Questions tagged «modeling»

该标签描述了创建统计或机器学习模型的过程。始终添加更具体的标签。

2
描述负二项式分布变量之间差异的分布？
一个Skellam分布描述了具有泊松分布的两个变量之间的区别。是否存在类似的分布来描述遵循负二项式分布的变量之间的差异？ 我的数据是通过泊松过程生成的，但包含大量噪声，导致分布的过度分散。因此，使用负二项式（NB）分布对数据建模非常有效。如果要对这两个NB数据集之间的差异进行建模，我有哪些选择？如果有帮助，则假设两组的均值和方差相似。
5
具有大数据的泊松回归：更改度量单位是否错误？
由于泊松分布中的阶乘，当观测值较大时，估计泊松模型（例如，使用最大似然）变得不切实际。因此，例如，如果我试图估计一个模型来解释给定年份的自杀数量（仅提供年度数据），并且说每年有数千个自杀，那么表达数百种自杀是否错误？ ，则2998将为29.98〜= 30？换句话说，更改度量单位以使数据易于管理是否错误？
3
回归中R平方和p值之间的关系是什么？
tl; dr-对于OLS回归，较高的R平方是否还意味着较高的P值？专门针对单个解释变量（Y = a + bX + e），但也有兴趣了解n个多个解释变量（Y = a + b1X + ... bnX + e）。 上下文-我正在对一系列变量执行OLS回归，并试图通过生成一个表格来开发最佳的解释函数形式，该表格包含线性，对数等之间的R平方值，每个解释（独立）变量的变换以及响应（因变量）。看起来有点像： 变量名-线性形式---ln（变量）--exp（变量）-...等 变量1 ------- R平方---- R平方---- R平方 -...等等... 我想知道R平方是否合适，或者P值是否更好。大概存在某种关系，因为更重要的关系意味着更高的解释力，但不确定是否严格地做到这一点。
7
为什么偏斜数据不是建模的首选？
在大多数情况下，人们谈论变量转换（针对预测变量和响应变量）时，他们都在讨论处理数据偏斜的方法（例如对数转换，Box和Cox转换等）。我无法理解的是为什么消除偏斜被认为是一种常见的最佳实践？偏度如何影响诸如基于树的模型，线性模型和非线性模型之类的各种模型的性能？什么样的模型更受偏斜的影响，为什么？
7
我应该将哪种曲线（或模型）拟合到百分比数据？
我正在尝试创建一个显示病毒拷贝与基因组覆盖率（GCC）之间关系的图。这是我的数据： 起初，我只是绘制了线性回归图，但是我的主管告诉我这是不正确的，并尝试使用S形曲线。所以我使用geom_smooth做到了： library(scales) ggplot(scatter_plot_new, aes(x = Copies_per_uL, y = Genome_cov, colour = Virus)) + geom_point() + scale_x_continuous(trans = log10_trans(), breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x))) + geom_smooth(method = "gam", formula = y ~ s(x), se = FALSE, size = 1) + theme_bw() + theme(legend.position = 'top', legend.text …
2
何时停止完善模型？
在过去的三年中，我一直在研究许多书籍中的统计数据，并且由于这个站点，我学到了很多东西。然而，对于我来说，一个基本问题仍然没有答案。它可能有一个非常简单或非常困难的答案，但我可以肯定地知道它需要对统计数据有一定的了解。 在将模型拟合到数据时（无论是常客方法还是贝叶斯方法），我们提出一个模型，该模型可能包括似然函数，先验函数或核（非参数）等的函数形式。问题在于任何模型使样品具有一定的优度。与当前的模型相比，总是可以找到更好或更坏的模型。在某个时候，我们停止并开始得出结论，推广到总体参数，报告置信区间，计算风险等。因此，无论得出什么结论，总是以我们决定采用的模型为条件。即使我们使用诸如AIC，MDL等之类的工具来估计预期的KL距离，也并没有说绝对的立场，而只是相对改善了我们的估计。 现在假设我们想定义一个逐步过程，以在构建模型时应用于任何数据集。我们应该指定什么作为停止规则？我们是否可以至少限制模型误差，该误差将为我们提供一个客观的停止点（这与使用验证样本停止训练不同，因为它还会在评估的模型类内提供停止点，而不是真正的DGP）？
5
建立统计模型到底是什么？
建立统计模型到底是什么？ 这些天，当我申请研究工作或咨询工作时，经常会出现“建立模型”或“建模”一词。这个词听起来很酷，但是它们到底指的是什么？您如何建立模型？ 我查找了预测模型，其中包括k-nn和逻辑回归。
15 modeling 
3
二次项或交互项在单独意义上都是重要的，但两者都不在一起
作为作业的一部分，我必须对具有两个预测变量的模型进行拟合。然后，我不得不针对所包含的预测变量之一绘制模型残差的图，并根据该残差进行更改。该图显示了曲线趋势，因此我为该预测变量包括了一个二次项。新模型显示二次项很重要。到目前为止一切都很好。 但是，数据表明交互也很有意义。在原始模型中添加一个交互项也可以“固定”曲线趋势，并且在添加到模型中时也非常重要（没有二次项）。问题是，当将二次项和交互项都添加到模型中时，其中一项不重要。 我应该在模型中包括哪个术语（二次方或相互作用），为什么？
4
寻找良好的荟萃分析治疗方法
一位（非统计师）同事在他为医学期刊撰写的论文中遇到了荟萃分析，并且正在寻找良好的入门级治疗方法，以便他可以自学。有什么建议吗？最喜欢的？书籍，专着，非技术性调查文章都可以。 （是的，他熟悉Wikipedia条目以及Google搜索可轻松访问的其他内容，例如Jerry Dallal的精彩小文章。）
5
哪种统计分类算法可以预测输入序列的正确/错误？
给定一个输入序列，我需要确定此序列是否具有某些所需的属性。该属性只能为true或false，也就是说，一个序列只能属于两个可能的类。 序列与属性之间的确切关系尚不清楚，但我认为它是非常一致的，应该将其用于统计分类。我可能会在很多情况下对分类器进行训练，尽管这可能会有点嘈杂，但从某种意义上来说，在此训练集中，序列被分配了错误的类别的可能性很小。 训练数据示例： Sequence 1: (7 5 21 3 3) -> true Sequence 2: (21 7 5 1) -> true Sequence 3: (12 21 7 5 11 1) -> false Sequence 4: (21 5 7 1) -> false ... 粗略地说，属性由序列中的一组值（例如，出现“ 11”表示该属性几乎肯定为假）以及值的顺序（例如，“ 21 7 5 ”会大大增加该属性为真的机会）。 训练后，我应该能够给分类器一个以前看不见的序列，例如(1 21 7 5 3)，它应该输出对属性为true的信心。是否存在用于使用这种输入/输出训练分类器的著名算法？ …
2
用过度分散对泊松分布建模
我有一个数据集，我希望它遵循泊松分布，但它的分散程度约为3倍。目前，我正在使用R中的以下代码对这种过度分散进行建模。 ## assuming a median value of 1500 med = 1500 rawdist = rpois(1000000,med) oDdist = rawDist + ((rawDist-med)*3) 从视觉上看，这似乎非常符合我的经验数据。如果我对拟合感到满意，是否有任何理由应该做一些更复杂的事情，例如使用负二项式分布（如此处所述）？（如果是这样，那么这样做的任何指针或链接将不胜感激）。 哦，我知道这会创建一个稍微呈锯齿状的分布（由于乘以三），但这对我的应用程序来说并不重要。 更新： 为了其他人搜索和发现此问题，这里有一个简单的R函数，它使用负二项分布来建模过度分散的泊松。将d设置为所需的均值/方差比： rpois.od<-function (n, lambda,d=1) { if (d==1) rpois(n, lambda) else rnbinom(n, size=(lambda/(d-1)), mu=lambda) } （通过R邮件列表：https : //stat.ethz.ch/pipermail/r-help/2002-June/022425.html）
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.