Básicamente quiero convertir las medidas de similitud en pesos que se usan como predictores. Las similitudes estarán en [0,1], y restringiré los pesos para que también estén en [0,1]. Me gustaría una función paramterica que haga este mapeo que probablemente optimizaré usando el descenso de...
Esta podría ser una pregunta básica: ¿Cuál es la diferencia entre sesgo y falta de equipamiento? Y, de manera análoga, ¿cuál es la diferencia entre la varianza y el sobreajuste? ¿Los términos de cada par significan lo mismo? Sí no, ¿Cuál es la
¿Hay alguna manera de ajustar una distribución específica si solo se le dan unos cuantos cuantiles? Por ejemplo, si te dijera que tengo un conjunto distribuido gamma de datos, y la empírica 20%, 30%, 50% y 90% -quantiles son, respectivamente: 20% 30% 50% 90% 0.3936833 0.4890963 0.6751703...
No estoy seguro de cómo proceder con este CFA que estoy haciendo en lavaan. Tengo una muestra de 172 participantes (sé que no es mucho para un CFA) y 28 elementos con escalas Likert de 7 puntos que deberían cargarse en siete factores. Hice un CFA con estimadores "mlm", pero el ajuste del modelo fue...
Aprendí que se puede detectar el sobreajuste trazando el error de entrenamiento y el error de prueba en comparación con las épocas. Como en: He estado leyendo esta publicación de blog donde dicen que la red neuronal, net5 es demasiado adecuada y proporcionan esta cifra: Lo cual es extraño...
Tengo algunos modelos predictivos cuyo rendimiento me gustaría probar (es decir, tomar mi conjunto de datos, "rebobinarlo" a un punto anterior en el tiempo y ver cómo el modelo hubiera funcionado de manera prospectiva). El problema es que algunos de mis modelos se construyeron a través de un...
¿No resulta en un ajuste excesivo? ¿Serían mis resultados más confiables si agregara un procedimiento de cuchillo de arranque o arranque como parte del
Investigando sobre el algoritmo xgboost, revisé la documentación . En este enfoque, los árboles se regularizan utilizando la definición de complejidad donde y son parámetros, es el número de hojas terminales y es la puntuación en cada hoja.Ω ( f) = γT+12λ∑j = 1Tw2jΩ(F)=γT+12λ∑j=1Twj2 \Omega(f) =...
Si doy dos cuantiles y sus ubicaciones correspondientes (cada uno) en el intervalo abierto , ¿siempre puedo encontrar parámetros de una distribución beta que tenga esos cuantiles en las ubicaciones
En los estudios de psicología aprendí que deberíamos usar el método de Bonferroni para ajustar el nivel de significancia al probar varias hipótesis en un solo conjunto de datos. Actualmente estoy trabajando con métodos de aprendizaje automático como Support Vector Machines o Random Forest para la...
Tuve una entrevista de trabajo para un puesto de ciencia de datos. Durante la entrevista, me preguntaron qué debo hacer para asegurarme de que el modelo no se ajuste demasiado. Mi primera respuesta fue utilizar la validación cruzada para evaluar el rendimiento del modelo. Sin embargo, el...
Tengo un modelo de regresión simple ( y = param1 * x1 + param2 * x2 ). Cuando ajusto el modelo a mis datos, encuentro dos buenas soluciones: La solución A, params = (2,7), es mejor en el conjunto de entrenamiento con RMSE = 2.5 ¡PERO! Solución B params = (24,20) gana mucho en el conjunto de...
Estoy usando ARMA sobre un conjunto de datos con muestras faltantes. ¿Cómo los trato? ¿Sugeriría hacer una interpolación lineal / no lineal o simplemente mantenerlos fuera y considerar dos muestras con datos faltantes como muestras
Estoy tratando de ajustar una distribución gamma inversa de tres parámetros a mis datos en R o Python. Me gustaría hacer esto usando la estimación de máxima verosimilitud (MLE). El pdf del gamma inverso de tres parámetros viene dado por: Donde Γ es la función gamma, ρ es la forma, α es la...
Tengo problemas para encontrar una solución con respecto a cómo ejecutar una prueba post-hoc (Tukey HSD) después de un ANOVA de medidas repetidas de 2 factores (ambos dentro de los sujetos) en R. Para el ANOVA, he usado la función aov: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)),...
Quiero calcular los errores estándar de una distribución hiperbólica ajustada. En mi notación, la densidad viene dada por Estoy usando el paquete HyperbolicDistr en R. Calculo los parámetros mediante el siguiente
Tengo un problema de regresión con 5-6k variables. Divido mis datos en 3 conjuntos no superpuestos: capacitación, validación y pruebas. Entreno usando solo el conjunto de entrenamiento y genero muchos modelos de regresión lineal diferentes eligiendo un conjunto diferente de 200 variables para cada...
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...
Actualmente estoy usando una parada temprana en mi trabajo para evitar un ajuste excesivo. Específicamente, los que se tomaron antes de parar pero ¿cuándo? . Ahora quiero comparar con otros algoritmos de clasificación donde parece que la validación cruzada 10 veces se usa ampliamente. Sin...
Me dieron una mesa de x=(0,1,2,3,4,5,6)x=(0,1,2,3,4,5,6)x=(0,1,2,3,4,5,6) y y=(3062,587,284,103,33,4,2)y=(3062,587,284,103,33,4,2)y=(3062,587,284,103,33,4,2), que son tales que el número de xixix_i le dice a una cantidad de niños que todos yiyiy_is tener. Me piden que ajuste una distribución de...