«resampling» 태그된 질문

R을 사용하여 내 컨텍스트에서 다른 리샘플링 방법 (Monte Carlo 시뮬레이션, 파라 메트릭 부트 스트랩, 비 파라 메트릭 부트 스트랩, 잭 나이 핑, 교차 유효성 검사, 무작위 테스트 및 순열 테스트)과 그 구현의 차이점을 이해하려고합니다 . 다음과 같은 상황이 있다고 가정합니다. Y 변수 ( Yvar) 및 X 변수 ( Xvar) 를 …

73 r  bootstrap  resampling  jackknife  permutation-test 

이 질문은 결정적인 대답을 얻기에는 너무 개방적 일 수 있지만, 그렇지 않을 수 있습니다. SVM, GBM, 랜덤 포레스트 등과 같은 머신 러닝 알고리즘은 일반적으로 일부 경험 법칙을 넘어서 각 데이터 세트에 맞게 조정해야하는 자유 매개 변수를 갖습니다. 이것은 일반적으로 최상의 일반화 오류를 제공하는 매개 변수 세트에 맞추기 위해 일종의 리샘플링 …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

최근에 부트 스트랩을 연구 한 결과, 여전히 퍼즐 문제가 있습니다. 모집단이 있고 모집단 속성 (예 : 을 알고 싶습니다 . 여기서 를 사용 하여 모집단을 나타냅니다. 이 는 예를 들어 인구 평균 일 수 있습니다. 일반적으로 모집단에서 모든 데이터를 얻을 수는 없습니다. 따라서 크기가 표본 를 그립니다.P θ Xθ=g(P)θ=g(P)\theta=g(P)PPPθθ\thetaXXXNNN모집단에서 N …

29 bootstrap  simulation  resampling 

응답 클래스의 균형이 맞지 않을 때 특히 계층화 된 교차 유효성 검사를 사용하는 것이 좋습니다. 교차 검증의 한 가지 목적이 원래의 훈련 데이터 샘플의 무작위성을 설명하는 데 도움이되는 경우, 원래 훈련 세트에 대표 클래스 분포가 있는지 확실하지 않은 한 각 배에 동일한 클래스 분포를 갖는 것은 이것에 대해 작동하는 것입니다. …

28 cross-validation  resampling  stratification 

순열 테스트에는 가정이 없다고 종종 언급되지만 이는 사실이 아닙니다. 예를 들어 내 샘플이 어떻게 든 상관 관계가 있다면 레이블을 바꾸는 것이 올바른 방법이 아니라고 상상할 수 있습니다. 이 문제에 대해 내가 찾은 유일한 것은 위키피디아의이 문장입니다. "순열 테스트 뒤에 중요한 가정은 관측 값이 귀무 가설 하에서 교환 가능하다는 것입니다." 이해가 …

22 hypothesis-testing  permutation-test  resampling 

caret다양한 모델링 절차를 테스트하기 위해 R 의 라이브러리 를 사용하고 있습니다 . trainControl목적 하나는 리샘플링 방법을 지정할 수있다. 방법이 설명되어 문서의 섹션 2.3을 포함한다 : boot, boot632, cv, LOOCV, LGOCV, repeatedcv와 oob. 이들 중 일부는 추론하기 쉽지만 이러한 방법 중 일부가 명확하게 정의되어 있지는 않습니다. 이러한 리샘플링 방법에 해당하는 절차는 …

20 r  resampling  caret 

심각하게 불균형 한 데이터를 작업 중입니다. 문헌에서, 리샘플링 (과다 또는 과소 샘플링)을 사용하여 데이터를 재조정하기 위해 여러 방법이 사용됩니다. 두 가지 좋은 접근 방식은 다음과 같습니다. SMOTE : 합성 소수 오버 샘플링 TEchnique ( SMOTE ) ADASYN : 불균형 학습을위한 적응 형 합성 샘플링 접근법 ( ADASYN ) ADASYN은 적응성이 …

18 classification  dataset  resampling  unbalanced-classes  oversampling 

샘플링이 IID (독립적이고 동일하게 분배 됨)인지 어떻게 테스트하거나 확인 하시겠습니까? 나는 가우시안과 동일하게 분산 된 것이 아니라 IID만을 의미합니다. 그리고 내 생각은 아이디어를 동일한 크기의 두 개의 하위 샘플로 반복해서 분할하고 Kolmogorov-Smirnov 테스트를 수행하고 p- 값의 분포가 균일한지 확인하는 것입니다. 이 접근법에 대한 의견과 제안은 환영합니다. 현상금 시작 후 설명 …

16 hypothesis-testing  independence  kolmogorov-smirnov  resampling  iid 

"부트 스트랩 유효성 검사"/ "리샘플링 교차 유효성 검사"는 처음이지만 이 질문 에 대한 답변으로 논의되었습니다 . 시뮬레이션 데이터의 크기가 실제 데이터와 동일한 크기가 될 때까지 대체로 리샘플링하여 주어진 시뮬레이션 데이터 세트가 실제 데이터에서 생성되는 실제 데이터와 시뮬레이션 데이터의 두 가지 유형의 데이터를 수집합니다. 이러한 데이터 유형을 사용하는 두 가지 접근법을 …

15 cross-validation  bootstrap  validation  resampling 

나는 단지 당신의 견해로는 부트 스트랩에 대한 최고의 책을 묻고 싶었습니다. 이것으로 반드시 개발자가 작성한 것을 의미하지는 않습니다. 다음 기준을 충족하는 부트 스트랩에 가장 적합한 교과서를 표시 할 수 있습니까? 적용 가능성, 강점 및 약점, 모델 선택의 중요성을 기술하는 기술에 대한 철학적 / 인식 론적 근거? 구현, 철학적 토대, 바람직하게는 …

14 sampling  model-selection  bootstrap  references  resampling 

최근에 시계열을 다시 샘플링하는 방법을 찾고있었습니다. 긴 메모리 프로세스의 자동 상관을 거의 유지합니다. 관측 영역을 유지합니다 (예 : 다시 샘플링 된 일련의 정수는 여전히 일련의 정수입니다). 필요한 경우 일부 스케일에만 영향을 줄 수 있습니다. 길이 시계열에 대해 다음 순열 체계를 생각해 냈습니다 .2N2N2^N 빈 연속 관측의 쌍에 의해 시계열 (가 …

14 time-series  bootstrap  resampling  permutation-test 

당신이하고있는 모든 것이 경험적 분포로부터 리샘플링하는 것이라면, 왜 경험적 분포를 연구하지 않습니까? 예를 들어 반복 샘플링으로 변동성을 연구하는 대신, 경험적 분포에서 변동성을 정량화하지 않는 이유는 무엇입니까?

13 machine-learning  mathematical-statistics  sampling  bootstrap  resampling 

표본 평균의 분포를 근사하는 방법에 대해 읽을 때 비모수 적 부트 스트랩 방법을 사용했습니다. 분명히 의 분포에 의해 의 분포를 근사 할 수 있습니다 . 여기서 는 표본 평균을 나타냅니다. 부트 스트랩 샘플. ˉ X ∗ n − ˉ X n ˉ X ∗ n엑스¯엔− μX¯n−μ\bar{X}_n-\mu엑스¯※엔− X¯엔X¯n∗−X¯n\bar{X}_n^*-\bar{X}_n엑스¯※엔X¯n∗\bar{X}_n^* 내 질문은 : …

13 distributions  bootstrap  resampling  centering 

부트 스트랩 CI (및 Barticular의 BCa)가 정규 분포 데이터에서 어떻게 수행되는지 궁금합니다. 다양한 유형의 분포에서 성능을 검사하는 작업이 많지만 정규 분포 데이터에서 아무것도 찾을 수 없습니다. 먼저 공부해야 할 것이 분명해 보이므로 논문이 너무 오래되었다고 생각합니다. R 부트 패키지를 사용하여 Monte Carlo 시뮬레이션을 수행하고 부트 스트랩 CI가 정확한 CI와 일치하는 …

12 confidence-interval  bootstrap  normality-assumption  resampling 

데이터 세트가 매우 커서 약 5 %의 임의 값이 없습니다. 이 변수들은 서로 상관되어 있습니다. 다음 예제 R 데이터 세트는 더미 상관 데이터가있는 장난감 예제 일뿐입니다. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf