«interpretation» etiketlenmiş sorular

Genel olarak istatistiksel bir analizin sonuçlarından önemli sonuçlar çıkarmayı ifade eder.

1
Mantıksallığın sezgisel açıklaması
Çeşitli kaggle yarışmalarında puanlama "mantık" temel alınarak yapıldı. Bu, sınıflandırma hatasıyla ilgilidir. İşte teknik bir cevap ama sezgisel bir cevap arıyorum. Mahalanobis mesafesiyle ilgili bu sorunun cevaplarını çok beğendim , ancak PCA mantık değil. Sınıflandırma yazılımımın ortaya koyduğu değeri kullanabilirim, ama gerçekten anlamıyorum. Neden doğru / yanlış pozitif / negatif …
1
İkili enstrüman ve ikili endojen değişken ile enstrümantal değişken regresyonunda ikinci evre katsayısı nasıl yorumlanır?
(oldukça uzun yazı, özür dilerim. Çok fazla arka plan bilgisi içerir, bu yüzden alttaki soruya atlamaktan çekinmeyin.) Giriş: İkili bir endojen değişkenin ( sürekli bir sonuç üzerindeki etkisini tanımlamaya çalıştığımız bir proje üzerinde çalışıyorum , . Rastgele olduğu gibi atandığına kesinlikle inandığımız bir araç geliştirdik .x1x1x_1yyyz1z1z_1 Veriler: Verilerin kendisi, 1000 …
3
Büyük N, ayrık veriler ve birçok değişkeniniz olduğunda, dağılım grafiği matrisinden nasıl bilgi alınır?
Meme kanseri veri kümesiyle oynuyorum ve hangilerinin (kırmızı) sınıfını malignant(mavi) tahmin etmede en fazla etkiye sahip olduğu hakkında bir fikir edinmek için tüm niteliklerin bir dağılım grafiğini oluşturdum benign. Satırın x eksenini ve sütunun y eksenini temsil ettiğini anlıyorum, ancak veriler veya bu dağılım grafiğindeki nitelikler hakkında hangi gözlemleri yapabileceğimi …
1
İnsanların ilgilendiği alanlara ilişkin bir anketten gelen bu PCA biplotunu nasıl yorumlayabilirim?
Tarihsel Bilgiler: Araştırmamdaki yüzlerce katılımcıya seçilen alanlarla ne kadar ilgilendiklerini sordum (beş puan Likert ölçeğine göre 1 puan "ilgilenmiyorum" ve 5 puan "ilgileniyor" şeklinde). Sonra PCA'yı denedim. Aşağıdaki resim ilk iki temel bileşene bir izdüşümdür. Renkler cinsiyetler için kullanılır ve PCA okları orijinal değişkenlerdir (yani ilgi alanları). Onu farkettim: Noktalar …
1
Koşullu yoğunluk grafiklerinin yorumlanması
Koşullu yoğunluk grafiklerini nasıl doğru yorumlayacağımı bilmek istiyorum. R ile oluşturduğum iki tanesini aşağıya ekledim cdplot. Örneğin, Var 1 150 yaklaşık% 80 olduğunda Sonuç olasılığı 1'e eşit mi? Koyu gri alan, Result1'e eşit olmanın koşullu olasılığıdır , değil mi? Gönderen cdplotbelgeler: cdplot, y'nin marjinal dağılımı ile tartılan y seviyeleri göz …
1
Anova () ve drop1 () neden GLMM'ler için farklı cevaplar verdi?
Formun bir GLMM var: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Kullandığımda , araç paketinden veya drop1(model, test="Chi")kullandığımdan farklı sonuçlar alıyorum . Bu son ikisi aynı cevapları verir.Anova(model, type="III")summary(model) Bir grup uydurma veri kullanarak, bu iki yöntemin normalde farklı olmadığını gördüm. Dengeli doğrusal …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 
2
İhtiyat oranından farklı üssel lojistik regresyon katsayısı
Anladığım kadarıyla, lojistik regresyondaki üssel beta değeri, söz konusu değişkenin ilgili bağımlı değişken için olasılık oranıdır. Ancak, değer manuel olarak hesaplanan olasılık oranıyla eşleşmiyor. Modelim, diğer göstergelerin yanı sıra sigortayı kullanarak bodurluğu (yetersiz beslenmenin bir ölçüsü) tahmin ediyor. // Odds ratio from LR, being done in stata logit stunting insurance …
1
Marjinal ve koşullu modeller arasındaki fark
Bir marjinal modeli her bir kümenin içinde korelasyon oluşturuyor. Bir koşullu modeli de dikkate her kümedeki korelasyonu alır. Sorularım: Marjinal bir model bir popülasyondaki ana etkileri modellerken, bir koşullu model bir küme ve bir popülasyondaki temel etkileri modeller mi? Marjinal bir modelin katsayılarının yorumlanması temelde "normal model" ile aynıdır. Peki …
2
ACF ve PACF grafikleri nasıl yorumlanır
Sadece ACF ve PACF grafiklerini doğru yorumladığımı kontrol etmek istiyorum: Veriler, gerçek veri noktaları ile bir AR (1) modeli kullanılarak oluşturulan tahminler arasında üretilen hatalara karşılık gelir. Buradaki cevaba baktım: ACF ve PACF denetimi ile ARMA katsayılarını tahmin etme Okuduktan sonra hatalar otomatik olarak ilişkilendirilmemiş gibi görünüyor ama sadece emin …
1
Kategorik ve sürekli değişken arasındaki etkileşimin katsayılarını yorumlayabilme
Sürekli ve kategorik değişken arasındaki etkileşimin katsayılarının yorumlanması hakkında bir sorum var. İşte benim modelim: model_glm3=glm(cog~lg_hag+race+pdg+sex+as.factor(educa)+(lg_hag:as.factor(educa)), data=base_708) Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 21.4836 2.0698 10.380 < 2e-16 *** lg_hag 8.5691 3.7688 2.274 0.02334 * raceblack -8.4715 1.7482 -4.846 1.61e-06 *** racemexican -3.0483 1.7073 -1.785 0.07469 . racemulti/other …
1
Hangi derin öğrenme modeli, birbirini dışlamayan kategorileri sınıflandırabilir
Örnekler: İş tanımında bir cümle var: "İngiltere'de Java kıdemli mühendisi". Derin bir öğrenme modelini 2 kategori olarak tahmin etmek istiyorum: English ve IT jobs. Geleneksel sınıflandırma modeli kullanırsam, sadece softmaxson katmanda işlevli 1 etiket tahmin edebilir . Bu nedenle, her iki kategoride "Evet" / "Hayır" ı tahmin etmek için 2 …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.