İstatistikler ve Büyük Veri

Kafam karıştı. Bir ARMA ve bir GARCH süreci arasındaki farkı anlamıyorum. Bana göre aynı hayır var mı? İşte (G) ARCH (p, q) süreci σ2t=α0+∑i=1qαir2t−iARCH+∑i=1pβiσ2t−iGARCHσt2=α0+∑i=1qαirt−i2⏟ARCH+∑i=1pβiσt−i2⏟GARCH\sigma_t^2 = \underbrace{ \underbrace{ \alpha_0 + \sum_{i=1}^q \alpha_ir_{t-i}^2} _{ARCH} + \sum_{i=1}^p\beta_i\sigma_{t-i}^2} _{GARCH} Ve işte ARMA ( ):p,qp,qp, q Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i.Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i. X_t = c + \varepsilon_t + \sum_{i=1}^p \varphi_i …

42 arima  garch  finance 

Ben, Bernoulli rastgele değişken rasgele bir biçimde numûne sahip burada, X, i iidrv ve vardır P ( x i = 1 ) = p ve p bilinmeyen bir parametredir.X1...XNX1...XNX_1 ... X_NXiXiX_iP(Xi=1)=pP(Xi=1)=pP(X_i = 1) = pppp Açıktır ki, bir an için tahmin bulabilirsiniz : p : = ( X 1 + …

42 confidence-interval  binomial  bernoulli-distribution 

Temel bileşen analizi matris ayrıştırmasını kullanabilir , ancak bu oraya ulaşmak için yalnızca bir araçtır. Temel bileşenleri matris cebiri kullanmadan nasıl bulabilirsin? Amaç işlevi (hedef) nedir ve kısıtlamalar nelerdir?

42 pca 

Şu anda 2000 ve 2004 seçimlerinde oy kullanma yeri ve oy kullanma tercihi ile ilgili bir makale okuyorum . İçinde lojistik regresyon katsayılarını gösteren bir grafik var. Yıllar öncesinden dersler ve biraz okumaLojistik regresyonun çoklu bağımsız değişkenler ile ikili yanıt değişkeni arasındaki ilişkiyi tanımlamanın bir yolu olduğunu anlıyorum. Kafam karıştı, …

42 regression  logistic  interpretation 

Makine öğrenimi / diğer istatistiksel öngörücü teknikler ile sosyal bilimcilerin (örneğin, ekonomistlerin) kullandıkları istatistiklerin arasındaki farkı anlamam, ekonomistlerin hem tek hem de çok değişkenli etkiyi anlamak için çok ilgilendikleri görünüyor. büyüklük ve ilişkinin nedensel olup olmadığını tespit etmek. Bunun için kendinize deneysel ve yarı deneysel yöntemler vb. Tahmini olan makine …

42 machine-learning  econometrics 

İşyerimde çok çeşitli disiplinlerden çalışanlar var, bu yüzden birçok farklı biçimde veri üretiyoruz. Sonuç olarak, her takım veri depolamak için kendi sistemini geliştirmiştir. Bazıları Access veya SQL veritabanlarını kullanır; bazı takımlar (korkularıma göre) neredeyse tamamen Excel çalışma sayfalarına güveniyorlar. Genellikle, veri formatları projeden projeye değişir. Bazı durumlarda 'sistem' olarak adlandırmak …

42 dataset  reproducible-research  quality-control 

Ben bir grafik üzerinde topluluk algılama / grafik bölümleme / kümelenme performans söz konusu olduğunda birileri iyi bir başlangıç noktalarının ne önermek eğer merak ediyorum ağırlıklı , yönsüz kenarları. Söz konusu grafik yaklaşık 3 milyon kenara sahiptir ve her bir kenar, bağlandığı iki köşe arasındaki benzerlik derecesini ifade eder. Özellikle, …

42 clustering  data-visualization  networks  partitioning  modularity 

Farklılıkların yanı sıra, durağan olmayan bir zaman serisini durağan yapmak için başka teknikler nelerdir? Normalde , bir gecikme operatörü sabit yapılabilirse, " p sırasına tümleşik " olarak bir dizi ifade edilir .(1−L)PXt(1−L)PXt(1-L)^P X_t

42 time-series  stationarity 

Bir Bayesian modelini takarken uzmanlardan önceki dağıtımları nasıl yapmalıyım?

42 bayesian  prior  elicitation 

Genelde "sıradan en küçük kareler" hakkında bir şeyler duyarım. Doğrusal regresyon için en yaygın kullanılan algoritma bu mu? Farklı bir tane kullanmak için sebepler var mı?

42 regression  least-squares  algorithms  computational-statistics  numerics 

Bir e-postanın spam olup olmadığını öngören bir sınıflandırıcı öğrenmek istediğimi varsayalım. Ve e-postaların yalnızca% 1'inin spam olduğunu varsayalım. Yapılacak en kolay şey, e-postaların hiçbirinin spam olmadığını söyleyen önemsiz sınıflandırıcıyı öğrenmek olacaktır. Bu sınıflandırıcı bize% 99 doğruluk verecek, ancak ilginç bir şey öğrenmeyecek ve% 100 yanlış negatif oranlara sahip olacaktır. Bu …

42 machine-learning  classification 

Yalnızca 0 ve 1 içeren iki Boole vektörü vardır. Pearson veya Spearman korelasyonunu hesaplarsam, anlamlı mı veya makul mu?

42 correlation  binary-data  pearson-r  spearman-rho 

Regresyon modelinde bir etkileşimi belirtmenin en iyi yolunun hangisi olduğu hakkında bir sorum var. Aşağıdaki verileri göz önünde bulundurun: d <- structure(list(r = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("r1","r2"), class = "factor"), s …

42 r  regression  interaction 

Doğrusal bir SVM yerleştirerek verilen değişken ağırlıkları yorumlamaya çalışıyorum. (Ben scikit-learn kullanıyorum ): from sklearn import svm svm = svm.SVC(kernel='linear') svm.fit(features, labels) svm.coef_ Belgelerde, bu ağırlıkların nasıl hesaplandığını veya yorumlandığını gösteren hiçbir şey bulamıyorum. Kilo işaretinin dersle ilgisi var mı?

42 svm  feature-selection  python  scikit-learn 

Görünmeyen verilerde log-ortalamalı ters olasılık anlamına gelen şaşkınlık terimi ile karşılaştım. Şaşkınlık konusundaki Wikipedia makalesi sezgisel bir anlam ifade etmiyor. Bu karışıklık ölçüsü pLSA makalesinde kullanılmıştır . Şaşkınlık ölçüsünün gerekliliği ve sezgisel anlamını açıklayabilen var mı?

42 measurement  perplexity