Questions tagged «method-comparison»

我曾经谣传过一些研究表明，预测模型的性能更多地取决于使用所选方法的数据分析师的专业知识，而不是方法的选择。 换句话说，声称从更理论的角度来看，数据分析人员熟悉所选方法比该方法对问题的“合适性”显得更为重要。 这是在化学计量学的背景下提到的，它通常涉及许多变量（100s-1000s），多重共线性，当然样品太少的问题。预测可能是分类或回归。 我的个人经验表明，这是有道理的，但是有人提到了一项研究（我通过快速但不成功的搜索通过电子邮件问到提到这一点的人，但从未收到任何答复）。但是，通过更精细的搜索，我也无法找到任何论文。 有人知道这样的发现吗？如果没有，这里的大佬们的亲身经历怎么说？

14 predictive-models  method-comparison 

我有两种不同的分析方法，可以测量基质中特定分子的浓度（例如测量水中的盐含量） 两种方法不同，每种方法都有自己的错误。有什么方法可以证明这两种方法是等效的（或不等效）。 我认为在散点图上绘制通过两种方法测量的多个样本的结果是一个不错的第一步，但是有没有好的统计方法？

11 hypothesis-testing  measurement-error  method-comparison  bland-altman-plot 

问题 我想拟合简单的2高斯混合总体的模型参数。考虑到围绕贝叶斯方法的所有炒作，我想了解贝叶斯推断是否比传统拟合方法更好。 到目前为止，MCMC在此玩具示例中的表现非常差，但也许我只是忽略了一些东西。因此，让我们看一下代码。 工具 我将使用python（2.7）+ scipy堆栈，lmfit 0.8和PyMC 2.3。 可以在此处找到重现分析的笔记本 产生数据 首先让我们生成数据： from scipy.stats import distributions # Sample parameters nsamples = 1000 mu1_true = 0.3 mu2_true = 0.55 sig1_true = 0.08 sig2_true = 0.12 a_true = 0.4 # Samples generation np.random.seed(3) # for repeatability s1 = distributions.norm.rvs(mu1_true, sig1_true, size=round(a_true*nsamples)) s2 = …

10 bayesian  gaussian-mixture  frequentist  pymc  method-comparison 

一位审阅者向我询问，是否可以将表格中显示的皮尔逊相关性（r值）相互比较，以便人们可以说一个比另一个“强”（而不仅仅是盯着实际的r值） 。 您将如何处理？我发现了这种方法 http://vassarstats.net/rdiff.html 但不确定是否适用。

10 correlation  pearson-r  method-comparison 

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