«normalization» etiketlenmiş sorular

Belirli bir veri kümesi için, yayılma genellikle standart sapma veya IQR (çeyrekler arası aralık) olarak hesaplanır. A standard deviationnormalleştiğinde (z-skorları vb.) Ve bu nedenle iki farklı popülasyondan yayılımı karşılaştırmak için kullanılabilirken, iki farklı popülasyondan alınan numunelerin oldukça farklı iki ölçekte değerleri olabileceğinden, bu IQR için geçerli değildir, e.g. Pop A: …

12 nonparametric  mathematical-statistics  standard-deviation  descriptive-statistics  normalization 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Sırt ve kement regresyonu için özellikleri standartlaştırmanın yaygın bir uygulama olduğunun farkındayım, ancak bu regresyon yöntemleri için z skor standardizasyonuna alternatif olarak (0,1) ölçeğindeki özellikleri normalleştirmek daha pratik olur muydu?

11 normalization  lasso  standardization  ridge-regression 

L1L1L_1AAAb⃗ b→\vec{b} λ > 0 A → b λ → xfA , b⃗ ( x⃗ ) = ∥ A x⃗ - b⃗ ∥22+ λ ∥ x⃗ ∥1fA,b→(x→)=‖Ax→−b→‖22+λ‖x→‖1f_{A,\vec{b}}(\vec{x})=\|A\vec{x}-\vec{b}\|_2^2+\lambda\|\vec{x}\|_1λ > 0λ>0\lambda>0birAAb⃗ b→\vec{b}λλ\lambdax⃗ x→\vec{x} Ancak, değerini girişlerinin pozitif ve eşit olması , teriminin herhangi bir etkisi olmaz (çünkü fiat tarafından). Bu durumda ortaya …

10 regression  matrix  normalization  regularization  sparse 

Bu sadece birkaç kez karşılaştığım bir örnektir, bu yüzden örnek verilerim yok. R'de doğrusal regresyon modeli çalıştırmak: a.lm = lm(Y ~ x1 + x2) x1sürekli bir değişkendir. x2kategoriktir ve üç değeri vardır, örneğin "Düşük", "Orta" ve "Yüksek". Bununla birlikte, R tarafından verilen çıktı aşağıdaki gibi olacaktır: summary(a.lm) Estimate Std. Error …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

İkiden fazla normalleştirme olduğunu biliyorum. Örneğin, 1- Verileri z-skoru veya t-skoru ile dönüştürme. Buna genellikle standardizasyon denir. 2- Verileri 0 ile 1 arasında olacak şekilde yeniden ölçeklendirme. Şimdi normalleştirmeye ihtiyacım olursa soru KNN ile hangi tip normalleştirme kullanılmalıdır? ve neden?

9 machine-learning  normalization  standardization  k-nearest-neighbour 

Göre LeCun ve arkadaşları (1998) tarafından "Etkin Backprop" bunların ikinci türev en aralığında yaklaşık 0 ve yalan merkezli şekilde tüm girdilerin normalleştirmek için iyi bir uygulamadır. Örneğin, "Tanh" işlevi için [-0.5,0.5] kullanırdık. Bu, Hessian daha istikrarlı hale geldiğinden geri yayılmanın ilerlemesine yardımcı olmak içindir. Bununla birlikte, max (0, x) olan …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling 

Boyutsallık azalması (veya PCA yoluyla boyutsallık azalmasından sonra dönüşüm) için çok sınıflı bir Lineer Diskriminant Analizi (veya bazen Birden Çok Diskriminant Analizi de okurum) kullanılıyorsa, genel olarak bir "Z skoru normalizasyonu" (veya standardizasyonu) özellikler tamamen farklı ölçeklerde ölçülseler bile gerekli değil mi? LDA, halihazırda normalleştirilmiş Öklid mesafelerini ima eden Mahalanobis …

9 classification  data-transformation  normalization  standardization  discriminant-analysis 

Doğrusal bir regresyon modelini öğrenmeye çalışıyorum. Ancak, verilerin normalleştirilmesi ile ilgili bazı karışıklıklarım var. Özellikleri / yordayıcıları sıfır ortalama ve birim varyansına normalleştirdim. Hedef için de aynısını yapmam gerekiyor mu? Öyleyse neden?

9 regression  multiple-regression  normalization 

Bir "sorgu" ve bir "şablon" eğrisi maç ve şimdiye kadar makul bir başarı elde etmek için Dinamik Zaman Çözgü kullanıyorum, ama bazı temel soruları var: DTW sonucunun sezgisel olarak bulduğum bir eşik değerden daha düşük olup olmadığını değerlendirerek bir "maç" ı değerlendiriyorum. DTW kullanarak bir “eşleşme” belirlemenin genel yaklaşımı bu …

9 time-series  normalization  functional-data-analysis 

Birçok konu tarafından giyilen çoklu sensörler ile toplanan ivmeölçer verileri büyük bir set ile çalışıyorum. Ne yazık ki, buradaki hiç kimse cihazların teknik özelliklerini bilmiyor gibi görünüyor ve bunların yeniden kalibre edildiğini düşünmüyorum. Cihazlar hakkında çok fazla bilgim yok. Yüksek lisans tezim üzerinde çalışıyorum, ivmeölçerler başka bir üniversiteden ödünç alındı …

9 normalization  signal-processing 

Bu makaleden aşağıdaki greftler alınmıştır . Ben bootstrap için acemi ve R bootpaket ile doğrusal karışık model için parametrik, yarı parametrik ve parametrik olmayan bootstrapping bootstrapping uygulamaya çalışıyorum . R Kodu İşte benim Rkod: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Daha sonra bazı boyutsal küçültme tekniklerini uygulamak için birkaç nokta işleminde (veya bir işaretli nokta işleminde) kuadrat sayımı analizi yapmak istiyorum. İşaretler aynı şekilde dağılmaz, yani bazı işaretler oldukça sık görülür ve bazıları oldukça nadirdir. Bu nedenle, 2B alanımı normal bir ızgarada bölemiyorum, çünkü daha sık işaretler, daha az sık …

9 multivariate-analysis  normalization  ecology  point-process