ITPub博客

原文链接：http://tecdat.cn/?p=11160对于分类问题，通常根据与分类器关联的混淆矩阵来定义分类器性能。根据混淆矩阵 ，可以计算灵敏度（召回率），特异性和精度。 对于二进制分类问题，所有这些性能指标都很容易获得。  非得分分类器的数据为了展示多类别设置中非得分分类器的性能指标，让我们考虑观察到\（N = 100 \）的分类问题和观察到\（G = \

原文链接：http://tecdat.cn/?p=5689 判别分析包括可用于分类和降维的方法。线性判别分析（LDA）特别受欢迎，因为它既是分类器又是降维技术。二次判别分析（QDA）是LDA的变体，允许数据的非线性分离。最后，正则化判别分析（RDA）是LDA和QDA之间的折衷。本文主要关注LDA，并探讨其在理论和实践中作为分类和可视化技术的用途。由于QDA和RDA是相关技术，我不久将描述

原文http://tecdat.cn/?p=3234 概率编程使我们能够实现统计模型，而无需担心技术细节。它对基于MCMC采样的贝叶斯模型特别有用。在本文中，我将研究如何通过在R  。 简介RStan是贝叶斯推理的C ++库。它基于No-U-Turn采样器（NUTS），用于根据用户指定的模型和数据估计后验分布。使用Stan执行分析涉及以下步骤：使用Stan建

原文链接：http://tecdat.cn/?p=3186 本文显示了如何基于潜在的ARMA-GARCH过程（当然也涉及更广泛意义上的QRM）来拟合和预测风险价值（VaR）。1 从ARMA-GARCH进程模拟（log-return）数据我们考虑使用\（t \）分布的ARMA（1,1）-GARCH（1,1）过程。模拟一条路径（用于说明目的）。 nu <-

原文http://tecdat.cn/?p=3424 什么是检验对？检验对的形式 （x1，x2）（X1，X2） 出现在两种情况中：对同一实体执行两次测量。例如，一项评估新型胰岛素疗效的临床研究将为每位患者测量两次血糖水平：之前（X1X1）服药后（X2X2）。对不同的实体进行测量。但是，实体根据其特征进行匹配。例如，为了测试药物的功效，您可能希望根据体重，年龄或其他特征

参数检验受制于数据属性的假设。例如，学生t检验是众所周知的参数检验，假设样本均值具有正态分布。由于中心极限定理，如果样本量足够，测试也可以应用于非正态分布的测量。在这里，我们将研究t检验有效所需的大致样本数。

原文http://tecdat.cn/?p=3715 统计测试最常见的领域之一是测试列联表中的独立性。在这篇文章中，我将展示如何计算列联表，我将在列联表中引入两个流行的测试：卡方检验和Fisher精确检验。什么是列联表？列联表提供关于两个分类变量的测量的整数计数。最简单的列联表是一个2 × 22×2 频率表，由两个变量产生，每个变量有两个级别：组/观察观察1

原文链接：http://tecdat.cn/?p=6592 维度降低有两个主要用例：数据探索和机器学习。它对于数据探索很有用，因为维数减少到几个维度（例如2或3维）允许可视化样本。然后可以使用这种可视化来从数据获得见解（例如，检测聚类并识别异常值）。对于机器学习，降维是有用的，因为在拟合过程中使用较少的特征时，模型通常会更好地概括。在这篇文章中，我们将研究三维降维技术：主成分分析（PCA

原文链接：http://tecdat.cn/?p=6751 模拟回归模型的数据验证回归模型的首选方法是模拟来自它们的数据，并查看模拟数据是否捕获原始数据的相关特征。感兴趣的基本特征是平均值。我喜欢这种方法，因为它可以扩展到广义线性模型（logistic，Poisson，gamma，...）和其他回归模型，比如t -regression。您的标准回归模型假设存在将预测变量与结果相

原文链接：http://tecdat.cn/?p=6532 如果您已经熟悉RStan，那么您需要组合的基本概念是具有相关随机斜率和异方差误差的标准多级模型。我将R代码嵌入到演示中。所需的包是lavaan，lme4和RStan。我喜欢将大多数统计方法理解为回归模型。这样，很容易理解大量技术背后的主张。这是一种适用于SEM和IRT模型的方法。在这里，我将重点关注验证性因子分析（CFA），因此

原文链接：http://tecdat.cn/?p=6851 教育或医学的标准情况是我们有一个持续的衡量标准，但随后我们对那些具有临床/实际意义的连续措施有了切入点。一个例子是BMI。您可以通过70分作为成绩测试进行成绩测试。当这种情况发生时，研究人员有时可能会对BMI模型超过30或通过/失败感兴趣。实质性问题通常属于模拟某人超过/低于该临床显着阈值的概率的线条。因此，我们使用逻辑回归等方

原文链接：http://tecdat.cn/?p=6193 copula是将多变量分布函数与其边际分布函数耦合的函数，通常称为边缘。Copula是建模和模拟相关随机变量的绝佳工具。Copula的主要吸引力在于，通过使用它们，你可以分别对相关结构和边缘（即每个随机变量的分布）进行建模。 copulas如何工作 首先，让我们了解copula的工作方式。 set.

原文链接：http://tecdat.cn/?p=6691 神经网络一直是迷人的机器学习模型之一，不仅因为花哨的反向传播算法，而且还因为它们的复杂性（考虑到许多隐藏层的深度学习）和受大脑启发的结构。神经网络并不总是流行，部分原因是它们在某些情况下仍然存在计算成本高昂，部分原因是与支持向量机（SVM）等简单方法相比，它们似乎没有产生更好的结果。然而，神经网络再一次引起了人们的注意并变得流行

原文链接：http://tecdat.cn/?p=6863 背景 诸如核密度估计（KDE）的平滑方法被用于控制用于计算每种疾病率的空间支持的群体基础。平滑程度由用户定义的参数（带宽或阈值）控制，该参数影响疾病图的分辨率和计算的速率的可靠性。方法内核，带宽的大小，是影响在KDE [在地图上的平滑的程度的关键参数 ]。带宽可以是固定的也可以是可变的（自适应的）。对于固定带宽方法，内

时间序列预测，ARIMA等传统模型通常是一种流行的选择。虽然这些模型可以证明具有高度的准确性，但它们有一个主要缺点 - 它们通常不会解释“冲击”或时间序列的突然变化。让我们看看我们如何使用称为卡尔曼滤波器的模型来潜在地缓解这个问题。

我将建立道琼斯工业平均指数（DJIA）日交易量对数比的ARMA-GARCH模型。

可视化已成为数据科学在电信行业中的关键应用。具体而言，电信分析高度依赖于地理空间数据的使用。

此示例中，神经网络用于使用2011年4月至2013年2月期间的数据预测都柏林市议会公民办公室的能源消耗。

全球化时代快速增长的经济体之一是埃塞俄比亚经济。在低收入国家中，它已成为在国内生产总值（GDP）中实现两位数增长率的少数几个国家之一。然而，关于两位数的增长率存在很多争论，特别是在最近的全球经济衰退期间。因此，埃塞俄比亚的GDP与回归量（时间）之间的关系是否存在结构性变化，这成为一个实证研究的问题。

原文链接：http://tecdat.cn/?p=14569 每次我们在应用计量经济学课程中遇到实际应用时，我们都要处理类别变量。学生也提出了同样的问题：我们如何自动组合因子水平？有简单的R函数吗？因此我想编写一个R函数。为了说明这一点，请考虑以下内容'data.frame': 200 obs. of  3 variabl