İstatistikler ve Büyük Veri

Ben bir veri kümesi var, ben sadece bir değişkene dayalı veri üzerinde kümeler oluşturmak istiyorum (eksik değer yok). Bu tek değişkene dayalı 3 küme oluşturmak istiyorum. Hangi kümeleme algoritması kullanılacak, k-araçları, EM, DBSCAN vb. Benim asıl sorum şu durumlarda EM-k yerine EM-k'yi veya k-ortalamaları yerine EM'yi ne şekilde kullanmalıyım?

16 clustering 

"Kendi başıma gitmek" için birkaç kez denedim - ama sınırlı bir başarı ile. Sıradan bir SPSS kullanıcısıyım ve bazı SAS deneyimim var. Benzer arka planı olan ve şimdi R kullanan birinden bir veya iki işaretçiyi takdir ediyorum.

16 r  references 

Bir ampirik dağılımı önceden belirlenmiş bir referans dağılımı ile karşılaştırmak yerine, aynı temel dağılımdan gelip gelmediklerini belirlemek için iki ampirik dağılımı karşılaştırmak için Kolmogorov-Smirnov uygunluk testini kullanmak uygun mudur? Bunu başka bir şekilde sormaya çalışayım. Bir yerde bazı dağıtımlardan N numune topluyorum. M örneklerini başka bir yerde topluyorum. Veriler süreklidir …

16 hypothesis-testing  distributions  kolmogorov-smirnov 

Belge düzeyinde kümeleme yapmaya çalışıyorum. Doküman terim frekans matrisini oluşturdum ve bu yüksek boyutlu vektörleri k-araçları kullanarak kümelemeye çalışıyorum. Doğrudan kümeleme yerine, U, S, Vt matrislerini elde etmek için LSA'nın (Latent Semantic Analysis) tekil vektör ayrışmasını uygulamak, dağlama grafiğini kullanarak uygun bir eşik seçti ve indirgenmiş matrislere kümeleme uygulandı (özellikle …

16 clustering  pca  dimensionality-reduction  text-mining  svd 

R kullanarak özel bir pdf rastgele örnekleri oluşturmaya çalışıyorum. Benim pdf: fX( x ) = 32( 1 - x2) , 0 ≤ x ≤ 1fX(x)=32(1-x2),0≤x≤1f_{X}(x) = \frac{3}{2} (1-x^2), 0 \le x \le 1 Tek tip örnekler ürettim ve sonra özel dağıtımıma dönüştürmeye çalıştım. Bunu dağıtımımın ( ) bularak ve tek …

16 r  sampling  uniform 

Ben 'veri havuzu' basitçe daha önce kategorilere ayrılmış veri birleştirmek anlamına düşündüm ... temelde, kategorileri görmezden ve veri kümesi dev bir veri havuzu 'yapmak. Sanırım bu, istatistiklerin uygulanmasından ziyade terminoloji hakkında bir soru. Örneğin: 2 siteyi karşılaştırmak istiyorum ve her site içinde iki yıllık tipim var (iyi ve kötü). 2 …

16 terminology 

Birisi bana zaman serisi analizinde 'sebat' teriminin ne anlama geldiğini söyleyebilir mi? Ekonometri ve uygulamalı regresyon ile ilgilidir.

16 regression  time-series  econometrics  terminology 

Kilitli . Bu soru ve cevapları kilitlidir çünkü soru konu dışıdır, ancak tarihsel önemi vardır. Şu anda yeni yanıtları veya etkileşimleri kabul etmiyor. Tormod sorusu ( burada yayınlanan ) sayesinde Paralel Kümeler grafiğine rastladım . İşte nasıl göründüğüne bir örnek: (Titanik veri kümesinin bir görselleştirmesidir. Örneğin, hayatta kalamayan kadınların çoğunun …

16 r  data-visualization  categorical-data  interactive-visualization 

Bir deneye katılan katılımcılar tarafından verilen puanları analiz ediyorum. Katılımcıların bir ürüne karşı tutumunu tahmin etmeyi amaçlayan 6 maddeden oluşan anketimin güvenilirliğini tahmin etmek istiyorum. Tüm maddelere tek bir ölçek gibi davranarak (alfa yaklaşık 0.6 idi) ve her seferinde bir öğeyi sildiğimde (maks alfa yaklaşık 0.72 idi) Cronbach alfa hesapladım. …

16 pca  reliability  scales  psychometrics  cronbachs-alpha 

Genel olarak, katsayıları düzgün bir şekilde karşılaştırmak için bağımsız değişkenlerimi regresyonlarda standardize ederim (bu şekilde aynı birimlere sahip olurlar: standart sapmalar). Ancak, panel / boyuna verilerle, özellikle hiyerarşik bir model tahmin edersem verilerimi nasıl standartlaştırmam gerektiğinden emin değilim. Neden potansiyel bir sorun olabileceğini görmek için, dönemleri boyunca ölçülen bireye sahip …

16 r  regression  standardization 

Kapalı. Bu soru konu dışı . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Sorunuzu güncelleyin o yüzden -konu üzerinde Çapraz doğrulanmış için. 4 yıl önce kapalı . Bazı yinelenen kimlikleri içeren bir veri çerçevesi var. Yalnızca maksimum değeri olan satırı tutarak yinelenen kimlikleri olan kayıtları kaldırmak istiyorum. …

16 r 

Sinir ağlarını zaman serisi tahmini için kullanmaya başlamak için bazı kaynaklara ihtiyacım var. Biraz kağıt uygulamaktan ve yöntemlerinin potansiyelini fazlasıyla ifade ettiklerini öğrenmekten çekiniyorum. Bu nedenle, yöntemlerle ilgili deneyiminiz varsa, daha da harika olacağını önerirsiniz.

16 time-series  neural-networks  forecasting  references 

Farklı varyans bileşenlerini modellediğim bir analiz yaptım. Sonuçları bir tabloda raporlarken, sapmalar yerine standart sapmaları rapor etmek çok daha özlüdür. Yani, bu beni şu soruya getiriyor - standart sapma yerine varyansı bildirmenin bir nedeni var mı? Birini diğerine rapor etmek daha uygun mu?

16 standard-deviation  variance  tables 

Cohen'in d'sini (t istatistiğinden) regresyon katsayıları, olasılık oranları ve farklılıklar için, bir meta analizde sonuçları bir araya getirip nasıl çalıştığını umarak hesapladım. Ancak, Stata'da, Cohen'in d için güven aralıkları olmadan bu sonuçları bir araya getiremeyeceğiniz görülmüyor, bu yüzden sorum şu: Bu sorunu nasıl çözeceğim? Bunu hesaplamanın bir yolu var mı, …

16 cohens-d 

İki normal dağılım bağımsız rastgele değişkenler varsa ve anlamına ile ve ve standart sapmalar ve ve I keşfetmek , koşullu dağılımı (herhangi bir hata yapılmaması varsayarak) ve ve belirli bir , normalde anlamına ile dağıtılan ve standart sapma Y μ X μ Y σ X σ Y X + Y …

16 normal-distribution  conditional-probability