«networks» etiketlenmiş sorular

Ağ teorisini grafik teorisinin bir parçası olarak ifade eder. Sinir ağları ile ilgili sorular için [sinir ağları] etiketimizi kullanın.

8
Mevcut bir değişken (ler) ile tanımlanmış bir korelasyon ile rastgele bir değişken oluşturun
Bir simülasyon çalışması için, mevcut bir değişkenine önceden tanımlanmış (popülasyon) bir korelasyon gösteren rastgele değişkenler oluşturmalıyım .YYY RPaketlere baktım copulave CDVinebelirli bir bağımlılık yapısına sahip rastgele çok değişkenli dağılımlar üretebiliyorum. Bununla birlikte, ortaya çıkan değişkenlerden birini mevcut bir değişkene sabitlemek mümkün değildir. Herhangi bir fikir ve mevcut fonksiyonlara bağlantılar takdir …
8
Topluluk tespitini ağırlıklı bir sosyal ağda / grafikte nasıl yapabilirim?
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, …
4
Lognormal ve güç kanunu dağılımı arasındaki farkı yorumlama (şebeke derece dağılımı)
Öncelikle, istatistikçi değilim. Ancak doktora için istatistiksel ağ analizi yapıyorum. Ağ analizinin bir parçası olarak, ağ derecelerinin Tamamlayıcı Birikimli Dağılım Fonksiyonunu (CCDF) çizdim. Bulduğum şey, geleneksel ağ dağıtımlarından farklı olarak (örneğin WWW), dağıtımın en iyi şekilde lognormal bir dağılıma uymasıydı. Ben bunu bir güç yasasına uymaya çalıştım ve Clauset ve …
4
Uç durumlarda hassaslık ve geri çağırma için doğru değerler nelerdir?
Hassasiyet şu şekilde tanımlanır: p = true positives / (true positives + false positives) Gibi, bu doğru mu true positivesve false positiveshassas 1 yaklaşır yaklaşım 0? Hatırlama için aynı soru: r = true positives / (true positives + false negatives) Şu anda bu değerleri hesaplamam gereken bir istatistiksel test uyguluyorum …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 
2
Negatif olamazsa bağlantı sayısı nasıl Gauss olabilir?
Sosyal ağları analiz ediyorum (sanal değil) ve insanlar arasındaki bağlantıları gözlemliyorum. Bir kişi rastgele bağlanmak için başka bir kişiyi seçerse, bir grup insandaki bağlantı sayısı normal olarak dağıtılır - en azından şu anda okuduğum kitaba göre. Dağılımın Gauss (normal) olduğunu nasıl bilebiliriz? Vb Poisson, Rice, Rayliegh gibi diğer dağılımlar vardır …
2
Etkileşim modellerinde en iyi özellikleri bulma
Özellik değerlerine sahip proteinler listem var. Örnek bir tablo şöyle görünür: ...............Feature1...Feature2...Feature3...Feature4 Protein1 Protein2 Protein3 Protein4 Satırlar proteinlerdir ve sütunlar özelliklerdir. Ayrıca etkileşime giren proteinler listem var; Örneğin Protein3, Protein4 Protein1, Protein2 Protein4, Protein1 Sorun : Bir ön analiz için protein etkileşimlerinde hangi özelliklerin en çok katkıda bulunduğunu bilmek istiyorum. …
3
Newman'ın ağ modülerliği imzalı, ağırlıklı grafikler için çalışıyor mu?
Bir grafiğin modülerliği Wikipedia sayfasında tanımlanır . Bir de farklı bir yazı , biri komşuluk matrisi çünkü bu modüler kolayca ağırlıklı ağlar için hesaplanan (ve maksimize) olabilir açıklandığı hem de değerli bağlarını içerebilir. Bununla birlikte, bunun örneğin -10 ila +10 arasında değişen işaretli, değerli kenarlarla da çalışıp çalışmayacağını bilmek istiyorum. …
2
Gerçek dünyadaki bir ağdaki / grafikteki tüm kenarların istatistiksel olarak şans eseri olması muhtemeldir?
Bu yazıda özetlenen omurga ağ çıkarma yöntemini kullanıyorum: http://www.pnas.org/content/106/16/6483.abstract Temel olarak, yazarlar, grafikteki her kenar için, kenarın tesadüfen gerçekleşmiş olabileceği olasılığını üreten istatistiklere dayanan bir yöntem önermektedir. 0,05'lik tipik istatistiksel anlamlılık kesimini kullanıyorum. Bu yöntemi birkaç gerçek dünya ağına uyguluyorum ve ilginç bir şekilde bazı ağlar önemli derecede kenarsız. Bunun …
2
Ağımın (grafik) “küçük dünya” ağı olup olmadığını istatistiksel olarak nasıl test edebilirim?
Bir küçük dünya ağ en düğümleri birbirine komşu değildir olan matematiksel grafik türüdür, ancak çoğu düğümleri şerbetçiotu veya adımların az sayıda her ulaşılabilir. Özellikle, küçük dünya ağı, rasgele seçilen iki düğüm arasındaki tipik L mesafesinin (gerekli adım sayısı), ağdaki N düğüm sayısının logaritmasına orantılı olarak büyüdüğü bir ağ olarak tanımlanır. …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.