«terminology» etiketlenmiş sorular

İstatistikte belirli teknik kelimelerin / kavramların kullanımı ve anlamı.

2
Neden istatistiklerde ve ML’de “çekirdek” ismi var?
Bu, işletim sistemleri ve lineer cebir bağlamındaki diğer SE sitelerinde de sorulmuştu, fakat aynı soru beni istatistiklerde ve makine öğreniminde kullanılan çekirdek yöntemleri ile ilgili rahatsız ediyor. Çoğunlukla, örneğin çekirdek yoğunluğu kestirimi veya SVM'lerde, çekirdeklerin bir tür benzerliği temsil ettiği söylenir, ancak 'çekirdek' adının nereden geldiğini ve sembolizminin ne olduğunu …
2
Bu ayrık dağılımın bir adı var mı?
Bu ayrık dağılımın bir adı var mı? İçini∈1...Ni∈1...Ni \in 1...N f(i)=1N∑Nj=i1jf(i)=1N∑j=iN1jf(i) = \frac{1}{N} \sum_{j = i}^N \frac{1}{j} Bu dağılıma aşağıdakilerden rastladım: Bazı faydalı işlevlere göre sıralanmış öğelerinin bir listesine sahibim . Rastgele bir listeyi seçmek istiyorum, listenin başlangıcına doğru eğilimliyim. Bu yüzden ilk önce 1 ile arasında eşit bir indisi …
6
Tanımlayıcı ve çıkarımsal istatistik arasındaki fark nedir?
Anladığım kadarıyla tanımlayıcı istatistikler, bir veri örneğinin özelliklerini nicel olarak tanımlarken, çıkarımsal istatistikler örneklerin alındığı popülasyonlar hakkında çıkarımlar yaptı. Ancak, istatistiksel çıkarım için wikipedia sayfası şöyledir : Çoğunlukla, istatistiksel çıkarım, bir grup rastgele örneklemeyle ilgi popülasyonundan elde edilen verileri kullanarak, popülasyonlar hakkında önerilerde bulunur. “Çoğunlukla”, bu kavramları belki de doğru …
4
Herkes “rastgele değişkenlerin toplamı” kavramını açıklığa kavuşturabilir mi?
Olasılık sınıfımda "rastgele değişkenlerin toplamı" terimleri sürekli olarak kullanılmaktadır. Ancak, bunun tam olarak ne anlama geldiğini bilmiyorum? Rastgele bir değişkenden bir grup gerçekleşmenin toplamından mı bahsediyoruz? Öyleyse, bu tek bir sayı eklemiyor mu? Rasgele değişken gerçekleşmelerinin toplamı bizi nasıl bir dağılıma veya herhangi bir tür cdf / pdf / fonksiyona …
4
Öğrenme ve çıkarım arasındaki fark nedir?
Makine öğrenimi araştırma makaleleri genellikle öğrenmeyi ve çıkarımları iki ayrı görev olarak ele alır, ancak bana göre bu ayrımın ne olduğu açık değildir. Örneğin bu kitapta her iki görev için Bayesci istatistik kullanıyorlar, ancak bu ayrım için bir motivasyon sağlamıyorlar. Ne hakkında olabileceğine dair bazı belirsiz fikirlerim var, ancak sağlam …
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 
4
Bir model verilere uyuyor mu veya veriler bir modele uyuyor mu?
Bir modeli verilere uydurmak ve verileri modele uydurmak arasında kavramsal veya prosedürel bir fark var mı? İlk ifadeler bir örneği görülebilir https://courses.washington.edu/matlab1/ModelFitting.html , ve ikinci https://reference.wolfram.com/applications/eda/FittingDataToLinearModelsByLeast-SquaresTechniques.html .
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.