«references» 태그된 질문

어떤 의미에서 이것은 math.stackexchange 에서 얻은 크로스 포스트이며이 사이트가 광범위한 대상을 제공 할 수 있다고 생각합니다. 기계 학습에 대한 수학적 소개를 찾고 있습니다. 특히, 찾을 수있는 많은 문헌은 비교적 부정확하며 많은 페이지가 내용없이 사용됩니다. 그러나 문학에서 시작, 내가 발견 한 코 세라의 앤드류 응, 패턴 인식에 주교의 책과 Smola의 마지막 …

23 machine-learning  references  pac-learning 

나는 대학에서 몇 가지 통계 과정을 밟았지만 내 교육은 이론이 매우 중요하다는 것을 알았습니다. Applied Statistics (응용 통계) (졸업 수준)에 추천하거나 경험이 풍부한 텍스트가 있는지 궁금합니다.

23 regression  references  modeling  experiment-design  application 

저는 응용 수학에 대한 배경 지식이없는 순수한 수학 대학원생입니다. 지난 가을부터 나는 Casella & Berger의 책에서 수업을 들었고,이 책에서 운동 문제의 페이지 수백 (230+)을 마쳤습니다. 지금 나는 10 장에 있습니다. 그러나 통계학을 전공하지 않았거나 통계학자가 될 계획이 없었기 때문에 데이터 분석을 계속 배우기 위해 정기적으로 시간을 투자 할 수는 없다고 …

22 distributions  references  eda 

에서 이 댓글 닉 콕스는 썼다 : 클래스로 비닝은 고대 방법입니다. 히스토그램은 유용 할 수 있지만 최신 통계 소프트웨어를 사용하면 원시 데이터에 분포를 맞추는 것이 쉽고 좋습니다. 비닝은 어느 분포가 그럴듯한지를 결정하는 데 중요한 세부 사항 만 버립니다. 이 의견의 맥락에서 QQ- 플롯을 적합도를 평가하기위한 대체 수단으로 사용하는 것이 좋습니다. …

22 references  histogram  binning  qq-plot 

저는 현재 David Barber의 "Bayesian Reasoning and Machine Learning"을 겪고 있으며 기초 학습을위한 매우 잘 쓰여지고 매력적인 책입니다. 그래서 이미 이것을 한 누군가에게 질문하십시오. 이발사에서 대부분의 개념을 숙달 한 후에해야 할 다음 책은 무엇입니까?

22 machine-learning  bayesian  references  graphical-model 

Mood, Graybill 및 Boes 의 통계 이론 소개 책에서 Neyman-Pearson의 정리 를 읽었습니다 . 그러나 나는 정리를 이해하지 못했습니다. 누구든지 간결한 말을 저에게 설명해 주시겠습니까? 어떤 상태입니까? Neyman-피어슨 보조 정리 : 하자 X1,…,XnX1,…,XnX_1,\ldots,X_n 행 랜덤 샘플 수 f(x;θ)f(x;θ)f(x;\theta) , θθ\theta 두 개의 알려진 값이다 및 및하자 고정.θ0θ0\theta_0θ1θ1\theta_10&lt;α&lt;10&lt;α&lt;10<\alpha<1 하자 양의 상수이어야 …

21 hypothesis-testing  self-study  references  inference  likelihood-ratio 

나는 R을 통해 통계 및 수학 개념을 배우기 위한 소스 (R 코드, R 패키지, 서적, 서적 장, 기사, 링크 등)의 예에 관심이 있습니다 ( 다른 언어를 통해서도 가능하지만 R은 내가 가장 좋아하는 맛입니다). 재료 학습은 알고리즘을 수행하는 코드를 실행하는 방법 만이 아니라 프로그래밍에 의존한다는 것이 문제입니다. 예를 들어 R 이있는 …

21 r  references  mathematical-statistics 

비모수 적 베이지안 (및 관련) 기술에 대해 더 배우고 싶습니다. 저의 배경은 컴퓨터 공학에 있으며 측정 이론이나 확률 이론에 대한 과정을 수강하지는 않았지만 확률과 통계에 대한 공식적인 훈련은 제한적이었습니다. 누구든지 시작하기 위해 이러한 개념에 대한 읽기 쉬운 소개를 추천 할 수 있습니까?

21 probability  bayesian  references  theory 

주성분 분석 (PCA)을 수행 한 후 PCA 공간에 새 벡터를 투영하려고합니다 (즉, PCA 좌표계에서 해당 좌표를 찾습니다). 를 사용하여 R 언어로 PCA를 계산했습니다 prcomp. 이제 내 벡터에 PCA 회전 행렬을 곱할 수 있어야합니다. 이 매트릭스의 주요 구성 요소를 행 또는 열로 배열해야합니까?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Math SE에서이 질문을 참조하십시오 . 짧은 이야기 : 통계 학습의 요소를 읽은 후 와 같이 일부 결과를 확인하려고 할 때 좌절했습니다. 그런 다음 I 전통적인 미적분학 책처럼 쓰여진 행렬 미적분학 책을 찾고 있습니다 (즉, 이론 증명, 예제, 계산 연습 등). 나는 이미이 질문을 보았다RSS ( β) = ( y − …

20 references  matrix  matrix-calculus 

배심원 의무로 소환되었습니다. 나는 배심원 재판과 통계의 관련성을 의식하고 있습니다. 예를 들어, "기본 요율"의 개념과 확률 계산에 대한 적용은 때로는 항상 관련이 있습니다. 내 상황에있는 사람이 어떤 통계적 주제를 유용하게 연구 할 수 있으며, 내 배경을 가진 사람에게 적합한 자료는 무엇입니까? 나는 "하드 과학"학위를 가지고 있기 때문에 통계 지식이 제한되어 …

20 probability  bayesian  references 

계층 적 모델 주어지면 모델 에 맞는 2 단계 프로세스가 필요합니다. 먼저 소수의 하이퍼 파라미터 수정 한 다음 나머지 매개 변수 에 대한 베이지안 추론을 수행하십시오 . 하이퍼 파라미터를 고정시키기 위해 두 가지 옵션을 고려하고 있습니다.θ ϕp ( x | ϕ , θ )p(x|ϕ,θ)p(x|\phi,\theta)θθ\thetaϕϕ\phi 경험적 베이 (EB)를 사용 하고 한계 …

20 cross-validation  references  empirical-bayes 

따라서 이것은 어떤 사이트에도 적합하지 않다고 생각하지만, 데이터를 잘 다루는 형제들 사이에서 여기서 시도해 볼 것이라고 생각했습니다. 나는 생물학에서 역학 및 생물 통계학에 왔으며, 여전히 그 분야의 습관이 있습니다. 그중 하나는 랩 노트북을 유지하는 것입니다. 분석, 생각, 결정, 분석에 관한 생각 등을 문서화하는 데 유용합니다. 한 곳에서 커밋 된 모든 …

20 references  software  eda 

논문에 대한 실험을 진행 중이며 분산 분석 및 ANCOVA의 작동 방식을 올바르게 이해하기위한 흥미로운 책 / 웹 사이트를 찾고 있습니다. 나는 수학 배경이 좋기 때문에 반드시 저속한 설명이 필요하지 않습니다. 또한 ANCOVA 대신 ANOVA를 사용할시기를 결정하는 방법을 알고 싶습니다.

20 anova  references  ancova 

정밀도는 다음과 같이 정의됩니다. p = true positives / (true positives + false positives) 로, 즉를 정확 true positives하고 false positives, 정밀도가 한 접근 방식 0? 리콜에 대한 동일한 질문 : r = true positives / (true positives + false negatives) 현재이 값을 계산 해야하는 통계 테스트를 구현 중이며 때로는 …

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