«kernel-smoothing» 태그된 질문

시계열 분석 영역에서 장기 분산은 어떻게 정의됩니까? 데이터에 상관 관계 구조가있는 경우에 사용된다는 것을 알고 있습니다. 따라서 확률 론적 과정은 iid 임의 변수가 아니라 동일하게 분포 된 것입니까?X1,X2…X1,X2…X_1, X_2 \dots 개념에 대한 소개 및 추정과 관련된 어려움으로 표준 참조를 할 수 있습니까?

13 time-series  variance  references  kernel-smoothing  non-independent 

나는 단지 하나의 차원 밀도 추정값을 생성하는 깔끔한 (필수는 아니지만) 방법을 생각했으며 내 질문은 다음과 같습니다. 이 밀도 추정 방법에는 이름이 있습니까? 그렇지 않다면, 그것은 문헌에서 다른 방법의 특별한 경우입니까? 방법은 다음과 같습니다. 우리는 벡터 가지고 있는데 우리가 추정하고자하는 알려지지 않은 분포에서 나온 것으로 가정합니다. 이를 수행하는 방법은 에서 가능한 …

12 r  estimation  nonparametric  pdf  kernel-smoothing 

1 차원 데이터를 시각화 할 때 커널 밀도 추정 기법을 사용하여 잘못 선택된 빈 너비를 설명하는 것이 일반적입니다. 1 차원 데이터 셋에 측정 불확실성이있는 경우이 정보를 통합하는 표준 방법이 있습니까? 예를 들어 (내 이해가 순진한 경우 용서) KDE는 관측치의 델타 함수로 가우시안 프로파일을 구성합니다. 이 Gaussian 커널은 각 위치간에 공유되지만 …

12 uncertainty  kde  kernel-smoothing 

클러스터링 문제를 해결하기 위해 Bayes를 사용하고 있습니다. 몇 가지 계산을 한 후 두 확률의 비율을 구해야합니다. P(A)/P(B)P(A)/P(B)P(A)/P(B) 를 얻을 수 있습니다 . 이 확률은 이 답변 에서 설명한 것처럼 두 개의 다른 2D 다변량 KDE를 통합하여 얻습니다 .P(H|D)P(H|D)P(H|D) P ( B ) = ∬ X , Y : g ( …

12 probability  bayesian  maximum-likelihood  kernel-smoothing 

아무도이 길을 따라 가고 싶어하는 경우에 대비 하여이 질문 에서 왔습니다 . 기본적으로 나는 각 객체에 주어진 수의 측정 값이 붙어있는 N 개의 객체 로 구성된 데이터 세트 을 가지고 있습니다 (이 경우 2 개).ΩΩ\OmegaNNN Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] I는 확률을 결정하는 방법이 필요 새로운 …

12 probability  maximum-likelihood  kernel-smoothing  numerical-integration 

모드 (일반적으로)의 신뢰 구간 계산에 대한 참조를 찾고 있습니다. 부트 스트랩은 당연한 첫 번째 선택 인 것처럼 보이지만 Romano (1988)에서 논의한 것처럼 표준 부트 스트랩은 모드에 실패하고 간단한 솔루션을 제공하지 않습니다. 이 논문 이후로 어떤 변화가 있었습니까? 모드의 신뢰 구간을 계산하는 가장 좋은 방법은 무엇입니까? 최고의 부트 스트랩 기반 접근 …

11 confidence-interval  bootstrap  kernel-smoothing  mode 

데이터 세트의 (첫 번째) 순간을 추정 할 수 있고 밀도 함수의 추정을 생성하는 데 사용하려는 상황이 있습니다.kkk 나는 이미 Pearson 분포를 겪었 지만 처음 4 개 순간에만 의존한다는 것을 깨달았습니다 (가능한 순간 조합에 대한 제한이 있음). 또한 더 많은 가정을 사용하지 않을 때 유한 모멘트 집합이 특정 분포를 "막아 내기"에 …

11 pdf  kernel-smoothing  moments 

위도 및 경도 좌표 목록에서 2d 커널 밀도 추정값 (kde)을 계산해야합니다. 그러나 위도의 1 도는 경도의 1 도와 같은 거리가 아닙니다. 이는 개별 커널이 타원, 특히 적도에서 멀어 질수록 타원이된다는 것을 의미합니다. 제 경우에는 포인트가 모두 서로 가깝게 배치되어 평평한 지구로 변환하면 많은 문제가 발생하지 않습니다. 그러나 이것이 사실이 아닌 …

11 spatial  kernel-smoothing  geostatistics  geography 

몇 가지 관측치가 있으며이 관측치를 기반으로 샘플링을 모방하고 싶습니다. 여기서는 비모수 적 모델, 특히 커널 평활화를 사용하여 제한된 관측치에서 CDF를 추정합니다. 그런 다음 얻은 CDF에서 무작위로 값을 그립니다. 다음은 내 코드입니다. (아이디어는 무작위로 누적됩니다. 균일 분포를 사용한 확률, 확률 값과 관련하여 CDF의 역수를 취함) x = [randn(100, 1); rand(100, 1)+4; …

10 sampling  matlab  kernel-smoothing  density-estimation 

보자{ x1, … , x엔}{엑스1,…,엑스엔}\{x_1,\ldots,x_N\} 관측 알 수없는 (그러나 확실히 비대칭) 확률 분포에서 얻을 수. KDE 접근법을 사용하여 확률 분포를 찾고 싶습니다. 그러나 가우시안 커널을 사용하려고했지만 대칭이기 때문에 성능이 . 따라서 감마 및 베타 커널에 대한 일부 작업이 릴리스되었지만 작동 방법을 이해하지 못했습니다.에프^( x ) = 1엔h∑나는 = 1엔케이( x …

10 probability  distributions  pdf  kernel-smoothing 

R에 일부 데이터가 있고 목록에 저장되어 있습니다. 생각한다 d <- c(1,2,3,4) 이것은 내 데이터가 아니지만. 그런 다음 명령을 입력하면 plot(density(d, kernel="gaussian", width=1)) 그런 다음 커널이 표준 표준 인 커널 확률 밀도 추정치를 얻습니다. 1을 다른 숫자로 바꾸면 그림이 바뀝니다. 내가하고 싶은 것은 각 프레임이 플롯 인 비디오 또는 애니메이션을 만드는 …

10 r  kernel-smoothing 

N 차원에서 가중치 포인트 세트 (즉, 각 샘플이 필요하지 않은 가중치를 가짐)로 일부 커널 밀도 추정을 수행하고 있습니다. 또한 이러한 샘플은 미터법 공간에 있습니다 (즉, 샘플 간 거리를 정의 할 수 있음). 예를 들어, 샘플 포인트의 평균, 표준 편차 또는 다른 변수와 비교하여 하나의 변수를 스케일 할 수 없습니다. 커널은이 …

10 pdf  smoothing  kernel-smoothing 

랜덤 푸리에 기능은 커널 기능에 대한 근사치를 제공합니다. SVM 및 Gaussian 프로세스와 같은 다양한 커널 방법에 사용됩니다. 오늘은 TensorFlow 구현을 사용해 보았고 기능의 절반에 대해 음수 값을 얻었습니다. 내가 알기로는 이런 일이 일어나지 않아야합니다. 그래서 나는 원래의 논문으로 되돌아갔습니다. 예상했던 것처럼 기능이 [0,1]에 있어야한다고 말합니다. 그러나 그 설명 (아래 강조 …

10 machine-learning  kernel-smoothing  feature-construction  tensorflow  fourier-transform 

내가 본 것보다 낫다고 생각하는 아이디어를 테스트하고 싶습니다. 나는 틀릴 수 있지만 내 아이디어를 테스트하고 더 확실한 관찰로 내 의심을 없애고 싶습니다. 내가 생각한 것은 다음과 같습니다. 분포 세트를 분석적으로 정의합니다. 이들 중 일부는 가우시안, 유니폼 또는 Tophat와 같은 쉬운 것입니다. 그러나 이들 중 일부는 심슨 분포와 같이 어렵고 도전적이어야합니다. …

10 hypothesis-testing  estimation  pdf  kernel-smoothing  model-evaluation 

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