Questions tagged «matlab»

我有使用MATLAB函数使用组数据（观察到）计算的相关矩阵。PPP(n×n)(n×n)(n \times n)PPP(m×n)(m×n)(m \times n)corrcoef 如何相互比较和分析这些相关矩阵？PPP 有哪些测试，方法和/或检查点？

10 correlation  matlab  matrix 

我在M. Seeger（加利福尼亚大学伯克利分校，Cholesky分解的低秩更新）中遇到了以下随机跟踪技术。Rep，2007年。 tr(A)=E[xTAx]tr⁡(A)=E[xTAx]\operatorname{tr}(\mathbf{A}) = {E[\mathbf{x}^T \mathbf{A} \mathbf{x}]} 其中x∼N(0,I)x∼N(0,I)\mathbf{x} \sim N(\mathbf{0},\mathbf{I})。 作为一个没有深厚的数学背景的人，我想知道如何实现这种平等。此外，我们如何例如以几何方式解释xTAxxTAx\mathbf{x}^T \mathbf{A} \mathbf{x}？为了理解向量的内积及其范围值的含义，应该看哪儿？为什么平均值等于特征值之和？除理论性质外，它的实际意义是什么？ 我已经编写了一个MATLAB代码片段以查看它是否有效 #% tr(A) == E[x'Ax], x ~ N(0,I) N = 100000; n = 3; x = randn([n N]); % samples A = magic(n); % any n by n matrix A y = zeros(1, N); for i = …

10 normal-distribution  matlab 

我正在从事与优化相关的研究项目，最近有了一个在此环境中使用MCMC的想法。不幸的是，我对MCMC方法还很陌生，所以我有几个问题。我将从描述问题开始，然后问我的问题。 我们的问题归结为估算成本函数其中是密度为的维随机变量。。c(ω)c(ω)c(\omega)ω=(ω1,ω2,...ωh)ω=(ω1,ω2,...ωh)\omega = (\omega_1,\omega_2,...\omega_h)hhhf(ω)f(ω)f(\omega) 在我们的情况下，不存在的封闭形式版本。这意味着我们必须使用蒙特卡洛方法来近似期望值。不幸的是，事实证明，使用MC或QMC方法生成的E [ c （ω ）]估计值差异太大，无法在实际环境中使用。c(ω)c(ω)c(\omega)E[c(ω)]E[c(ω)]E[c(\omega)] 一个想法是，我们必须使用重要性采样分布来生成采样点，该采样点将产生的低方差估计E[c(ω)]E[c(ω)]E[c(\omega)]。在我们的案例中，理想重要性抽样分布g(ω)g(ω)g(\omega)必须与大致成比例c(ω)f(ω)c(ω)f(ω)c(\omega)f(\omega)。看看如何知道g(ω)g(ω)g(\omega)直到常数，我想知道是否可以将MCMC与提案分布c(ω)f(ω)c(ω)f(ω)c(\omega)f(\omega)最终从产生样本g(ω)g(ω)g(\omega)。 我的问题是： 可以在此设置中使用MCMC吗？如果是这样，哪种MCMC方法合适？我在MATLAB中工作，因此我偏爱已经具有MATLAB实现的任何内容。 有什么我可以用来加速MCMC老化时间的技术。我怎么知道已经达到平稳分布？在这种情况下，对于给定的ω实际上需要花费相当多的时间来计算。c(ω)c(ω)c(\omega)ωω\omega

10 sampling  mcmc  matlab  expected-value 

我正在考虑为Ross Quinlan的C5.0构建MATLAB和R接口（对于不熟悉它的人，C5.0是决策树算法和软件包；是C4.5的扩展），而我试图了解我需要编写的组件。 我在这里找到的有关C5.0的唯一文档在这里，这是See5（C5.0的Windows界面）的教程。该焦油文件带有一个Makefile，但没有自述文件或任何其他文件。 根据我在上面的教程中所读的内容，C5.0使用基于ASCII的表示形式来处理输入和输出，并且我还在考虑构建一个接口，该接口直接在MATLAB或R和C5.0之间传递二进制数据。其他任何机器学习/分类软件都使用C5.0的数据表示吗？ 之前有人尝试过建立针对ID3，C4.5或C5.0的MATLAB或R接口吗？ 谢谢

10 r  machine-learning  matlab 

首先：据 我了解，引导残差的工作方式如下： 使模型适合数据 计算残差 重新采样残差并将其添加到1。 使模型适合3中的新数据集。 重复n次数，但始终将重新采样的残差添加到从1开始的拟合中。 到目前为止，对吗？ 我想做的是稍微不同的事情： 我想为估计一些环境变量的算法估计参数和预测不确定性。 我所拥有的是该变量的无错误时间序列（来自模拟）x_true，在其中添加了一些噪声，x_noise以生成综合数据集x。然后，我尝试通过将平方和sum((x_estimate - x_true)^2)（！not x_estimate - x！）作为目标函数拟合我的算法来找到最佳参数。为了查看我的算法如何执行并创建参数分布的样本，我想重新采样x_noise，将其添加到x_true，再次拟合我的模型，冲洗并重复。这是评估参数不确定性的有效方法吗？我可以将自举数据集的拟合解释为预测不确定性，还是必须遵循上面发布的过程？ / edit：我认为我还没有真正弄清楚模型的作用。可以认为它本质上类似于降噪方法。它不是预测模型，而是一种试图提取嘈杂的环境数据时间序列的基础信号的算法。 / edit ^ 2：对于在那里的MATLAB用户，我写下了一些我所要表达的快速且肮脏的线性回归示例。 我认为这是残差的“常规”自举（如果我错了，请纠正我）：http : //pastebin.com/C0CJp3d1 这就是我想做的：http : //pastebin.com/mbapsz4c

10 time-series  matlab  bootstrap  residuals 

我正在尝试在R中拟合离散时间模型，但不确定如何执行。 我读过您可以将因变量组织在不同的行中，每个时间观察行一个，并将该glm函数与logit或cloglog链接一起使用。从这个意义上讲，我有三列：ID，Event（在每个时间范围内为1或0）和Time Elapsed（自观察开始以来）以及其他协变量。 如何编写适合模型的代码？哪个因变量？我想我可以将其Event用作因变量，并将其包括Time Elapsed在协变量中。但是，会发生什么ID呢？我需要吗？ 谢谢。

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

假设我有一个频率为4个可能的事件的样本： Event1 - 5 E2 - 1 E3 - 0 E4 - 12 并且我具有发生事件的预期概率： p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 利用我四个事件的观测频率之和（18），我可以计算事件的预期频率，对吗？ expectedE1 - 18 * 0.2 = 3.6 expectedE2 - 18 * 0.1 = 1.8 expectedE1 - 18 * 0.1 = 1.8 expectedE1 - …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

我有一个时间序列的测量值（高度一维序列）。在观察期内，测量过程下降了一些时间点。因此，所得数据是带有NaN的矢量，其中数据中存在间隙。使用MATLAB，这在计算自相关（autocorr）和应用神经网络（nnstart）时给我带来了问题。 这些差距/ NaN应该如何处理？我应该将它们从载体中删除吗？还是将其条目替换为插值？（如果是这样，那么在MATLAB中如何操作）

9 time-series  dataset  matlab  autocorrelation  missing-data 

因此，我进行了16次试验，试图使用汉明距离从生物特征中鉴定一个人。我的阈值设置为3.5。我的数据如下，只有试验1为“真阳性”： 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 10 0.45 11 0.42 12 0.37 13 0.66 14 0.39 15 0.44 16 0.39 我的困惑是，我真的不确定如何根据此数据制作ROC曲线（FPR与TPR或FAR与FRR）。哪一个都不重要，但是我只是对如何进行计算感到困惑。任何帮助，将不胜感激。

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