«matlab» etiketlenmiş sorular

Bir programlama dili / ortamı. Bu etiketi, (a) MATLAB'ı ya sorunun kritik bir parçası ya da beklenen cevap olarak içeren herhangi bir konu üzeri soru için kullanın, ((b) sadece MATLAB'ın nasıl kullanılacağı ile ilgili değildir.

1
Değişkenlerde Hata Modelinde tarafsız olandan daha iyi sonuçlar elde etmek için regresyon için önyargılı tahminci
Bazı araştırmalar için Değişken Hatası modelinde bazı sözdizim verileri üzerinde çalışıyorum. Şu anda tek bir bağımsız değişkenim var ve bağımlı değişkenin gerçek değeri için varyansı bildiğimi varsayıyorum. Böylece, bu bilgilerle, bağımlı değişkenin katsayısı için tarafsız bir tahminci elde edebilirim. Model: y=0,5x-10+e2x~= x + e1x~=x+e1\tilde{x} = x + e_1 y= 0,5 …

4
Gauss İşlemleri: Çok boyutlu çıktı için GPML nasıl kullanılır
GPML kullanarak çok boyutlu çıktıda (muhtemelen ilişkili) Gauss Süreci Regresyonu gerçekleştirmenin bir yolu var mı ? In demo komut sadece bir 1D örnek bulabiliriz. Bir benzer soru CV üzerinde çok boyutlu girdinin ele almaktadır durumda. Bir şey bulabileceğimi görmek için kitaplarını inceledim. In 9 bölümde bu kitapta (bölüm 9.1), onlar …

2
Nominal (dikotomatik olmayan) nominal değişken ile sayısal (aralık) veya sıralı değişken arasındaki korelasyon katsayısı
Sorunumun cevabını bulmaya çalışırken bu sitedeki tüm sayfaları zaten okudum ama kimse bana doğru olan gibi görünmüyor ... Öncelikle size birlikte çalıştığım veri türlerini açıklıyorum ... 300 kullanıcının her biri için bir tane olmak üzere çeşitli şehir adlarına sahip bir dizi vektörüm olduğunu varsayalım. Ayrıca her kullanıcının anketine veya her …

5
Çok sayıda veri noktasındaki değerlerin gösterimi nasıl yapılır?
Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

2
Veri kümesi verildiğinde olasılık dağılımını otomatik olarak belirleme
Bir veri kümesi verildi: x <- c(4.9958942,5.9730174,9.8642732,11.5609671,10.1178216,6.6279774,9.2441754,9.9419299,13.4710469,6.0601435,8.2095239,7.9456672,12.7039825,7.4197810,9.5928275,8.2267352,2.8314614,11.5653497,6.0828073,11.3926117,10.5403929,14.9751607,11.7647580,8.2867261,10.0291522,7.7132033,6.3337642,14.6066222,11.3436587,11.2717791,10.8818323,8.0320657,6.7354041,9.1871676,13.4381778,7.4353197,8.9210043,10.2010750,11.9442048,11.0081195,4.3369520,13.2562675,15.9945674,8.7528248,14.4948086,14.3577443,6.7438382,9.1434984,15.4599419,13.1424011,7.0481925,7.4823108,10.5743730,6.4166006,11.8225244,8.9388744,10.3698150,10.3965596,13.5226492,16.0069239,6.1139247,11.0838351,9.1659242,7.9896031,10.7282936,14.2666492,13.6478802,10.6248561,15.3834373,11.5096033,14.5806570,10.7648690,5.3407430,7.7535042,7.1942866,9.8867927,12.7413156,10.8127809,8.1726772,8.3965665) .. Parametrelerin bir tahminiyle en uygun olasılık dağılımını (gama, beta, normal, üstel, poisson, ki-kare, vb.) Belirlemek istiyorum. R kullanarak bir çözümün sağlandığı aşağıdaki bağlantıdaki sorunun zaten farkındayım: /programming/2661402/given-a-set-of-random-numbers-drawn-from-a- sürekli-tek-değişken-dağılım-f en iyi önerilen çözüm şudur: > library(MASS) > fitdistr(x, 't')$loglik #$ > fitdistr(x, 'normal')$loglik …

1
PR için yalnızca bir değere sahip olduğumda Hassas Geri Çağırma eğrisi nasıl oluşturulur?
İçeriğe dayalı görüntü alma sistemi yaptığım veri madenciliği görevim var. 5 hayvandan 20 görüntüm var. Yani toplam 100 görüntü. Sistemim en alakalı 10 görüntüyü giriş görüntüsüne döndürür. Şimdi sistemimin performansını bir Hassas-Geri Çağırma eğrisi ile değerlendirmem gerekiyor. Ancak, Hassas-Geri Çağırma eğrisi kavramını anlamıyorum. Diyelim ki sistemim bir goril görüntüsü için …

2
Ana bileşenlerin sayısını belirlemek için PCA için çapraz doğrulama nasıl yapılır?
Temel bileşen analizi için kendi fonksiyonumu yazmaya çalışıyorum, PCA (tabii ki zaten yazılmış çok şey var ama sadece kendi başıma bir şeyler uygulamakla ilgileniyorum). Karşılaştığım temel sorun çapraz doğrulama adımı ve öngörülen karelerin toplamının (PRESS) hesaplanmasıdır. Hangi çapraz doğrulamayı kullandığım önemli değil, esasen arkasındaki teori ile ilgili bir soru, ancak …

1
Fisher Kesin Testi ve Hipergeometrik Dağılım
Balıkçı testini daha iyi anlamak istedim, bu yüzden f ve m erkek ve kadına karşılık gelen ve n ve y "soda tüketimine" karşılık gelen aşağıdaki oyuncak örneğini tasarladım: > soda_gender f m n 0 5 y 5 0 Açıkçası, bu büyük bir basitleştirme, ama bağlamın önüne geçmesini istemedim. Burada sadece …

5
Bir makine öğrenme problemini prototiplemek için hangi programlama dilini önerirsiniz?
Şu anda Octave'de çalışıyor, ancak belgelerin zayıf olması nedeniyle ilerleme çok yavaş. Hangi dili öğrenmek ve kullanmak kolaydır ve makine öğrenimi sorunlarını çözmek için iyi belgelenmiştir? Ben küçük bir veri kümesi üzerinde prototip (binlerce örnek) arıyorum, bu yüzden hız önemli değil. EDIT: Bir öneri motoru geliştiriyorum. Bu nedenle, Düzenli Doğrusal …

3
Kovaryans matrisi pozitif tanımlı olmadığında faktör analizi nasıl yapılır?
33 değişken (sütun) tarafından açıklanan 717 gözlem (satır) oluşan bir veri kümesi var. Veriler, tüm değişkenlerin z-skorlaması ile standartlaştırılmıştır. Hiçbir iki değişken doğrusal olarak bağımlı değildir ( ). Ayrıca çok düşük varyanslı ( az ) tüm değişkenleri kaldırdım . Aşağıdaki şekilde karşılık gelen korelasyon matrisi gösterilmektedir (mutlak değerlerde).r = 1r=1r=10.10.10.1 …

3
Çapraz onaylı sınıflandırma doğruluğu için güven aralığı
İki giriş x-ray görüntüleri arasında benzerlik metriği hesaplayan bir sınıflandırma sorunu üzerinde çalışıyorum. Görüntüler aynı kişiden geliyorsa ('sağ' etiketi), daha yüksek bir metrik hesaplanır; iki farklı kişinin giriş görüntüleri ('yanlış' etiketi) daha düşük bir metrikle sonuçlanır. Yanlış sınıflandırma olasılığını hesaplamak için tabakalı 10 kat çapraz doğrulama kullandım. Şu anki örnek …

8
Yüksek boyutlu verileri görselleştirme
Yüksek boyutlu uzayda vektör olan iki sınıftan örneklerim var ve bunları 2D veya 3D olarak çizmek istiyorum. Boyut azaltma teknikleri hakkında biliyorum, ama gerçekten basit ve kullanımı kolay bir araç (matlab, python veya önceden oluşturulmuş bir .exe) gerekir. Ayrıca merak ediyorum 2D temsil "anlamlı" olacak? (Örneğin, iki sınıf nasıl kesişebilir …

4
Bir çekirdek yoğunluk tahmininden rastgele bir değeri nasıl çizebilirim?
Bazı gözlemlerim var ve bu gözlemlere dayalı örneklemeyi taklit etmek istiyorum. Burada parametrik olmayan bir modeli göz önünde bulunduruyorum, özellikle, sınırlı gözlemlerden bir CDF tahmin etmek için çekirdek yumuşatma kullanıyorum.Ardından elde edilen CDF'den rastgele değerler çiziyorum.Aşağıdaki kodum, tekdüze dağılım kullanarak olasılık ve olasılık değerine göre CDF'nin tersini almak) x = …

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 

3
Matlab'daki karşılıklı bilgileri kullanarak özellik seçimi
Karşılıklı bilgi fikrini bu ders notlarında (sayfa 5) açıklandığı gibi özellik seçimine uygulamaya çalışıyorum . Platformum Matlab. Ampirik verilerden karşılıklı bilgi hesaplarken bulduğum bir problem, sayının her zaman yukarıya doğru eğimli olmasıdır. Matlab Central'da MI değerini hesaplamak için yaklaşık 3 ~ 4 farklı dosya buldum ve bağımsız rastgele değişkenlerle beslendiğimde …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.