Preguntas etiquetadas con prediction

15

¿Cuál es la intuición detrás de las muestras intercambiables bajo la hipótesis nula?

Las pruebas de permutación (también llamadas prueba de aleatorización, prueba de aleatorización o prueba exacta) son muy útiles y resultan útiles cuando t-testno se cumple el supuesto de distribución normal requerido por ejemplo y cuando se transforman los valores mediante la clasificación de...

hypothesis-testing permutation-test exchangeability r statistical-significance loess data-visualization normal-distribution pdf ggplot2 kernel-smoothing probability self-study expected-value normal-distribution prior correlation time-series regression heteroscedasticity estimation estimators fisher-information data-visualization repeated-measures binary-data panel-data mathematical-statistics coefficient-of-variation normal-distribution order-statistics regression machine-learning one-class probability estimators forecasting prediction validation finance measurement-error variance mean spatial monte-carlo data-visualization boxplot sampling uniform chi-squared goodness-of-fit probability mixture theory gaussian-mixture regression statistical-significance p-value bootstrap regression multicollinearity correlation r poisson-distribution survival regression categorical-data ordinal-data ordered-logit regression interaction time-series machine-learning forecasting cross-validation binomial multiple-comparisons simulation false-discovery-rate r clustering frequency wilcoxon-mann-whitney wilcoxon-signed-rank r svm t-test missing-data excel r numerical-integration r random-variable lme4-nlme mixed-model weighted-regression power-law errors-in-variables machine-learning classification entropy information-theory mutual-information

15

¿Por qué esta predicción de series temporales es "bastante pobre"?

Estoy tratando de aprender a usar las redes neuronales. Estaba leyendo este tutorial . Después de ajustar una red neuronal en una serie temporal utilizando el valor en para predecir el valor en el autor obtiene el siguiente gráfico, donde la línea azul es la serie temporal, el verde es la...

time-series neural-networks predictive-models deep-learning prediction

15

¿Puede un modelo para datos no negativos con aglomeración en ceros (Tweedie GLM, GLM inflado a cero, etc.) predecir ceros exactos?

Una distribución Tweedie puede modelar datos asimétricos con una masa de punto en cero cuando el parámetro ppagp (exponente en la relación media-varianza) está entre 1 y 2. Del mismo modo, un modelo inflado a cero (ya sea continuo o discreto) puede tener una gran cantidad de ceros. Tengo...

r generalized-linear-model prediction zero-inflation tweedie-distribution

14

Modelos predictivos: ¿las estadísticas no pueden superar el aprendizaje automático? [cerrado]

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 2 años . Actualmente...

machine-learning forecasting predictive-models prediction out-of-sample

14

¿Tal cosa como una correlación ponderada?

Tengo algunos datos interesantes sobre los artistas musicales más populares transmitidos divididos por ubicación en unos 200 distritos del Congreso. Quiero ver si es posible sondear a una persona sobre sus preferencias musicales y determinar si él o ella "escucha como un demócrata" o "escucha como...

correlation prediction pooling weighted-data

14

¿Cómo obtener predicciones en términos de tiempo de supervivencia de un modelo Cox PH?

Quiero desarrollar un modelo de predicción (Cox PH) para la mortalidad por todas las causas en un conjunto de datos de participantes de los cuales (casi) todos murieron al final del seguimiento (por ejemplo, 1 año). En lugar de predecir el riesgo absoluto de morir en un momento determinado, me...

survival prediction cox-model

14

Cómo predecir una serie temporal de otra serie temporal, si están relacionadas

He estado tratando de resolver este problema durante más de un año sin mucho progreso. Es parte de un proyecto de investigación que estoy haciendo, pero lo ilustraré con un ejemplo de historia que inventé, porque el dominio real del problema es un poco confuso (seguimiento ocular). Usted es un...

time-series machine-learning prediction

14

Caret glmnet vs cv.glmnet

Parece haber mucha confusión en la comparación de usar glmnetdentro caretpara buscar una lambda óptima y usar cv.glmnetpara hacer la misma tarea. Se plantearon muchas preguntas, por ejemplo: Modelo de clasificación train.glmnet vs. cv.glmnet? ¿Cuál es la forma correcta de usar glmnet con...

r caret glmnet machine-learning neural-networks maximum softmax probability distributions mathematical-statistics random-variable cdf statistical-significance variance expected-value ratio sample-size reliability tolerance-interval wilcoxon-signed-rank self-study variance sampling mean machine-learning svm libsvm self-study sampling ranks data-visualization histogram machine-learning classification normal-distribution mathematical-statistics maximum-likelihood mixture predictive-models prediction seasonality

13

utilizando información vecina para imputar datos o encontrar datos fuera de datos (en R)

Tengo un conjunto de datos con la suposición de que los vecinos más cercanos son los mejores predictores. Solo un ejemplo perfecto de gradiente bidireccional visualizado Supongamos que tenemos un caso en el que faltan pocos valores, podemos predecir fácilmente según los vecinos y la tendencia....

r prediction outliers data-imputation multiple-imputation

13

Bosque aleatorio y predicción

Estoy tratando de entender cómo funciona Random Forest. Tengo una idea de cómo se construyen los árboles, pero no puedo entender cómo Random Forest hace predicciones sobre muestras fuera de bolsa. ¿Alguien podría darme una explicación simple, por favor?

random-forest prediction

13

¿Cómo escalar nuevas observaciones para hacer predicciones cuando el modelo se ajustó con datos escalados?

Entiendo el concepto de escalar la matriz de datos para usar en un modelo de regresión lineal. Por ejemplo, en R podrías usar: scaled.data <- scale(data, scale=TRUE) Mi única pregunta es, para nuevas observaciones para las que quiero predecir los valores de salida, ¿cómo se escalan...

r regression prediction scales

13

Predicción sobre modelos de efectos mixtos: ¿qué hacer con los efectos aleatorios?

Consideremos este conjunto de datos hipotético: set.seed(12345) num.subjects <- 10 dose <- rep(c(1,10,50,100), num.subjects) subject <- rep(1:num.subjects, each=4) group <- rep(1:2, each=num.subjects/2*4) response <- dose*dose/10 * group + rnorm(length(dose), 50, 30) df <-...

mixed-model linear-model prediction

12

¿Es necesario el preprocesamiento antes de la predicción usando FinalModel de RandomForest con el paquete de caret?

Utilizo el paquete caret para entrenar un objeto randomForest con 10x10CV. library(caret) tc <- trainControl("repeatedcv", number=10, repeats=10, classProbs=TRUE, savePred=T) RFFit <- train(Defect ~., data=trainingSet, method="rf", trControl=tc, preProc=c("center", "scale")) Después de...

r random-forest prediction caret

12

Prueba exacta de Fisher y distribución hipergeométrica

Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es una simplificación drástica, pero...

fishers-exact hypergeometric clustering supervised-learning modeling econometrics r regression residuals heteroscedasticity independence distributions self-study matlab libsvm self-study conditional-probability conditional-expectation hypothesis-testing self-study multiple-comparisons mode statistical-significance chi-squared multiple-comparisons maximum-likelihood poisson-process optimization uncertainty genetic-algorithms bayesian model-selection overfitting maximum-likelihood optimization approximation r prediction model-evaluation r machine-learning survival neural-networks cox-model machine-learning bayesian bayesian-network hierarchical-bayesian pooling

12

Predicción de datos de conteo con bosque aleatorio

¿Se puede entrenar un bosque aleatorio para predecir adecuadamente los datos de conteo? ¿Cómo procedería esto? Tengo una amplia gama de valores, por lo que la clasificación realmente no tiene sentido. Si usara la regresión, ¿simplemente truncaría los resultados? Estoy bastante perdido aquí....

r regression random-forest prediction count-data

11

Intervalo de predicción = intervalo creíble?

Me pregunto si el intervalo de predicción y el intervalo creíble evalúan lo mismo. Por ejemplo, con una regresión lineal, cuando estima el intervalo de predicción de los valores ajustados, estima los límites del intervalo en el que espera que disminuya su valor. A la inversa de un intervalo de...

bayesian linear-model prediction prediction-interval credible-interval

11

Predicción e intervalos de tolerancia

Tengo un par de preguntas para los intervalos de predicción y tolerancia. Acordemos primero la definición de los intervalos de tolerancia: se nos da un nivel de confianza, digamos 90%, el porcentaje de la población a capturar, digamos 99%, y un tamaño de muestra, digamos 20. La distribución de...

prediction prediction-interval tolerance-interval

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 ABC

Se ha demostrado que no se recomienda la elección del modelo ABC utilizando factores de Bayes debido a la presencia de un error derivado del uso de estadísticas resumidas. La conclusión en este artículo se basa en el estudio del comportamiento de un método popular para aproximar el factor de Bayes...

bayesian model-selection prediction abc

11

R neuralnet - calcular da una respuesta constante

Estoy tratando de usar el neuralnetpaquete de R (documentación aquí ) para la predicción. Aquí lo que estoy tratando de hacer: library(neuralnet) x <- cbind(runif(50, min=1, max=500), runif(50, min=1, max=500)) y <- x[, 1] * x[, 2] train <- data.frame(x, y) n <- names(train) f <-...

r neural-networks prediction error