gammaγ= 1Número de características.γ=1Número de características.\gamma = \frac{1}{\text{number of features.}} ¿Existe alguna guía teórica para configurar este parámetro...
No sé mucho sobre estadísticas, así que tengan paciencia conmigo. Digamos que tengo un conjunto de 1000 trabajadores. Quiero averiguar quién es el trabajador más duro, pero solo puedo medir la cantidad de trabajo que se realiza en grupos de 1 a 100 durante más de una hora de trabajo. Suponiendo que...
Para la tarea de modelado de abandono que estaba considerando: Calcule k grupos para los datos Construya k modelos para cada grupo individualmente. La razón de esto es que no hay nada que demostrar, que la población de subsistemas es homogénea, por lo que es razonable suponer que el proceso de...
Tengo un conjunto de entrenamiento con aproximadamente 3000 instancias positivas y 3000 instancias negativas. Pero mi conjunto de datos de prueba no está equilibrado. El conjunto positivo solo tiene 50 instancias y el negativo tiene 1500 instancias, lo que hace que la precisión sea muy baja. ¿Hay...
No estoy seguro de si esta pregunta es totalmente apropiada aquí, de lo contrario, elimínela. Soy un estudiante graduado en economía. Para un proyecto que investiga problemas en seguros sociales, tengo acceso a una gran cantidad de informes de casos administrativos (> 200k) que se ocupan de...
Tengo un conjunto de datos tridimensionales, y estoy tratando de usar el análisis del factor de valor atípico local para identificar los valores más singulares o extraños. ¿Cómo se decide el valor k para usar en el análisis LOF? Entiendo lo que determina el valor k, por lo que no me sorprende que...
Este artículo afirma que en CART, debido a que se realiza una división binaria en una sola covariable en cada paso, todas las divisiones son ortogonales y, por lo tanto, no se consideran las interacciones entre covariables. Sin embargo, muchas referencias muy serias afirman, por el contrario, que...
En Random Forest, cada árbol se cultiva en paralelo en una muestra boostrap única de los datos. Debido a que se espera que cada muestra de boostrap contenga aproximadamente el 63% de las observaciones únicas, esto deja aproximadamente el 37% de las observaciones, que se pueden usar para probar el...
Cerrada . Esta pregunta necesita estar más centrada . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que se centre en un problema solo editando esta publicación . Cerrado hace 3 años . A pesar del...
Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda ser respondida con hechos y citas editando esta publicación . Cerrado hace 5 meses .
He estado buscando conjuntos de datos de juegos de computadora, pero hasta ahora solo he podido encontrar el conjunto de datos 'Historial de Avatar' para WoW. ¿Existen otros conjuntos de datos interesantes, posiblemente para otros
Pregunta para los mineros de datos experimentados: Ante este escenario: Hay N carritos de compras Cada carrito de compras está lleno de un número arbitrario de artículos M de un conjunto infinitamente grande (con la cantidad actual de datos que tengo, ese número arbitrario puede alcanzar números...
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...