«aic» 태그된 질문

이 질문 / 주제는 동료와의 토론에서 나 왔으며 이것에 대한 의견을 찾고있었습니다. 랜덤 효과 로지스틱 회귀, 더 정확하게는 임의의 가로 채기 로지스틱 회귀를 사용하여 일부 데이터를 모델링하고 있습니다. 고정 효과의 경우 관심있는 9 개의 변수가 있습니다. 중요한 변수를 찾고“최상의”모델을 제공하기 위해 일종의 모델 선택을하고 싶습니다 (주요 효과 만). 첫 번째 …

10 mixed-model  model-selection  aic  glmm  stepwise-regression 

나는 이런 모델을 가지고있다 : require(nlme) set.seed(123) n <- 100 k <- 5 cat <- as.factor(rep(1:k, n)) cat_i <- 1:k # intercept per kategorie x <- rep(1:n, each = k) sigma <- 0.2 alpha <- 0.001 y <- cat_i[cat] + alpha * x + rnorm(n*k, 0, sigma) plot(x, y) m1 …

10 r  mixed-model  aic 

AIC를 사용하여 최상의 모델을 선택하여 혼합 모델 분석을 실행하는 방법에 대한 문헌을 찾으려고 노력한 후 압도적이라고 생각합니다. 내 데이터가 그렇게 복잡하다고 생각하지는 않지만 내가 한 일이 올바른지 확인한 다음 진행 방법에 대한 조언을 찾고 있습니다. REML 또는 ML을 사용해야하는 경우 lme 또는 lmer를 사용 해야하는지, 그중 하나를 사용 해야하는지 확실하지 …

10 r  lme4-nlme  random-effects-model  aic 

예 : 직업 설명에 "영국의 Java Senior Engineer"문장이 있습니다. 나는 2 개 종류로 예측하는 깊은 학습 모델을 사용하려면 : English 와 IT jobs. 기존 분류 모델을 사용하는 경우 softmax마지막 레이어에서 함수가있는 레이블 하나만 예측할 수 있습니다 . 따라서 두 모델 신경망을 사용하여 두 범주 모두에서 "예"/ "아니오"를 예측할 수 있지만 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

ARMA-GARCH와 같은 시계열 모델에서는 적절한 지연 또는 모델 순서를 선택하기 위해 AIC, BIC, SIC 등과 같은 다른 정보 기준이 사용됩니다. 내 질문은 매우 간단합니다. 왜 우리는 조정 된 R2R2R^2 를 사용 하여 적절한 모델을 선택하지 않습니까? 조정 된 R ^ 2 값을 높이는 모델을 선택할 수 있습니다 R2R2R^2. 조정 된 …

9 regression  time-series  model-selection  aic  bic 

로지스틱 모델에 대해 본 AIC의 일반적인 값은 수천, 적어도 수백입니다. 예를 들어 http://www.r-bloggers.com/how-to-perform-a-logistic-regression-in-r/ 에서 AIC는 727.39입니다. AIC는 모델을 비교하기 위해서만 사용해야한다고 항상 말하지만 특정 AIC 값의 의미를 이해하고 싶었습니다. 공식에 따라 I씨= − 2 로그( L ) + (2) KAIC=−2log⁡(L)+2KAIC= -2 \log(L)+ 2K L = MLE 추정기의 최대 우도에서 K는 …

9 regression  model-selection  aic  accuracy 

이 질문 에 대한 답변 에서 모델 선택에 AIC를 사용하는 것은 p- 값 0.154를 사용하는 것과 동일하다고 언급되었습니다. R에서 시도했습니다. 여기서 "뒤로"하위 세트 선택 알고리즘을 사용하여 전체 사양에서 변수를 제거했습니다. 먼저, p- 값이 가장 높은 변수를 순차적으로 버리고 모든 p- 값이 0.154 미만이면 중지하고, 두 번째로, 개선 할 수 없을 …

9 model-selection  p-value  aic 

그래서, 나는 16 개의 시험을 가지고 있는데, 여기에서 Hamming Distance를 사용하여 생체 특성으로부터 사람을 인증하려고합니다. 임계 값이 3.5로 설정되었습니다. 내 데이터는 다음과 같으며 1 번 시험 만 참 긍정입니다. Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 7 0.47 8 0.32 9 0.39 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction