Preguntas etiquetadas con resampling

Estoy tratando de entender la diferencia entre los diferentes métodos de remuestreo (simulación Monte Carlo, bootstrapping paramétrico, bootstrapping no paramétrico, jackknifing, validación cruzada, pruebas de aleatorización y pruebas de permutación) y su implementación en mi propio contexto usando...

Esta pregunta puede ser demasiado abierta para obtener una respuesta definitiva, pero espero que no. Los algoritmos de aprendizaje automático, como SVM, GBM, Random Forest, etc., generalmente tienen algunos parámetros libres que, más allá de alguna guía práctica, deben ajustarse a cada conjunto de...

Me han dicho que es beneficioso usar la validación cruzada estratificada, especialmente cuando las clases de respuesta no están equilibradas. Si un propósito de la validación cruzada es ayudar a explicar la aleatoriedad de nuestra muestra de datos de entrenamiento original, seguramente hacer que...

Habiendo estudiado recientemente bootstrap, se me ocurrió una pregunta conceptual que todavía me desconcierta: Tiene una población y desea conocer un atributo de población, es decir, , donde uso para representar a la población. Esta podría ser la media poblacional, por ejemplo. Por lo general, no...

A menudo se dice que las pruebas de permutación no tienen suposiciones, sin embargo, esto ciertamente no es cierto. Por ejemplo, si mis muestras están de alguna manera correlacionadas, puedo imaginar que permutar sus etiquetas no sería lo correcto. Solo creo que encontré sobre este problema esta...

Estoy usando la biblioteca careten R para probar varios procedimientos de modelado. El trainControlobjeto permite especificar un método de remuestreo. Los métodos se describen en la documentación de la sección 2.3 e incluyen: boot, boot632, cv, LOOCV, LGOCV, repeatedcvy oob. Aunque algunos de...

Estoy trabajando en datos gravemente desequilibrados. En la literatura, se utilizan varios métodos para reequilibrar los datos mediante re-muestreo (sobremuestreo o submuestreo). Dos buenos enfoques son: SMOTE: Técnica de sobremuestreo de minorías sintéticas ( SMOTE ) ADASYN: Enfoque de muestreo...

¿Cómo probaría o comprobaría que el muestreo es IID (Independiente e idénticamente distribuido)? Tenga en cuenta que no me refiero a gaussiano e idénticamente distribuido, solo IID. Y la idea que me viene a la mente es dividir repetidamente la muestra en dos submuestras de igual tamaño, realizar...

"Validación Bootstrap" / "remuestreo de validación cruzada" es nuevo para mí, pero fue discutido por la respuesta a esta pregunta . Supongo que involucra 2 tipos de datos: los datos reales y los datos simulados, donde un conjunto dado de datos simulados se genera a partir de los datos reales...

Recientemente estaba buscando formas de volver a muestrear series temporales, de manera que Preservar aproximadamente la autocorrelación de los procesos de memoria larga. Preservar el dominio de las observaciones (por ejemplo, una serie de enteros de muestras repetidas sigue siendo una serie de...

Solo quería preguntar cuáles son, en su opinión, los mejores libros disponibles sobre bootstrap. Con esto no necesariamente me refiero al escrito por sus desarrolladores. ¿Podría indicar qué libro de texto le parece mejor para bootstrap que cubra los siguientes criterios? ¿La base filosófica /...

Cuando leí acerca de cómo aproximar la distribución de la muestra significa que encontré el método de arranque no paramétrico. Aparentemente uno puede aproximar la distribución de por la distribución de ˉ X ∗ n - ˉ X n , donde ˉ X ∗

Si todo lo que está haciendo es volver a tomar muestras de la distribución empírica, ¿por qué no solo estudiar la distribución empírica? Por ejemplo, en lugar de estudiar la variabilidad mediante muestreo repetido, ¿por qué no cuantificar la variabilidad a partir de la distribución...

En R, si configuro.seed () y luego uso la función de muestra para aleatorizar una lista, ¿puedo garantizar que no generaré la misma permutación? es decir... set.seed(25) limit <- 3 myindex <- seq(0,limit) for (x in seq(1,factorial(limit))) { permutations <- sample(myindex)...

Me preguntaba cómo funcionan los CI de arranque (y BCa en barticular) en los datos distribuidos normalmente. Parece que hay mucho trabajo examinando su rendimiento en varios tipos de distribuciones, pero no pudo encontrar nada en los datos distribuidos normalmente. Como parece algo obvio estudiar...

Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <-...

El método bootstrap ha visto una gran difusión en los últimos años, también lo uso mucho, especialmente porque el razonamiento detrás es bastante intuitivo. Pero eso es algo que no entiendo. ¿Por qué Efron eligió realizar una nueva muestra con reemplazo en lugar de simplemente submuestreo al...

Tengo una serie temporal de datos con N = 14 recuentos en cada punto de tiempo, y quiero calcular el coeficiente de Gini y un error estándar para esta estimación en cada punto de tiempo. Como solo tengo N = 14 recuentos en cada punto de tiempo, procedí calculando la varianza de la navaja, es...

Soy un novato completo :) Estoy haciendo un estudio con un tamaño de muestra de 10,000 de una población de aproximadamente 745,000. Cada muestra representa un "porcentaje de similitud". La gran mayoría de las muestras son alrededor del 97% -98%, pero algunas son entre 60% y 90%, es decir, la...

Tengo un modelo de supervivencia con pacientes anidados en hospitales que incluye un efecto aleatorio para los hospitales. El efecto aleatorio está distribuido en gamma, y ​​estoy tratando de informar la 'relevancia' de este término en una escala que se entiende fácilmente. He encontrado las...