«risk» etiketlenmiş sorular

Beyan Bir (S1): "80 ölümde bir araba kazasından kaynaklanıyor." İkinci İfade (S2): "80 kişiden biri trafik kazası sonucu öldü." Şimdi, şahsen bu iki ifade arasında hiç bir fark görmüyorum. Yazarken, onları sıra dışı izleyicilerle birbirleriyle değiştirilebileceğini düşünürdüm. Ancak şimdi bu konuda iki kişi tarafından zorlandım ve ek bir bakış açısı …

56 interpretation  risk 

Sorunumu bir örnekle açıklayacağım. Bazı nitelikler verilen bir bireyin gelirini tahmin etmek istediğinizi varsayalım: {Yaş, Cinsiyet, Ülke, Bölge, Şehir}. Bunun gibi bir eğitim veri setine sahipsiniz train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Let kestiricinin Bayes riski ifade eden önceki bakımından , let parametre alanı üzerindeki tüm sabıkası kümesini göstermek ve let kümesi göstermek tüm (muhtemelen rastgele) karar kuralları.δ π Π Θ Δr(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta John von Neumann'ın minimaks eşitsizliğinin istatistiksel yorumu, supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ),supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ), \sup_{\pi\in\Pi} \inf_{\delta\in\Delta} r(\pi, \delta) \leq \inf_{\delta\in\Delta}\sup_{\pi\in\Pi} r(\pi, \delta), \ Theta ve …

12 bayesian  decision-theory  risk 

Tamam - orijinal mesajım yanıt alamadı; soruyu farklı bir şekilde ifade edeyim. Tahmin anlayışımı bir karar teorik perspektifinden açıklayarak başlayacağım. Resmi bir eğitimim yok ve düşüncem bir şekilde kusurlu olursa beni şaşırtmaz. Bazı kayıp fonksiyonlarımız olduğunu varsayalım L ( θ ,θ^( x ) )L(θ,θ^(x))L(\theta,\hat\theta(x)). Beklenen kayıp (sıklık) riskidir: R ( …

10 bias  loss-functions  frequentist  decision-theory  risk