«multivariate-analysis» 태그된 질문

참고 : 한 달 후 더 정확한 답변을, 나는에 재 게시 한 SO 배경 모델 . 여기서 Y = f ( X )fffY=f(X)Y=f(X)Y=f(\textbf{X}) 는 m 개의 매개 변수에서 추출한 샘플의 n × m 행렬이고 Y 는모형 출력의 n × 1 벡터입니다.XX\textbf{X}n×mn×mn \times mmmmYYYn×1n×1n \times 1 는 계산 집약적이므로 ( X …

17 r  multivariate-analysis  splines  interpolation  gaussian-process 

29 번째 시간 단위에 대해 다음 4 가지 변수를 예측해야합니다. 대략 2 년 분량의 기록 데이터가 있으며 여기서 1과 14와 27은 모두 같은 기간 (또는 연도)입니다. 결국, 나는 , w d , w c 및 p 에서 Oaxaca-Blinder 스타일 분해를 하고 있습니다.여여W승 d승디wd승 c승씨wc피피p 있습니다. time W wd wc p …

16 time-series  forecasting  multivariate-analysis  var 

판별 분석에 대한 전문가를 찾았으며 이에 대한 질문이 있습니다. 그래서: 클래스가 잘 분리되면 로지스틱 회귀에 대한 모수 추정값이 놀랍게 불안정합니다. 계수가 무한대로 될 수 있습니다. LDA는이 문제로 고통받지 않습니다. 피처 수가 적고 예측 변수 의 분포가 각 클래스에서 대략 정규이면 선형 판별 모델은 로지스틱 회귀 모델보다 더 안정적입니다.엑스엑스X 안정성이란 무엇이며 …

16 regression  logistic  multivariate-analysis  discriminant-analysis 

정식 상관 분석 (CCA)은 두 데이터 세트의 선형 조합에 대한 일반적인 Pearson 곱-모멘트 상관 (즉, 선형 상관 계수)을 최대화하는 것을 목표로합니다. 이제이 상관 계수가 선형 연관 만 측정한다는 사실을 고려하십시오. 이것이 우리가 예를 들어 Spearman- ρρ\rho 또는 Kendall- ττ\tau (순위) 상관 계수를 사용하는 이유이기도합니다. 변수 사이의 연결. 따라서 CCA의 한 …

15 multivariate-analysis  data-transformation  spearman-rho  kendall-tau  canonical-correlation 

내가 묻고 싶은 질문은 이것입니다 : 정규 분포 평균의 1 SD 내의 샘플 비율은 변이 수가 증가함에 따라 어떻게 변합니까? (거의) 모든 사람들은 1 차원 정규 분포에서 표본의 68 %가 평균의 1 표준 편차 내에서 발견 될 수 있다는 것을 알고 있습니다. 2, 3, 4, ... 치수는 어떻습니까? 나는 그것이 …

15 normal-distribution  multivariate-analysis 

나는 일반적인 SVD에 관한 Hervé Abdi 의 기사를 보았습니다 . 저자는 언급했다 : 일반화 된 SVD (GSVD)는 직사각형 행렬을 분해하고 행렬의 행과 열에 부과 된 제약 조건을 고려합니다. GSVD는 하위 행렬로 주어진 행렬의 가중 일반화 된 최소 제곱 추정값을 제공하므로, 적절한 제약 조건을 선택하여 GSVD는 모든 선형 다변량 기법 (예 …

15 multivariate-analysis  svd 

닫은. 이 질문은 주제에 맞지 않습니다 . 현재 답변을받지 않습니다. 이 질문을 개선하고 싶습니까? 교차 검증에 대한 주제가 되도록 질문을 업데이트하십시오 . 휴일 2 년 전 . 누군가가 마련 수 R의 고유 값으로부터 타원과 같은 행렬의 고유 벡터 플롯 코드 A = ( 2.20.40.42.8)ㅏ=(2.20.40.42.8) \mathbf{A} = \left( \begin{array} {cc} 2.2 …

15 r  multivariate-analysis  matrix  matrix-decomposition 

직장에서 가지고있는 연구 질문을 단순화하고 있습니다. 내가 5 개의 동전을 가지고 있고 머리를 성공적으로 부르 자고 상상해보십시오. 이들은 성공 확률 p = 0.1 인 매우 편향된 동전입니다. 이제 동전이 독립적이라면 적어도 1 머리 이상 확률을 얻는 것은 매우 간단합니다. . 내 시나리오에서 Bernoulli 시험 (코인 토스)은 독립적이지 않습니다. 내가 액세스 …

15 multivariate-analysis  bernoulli-distribution  copula 

상관 된 비정규 데이터를 생성하는 방법을 찾는 데 관심이 있습니다. 따라서 공분산 (또는 상관) 행렬을 모수로 사용하고 근사치에 가까운 데이터를 생성하는 분포가 이상적입니다. 그러나 여기에 캐치가 있습니다. 제가 찾고자하는 방법은 다변량 왜도 및 / 또는 첨도를 제어 할 수있는 유연성을 가져야합니다. 나는 익숙한 Fleishman의 방법과 정규 변량의 거듭 제곱 방법의 …

14 multivariate-analysis  references  random-generation  skewness  copula 

작업을 수행하는 사람 일 때 수행중인 작업을 알고 있으면 모델에 과적 합한 시점에 대한 감각이 생깁니다. 우선, 모델의 조정 된 R 제곱에서 추세 또는 악화를 추적 할 수 있습니다. 주요 변수의 회귀 계수 p 값에서 유사한 저하를 추적 할 수도 있습니다. 그러나 다른 사람의 연구를 읽고 자신의 내부 모델 개발 …

14 regression  multivariate-analysis  overfitting 

나는 최근에 이변 량 포아송 분포를 만났지만, 그것이 어떻게 도출 될 수 있는지에 대해 약간 혼란스러워했다. 배포판은 다음과 같이 제공됩니다. P(X=x,Y=y)=e−(θ1+θ2+θ0)θx1x!θy2y!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP(X=x,Y=y)=e−(θ1+θ2+θ0)θ1xx!θ2yy!∑i=0min(x,y)(xi)(yi)i!(θ0θ1θ2)iP(X = x, Y = y) = e^{-(\theta_{1}+\theta_{2}+\theta_{0})} \displaystyle\frac{\theta_{1}^{x}}{x!}\frac{\theta_{2}^{y}}{y!} \sum_{i=0}^{min(x,y)}\binom{x}{i}\binom{y}{i}i!\left(\frac{\theta_{0}}{\theta_{1}\theta_{2}}\right)^{i} 내가 수집 할 수있는 항은 와 사이의 상관 관계의 척도입니다 . 그러므로 와 가 독립적 일 때 , 이고 분포는 …

14 distributions  mathematical-statistics  multivariate-analysis  poisson-distribution  proof 

짧은 버전 : 연속 분포에서 샘플링 된 다차원 데이터 세트의 모드를 추정하는 가장 계산 효율적인 방법은 무엇입니까? 긴 버전 : 모드를 추정 해야하는 데이터 세트가 있습니다. 이 모드는 평균 또는 중앙값과 일치하지 않습니다. 샘플은 다음과 같습니다. 2D 예이지만 ND 솔루션이 더 좋습니다. 현재 내 방법은 원하는 모드의 해상도와 동일한 그리드에서 …

14 estimation  multivariate-analysis  continuous-data  mode 

나는 현재 우리가 작은 데이터 세트를 가지고 있고 결과에 대한 치료의 인과 관계 영향에 관심이있는 문제에 대해 연구하고 있습니다. 고문은 각 예측 변수에 대해 일 변량 회귀 분석을 수행하고 결과를 반응으로, 처리 할당을 반응으로 수행하도록 지시했습니다. 즉, 한 번에 하나의 변수로 회귀를 맞추고 결과 테이블을 만들어야합니다. 나는 "우리가 왜 이것을해야합니까?"라고 …

13 regression  multivariate-analysis  model-selection  causality  univariate 

I는 N 변량의 이벤트의 확률에 대한 수식을 필요 베르누이 분포 주어와 확률 단일 요소 및 요소의 쌍 입니다. 마찬가지로 나는 평균과 공분산을 줄 수 있습니다. P ( X i = 1 ) = p i P ( X i = 1 ∧ X j = 1 ) = p i …

13 multivariate-analysis  discrete-data 

특이 값 감소 기술로 특이 값 분해를 사용하고 있습니다. N차원이 주어진 벡터는 D상관 관계가없는 차원으로 변환 된 공간의 특징을 나타내며,이 공간의 고유 벡터에있는 데이터 정보의 대부분을 중요도가 감소하는 순서로 요약합니다. 이제이 절차를 시계열 데이터에 적용하려고합니다. 문제는 모든 시퀀스의 길이가 같지 않기 때문에 실제로 num-by-dim행렬을 만들고 SVD를 적용 할 수 없다는 …

13 time-series  machine-learning  pca  data-transformation  multivariate-analysis