Questions tagged «tolerance-interval»


1
插入符glmnet与cv.glmnet
在glmnet内部caret使用搜索最佳lambda和cv.glmnet执行相同任务的比较中似乎有很多困惑。 提出了许多问题,例如: 分类模型train.glmnet与cv.glmnet? 在插入符号中使用glmnet的正确方法是什么? 使用`caret`交叉验证`glmnet` 但是没有给出答案,这可能是由于问题的可重复性。在第一个问题之后,我给出了一个非常相似的示例,但确实存在相同的问题:为什么估计的lambda如此不同? library(caret) library(glmnet) set.seed(849) training <- twoClassSim(50, linearVars = 2) set.seed(849) testing <- twoClassSim(500, linearVars = 2) trainX <- training[, -ncol(training)] testX <- testing[, -ncol(testing)] trainY <- training$Class # Using glmnet to directly perform CV set.seed(849) cvob1=cv.glmnet(x=as.matrix(trainX),y=trainY,family="binomial",alpha=1, type.measure="auc", nfolds = 3,lambda = seq(0.001,0.1,by = 0.001),standardize=FALSE) …

2
预测和公差区间
对于预测和公差区间,我有几个问题。 首先让我们就容忍区间的定义达成一致:给我们一个置信度,例如90%,要捕获的总体百分比,例如99%,样本量,例如20。概率分布是已知的,例如正态为了方便。现在,考虑到上述三个数字(90%,99%和20)以及基础分布为正态的事实,我们可以计算公差数。给定具有均值和标准偏差的样本,公差区间为。如果此公差区间捕获了99%的人口,则样本被称为成功kkk(x1,x2,…,x20)(x1,x2,…,x20)(x_1,x_2,\ldots,x_{20})x¯x¯\bar{x}sssx¯±ksx¯±ks\bar{x}\pm ks(x1,x2,…,x20)(x1,x2,…,x20)(x_1,x_2,\ldots,x_{20})并且要求90%的样本是成功的。 评论:90%是样本成功的先验概率。假设样本成功,则99%是有条件的概率,将来的观察将在公差区间内。 我的问题:我们可以将预测间隔视为公差间隔吗?在网上浏览时,我对此有矛盾的答案,更不用说没有人真正仔细地定义预测间隔了。因此,如果您对预测间隔(或参考)有精确的定义,我将不胜感激。 我了解的是,例如99%的预测间隔不会捕获所有样本的所有将来值的99%。这与以100%的概率捕获99%的总体的公差区间相同。 在我发现的90%预测间隔的定义中,90%是给定样本(大小固定)和单个未来观察值的先验概率,即将在预测间隔内。因此,与容差区间相反,似乎在同一时间给出了样本和终值,而公差区间是在给出样本的情况下以一定的概率成功的,并且在一个成功y y(x1,x2,…,x20)(x1,x2,…,x20)(x_1,x_2,\ldots,x_{20})yyyyyy,则给出一个未来值,并以一定的概率落入公差区间。我不确定上述预测间隔的定义是否正确,但是(至少)似乎违反直觉。 有什么帮助吗?
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.