«dag» 태그된 질문

관심있는 결과가 이분법 인 LASSO Regressionglmnet 과 함께 사용하기 시작했습니다 . 아래에 작은 모의 데이터 프레임을 만들었습니다. age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, 0.91, 0.29, 0.88) …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

두 개의 랜덤 변수 A와 B는 통계적으로 독립적입니다. 이는 프로세스의 DAG에서 및 물론 입니다. 그러나 그것은 B에서 A 로의 정문이 없다는 것을 의미합니까?P ( A | B ) = P ( A )(A⊥⊥B)(A⊥⊥B)(A {\perp\!\!\!\perp} B)P(A|B)=P(A)P(A|B)=P(A)P(A|B)=P(A) 따라서 합니다. 그렇다면, 통계적 독립성은 자동적으로 인과 관계 부족을 의미합니까?P(A|do(B))=P(A)P(A|do(B))=P(A)P(A|do(B))=P(A)

40 independence  causality  bayesian-network  dag 

방향성 비순환 그래프 (DAG; 예를 들어, Greenland, et al, 1999)는 인과 관계 수용소의 반 사실 해석으로부터의 인과 추론의 형식주의의 일부이다. 이 그래프에서 변수에서 화살표의 존재 변수 B는 그 변수 어서 A는 직접 (어떤 위험의 변화) 변수 야기 B , 및 화살표의 부재를 그 변수 어서 를 위험에 직접적 원인 (일부 …

17 interaction  causality  dag 

DAG (Directed acyclic graphs)는 통계적 모델에서 정 성적 인과 가정을 효율적으로 시각적으로 표현한 것으로 일반 악기 변수 방정식 (또는 다른 방정식)을 나타내는 데 사용할 수 있습니까? 그렇다면 어떻게? 그렇지 않다면 왜?

15 causality  instrumental-variables  dag 

자율 학습을위한 책인 확률 그래픽 모델을 공부하고 있습니다. DAG (directed acyclic graph)의 모서리가 인과 관계를 나타 냅니까? 베이지안 네트워크를 만들고 싶지만 화살표의 방향에 대해 잘 모르겠 으면 어떻게해야합니까? 모든 데이터는 상호 연관성이 아니라 관찰 된 상관 관계라는 것을 말해 줄 것입니다. 다음 장에서 이러한 문제를 다룰 것이라고 확신하기 때문에 너무 …

13 causality  graphical-model  bayesian-network  dag 

아래의 인과 관계 그래프 에서 Y 에 대한 의 인과 적 영향을 계산하려면 백도어 조정 및 현관 조정 조정 이론을 모두 사용할 수 있습니다. 즉 P ( y | do ( X = x ) ) = ∑ u P ( y | x , u ) P ( u …

12 self-study  causality  graph-theory  dag 

나는 뒷문 조정과 앞문 조정을 여기에서 언급하고 있습니다 : 백도어 조정 : 통계의 전형적인 역학 문제는 측정 된 혼란 자의 효과를 조정하는 것입니다. Pearl의 백도어 기준은이 아이디어를 일반화합니다. 앞문 조정 : 일부 변수가 관찰되지 않으면 인과 관계 효과를 식별하기 위해 다른 방법을 사용해야 할 수도 있습니다. 이 페이지에는 위의 두 …

12 causality  dag