কোনও মডেল কি ডেটাতে লাগানো হয় বা কোনও মডেলটিতে ডেটা লাগানো হয়?

Question

কোনও মডেলকে ডেটাতে ফিটিং এবং ডেটা মডেলকে ফিটিং করার মধ্যে কি ধারণাগত বা পদ্ধতিগত পার্থক্য রয়েছে? প্রথম শব্দটির উদাহরণ https://courses.washington.edu/matlab1/ModelFitting.html এ দেখা যাবে , এবং দ্বিতীয়টির https://references.wolfram.com/applications/eda/FittingDataToLinearModelsByLeast-SquaresT কৌশল ।

Comments

+1 আমি দ্বিতীয় লিঙ্কটি দ্বারা মুগ্ধ নই, তবে আমি বিনোদন পেয়েছি।

— ল্যাকোনিক

অনেক মডেল বর্তমান ডাটা ফিট করে, কিন্তু ডেটা সাধারণত ফিট শ্রেষ্ঠ এক মডেল

— Agnius Vasiliauskas

Answer 1

আপনি যে ওল্ফ্রাম সোর্স সংযুক্ত করেছেন ব্যতীত আমি যতই উত্স বা ব্যক্তির সাথে ইতিমধ্যে যোগাযোগ করেছি সেগুলি প্রক্রিয়াটিকে ডেটাতে একটি মডেল ফিটিং হিসাবে উল্লেখ করে । এটি উপলব্ধি করে, যেহেতু মডেলটি গতিশীল অবজেক্ট এবং ডেটা স্থিতিশীল (ওরফে স্থির এবং ধ্রুবক)।

এটিতে একটি বক্তব্য রাখার জন্য, আমি ল্যারি ওয়াসারম্যানের এটি সম্পর্কে মতামত পছন্দ করি। তাঁর বক্তব্যটিতে, একটি পরিসংখ্যান মডেল হ'ল বিতরণের সংগ্রহ। উদাহরণস্বরূপ, সমস্ত সাধারণ বিতরণের সংগ্রহ:

$$\{ \text{Normal}(\mu, \sigma) : \mu, \sigma \in R, \sigma > 0 \}$$

বা সমস্ত পোইসন বিতরণের সেট:

$$\{ \text{Poisson}(\lambda) : \lambda \in R, \lambda > 0 \}$$

ডেটাতে বিতরণ ফিট করা এমন কোনও অ্যালগরিদম যা কোনও পরিসংখ্যানের মডেলকে ডেটার সেট (ডেটা স্থির করে দেওয়া হয়) এর সাথে একত্রিত করে এবং "সেরা" ডেটা প্রতিফলিত করে এমন একটি হিসাবে মডেল থেকে বিতরণকে বেছে নেয়।

মডেলটি এমন জিনিস যা পরিবর্তিত হয় (সাজানো): আমরা সম্ভাবনার সম্পূর্ণ সংগ্রহ থেকে একে একক সেরা পছন্দ হিসাবে ভেঙে দিচ্ছি। তথ্য কেবল ডেটা; এটার কিছুই হয় না।

Answer 2

রাশ মডেলিংয়ের ক্ষেত্রে মডেলটির সাথে ডেটা ফিট করা সাধারণ। মডেলটি সঠিক বলে ধরে নেওয়া হয়েছে এবং এটি মেনে চলে এমন ডেটা খুঁজে পাওয়া বিশ্লেষকের কাজ। Wikipedia নিবন্ধটি Rasch উপর কীভাবে এবং কেন সম্পর্কে আরো বিস্তারিত রয়েছে।

তবে আমি অন্যদের সাথে একমত হই যে সাধারণভাবে পরিসংখ্যানগুলিতে আমরা তথ্যগুলিতে মডেলটিকে ফিট করি কারণ আমরা মডেলটি পরিবর্তন করতে পারি তবে ডেটা নির্বাচন বা সংশোধন করার জন্য এটি খারাপ ফর্ম বলে মনে হয়।

Answer 3

সাধারণত, মডেলটি পরিবর্তনযোগ্য অবস্থায় পর্যবেক্ষণ করা ডেটা স্থির করা হয় (উদাহরণস্বরূপ প্যারামিটারগুলি অনুমান করা হয়), সুতরাং এটি এমন মডেল যা অন্য কোনও উপায়ে নয় , ডেটা ফিট করার জন্য তৈরি করা হয় । (সাধারণত লোকেরা এই ক্ষেত্রেটিকে বোঝায় যখন তারা উভয়ই অভিব্যক্তি বলে))

লোকেরা যখন বলে যে তারা কোনও মডেলটির সাথে ডেটা ফিট করে আমি নিজেকে আবিষ্কার করার চেষ্টা করি যে হ্যাক তারা ডেটা দিয়ে কী করেছিল? ।

[এখন আপনি যদি ডেটা ট্রান্সফর্ম করে থাকেন তবে তা তর্কসাপেক্ষে 'মডেলটির কাছে ফিটিং ডেটা' হতে পারে, তবে লোকেরা প্রায়শই এই ক্ষেত্রে এটি বলে না]]

Comments

বহিরাগতদের অপসারণ করা (যুক্তিযুক্তভাবে) "কোনও মডেলের কাছে ফিটিং ডেটা "ও হবে।

— ফেডেরিকো পোলোনি

যদি তারা এটিকে "ফিটিং (কোনও মডেলের ডেটা)" হিসাবে ভাবা হয় তবে শব্দবন্ধগুলি বোধগম্য হতে পারে। এটি হ'ল, আপনি ফিটিংয়ের একটি প্রক্রিয়া করছেন এবং ফিটিংয়ের সেই প্রক্রিয়াটি ডেটা থেকে শুরু হয় এবং এটিকে একটি মডেলে রূপান্তরিত করে। আমি সম্মত যে এটি "(ফিটিং এক্স) থেকে" ওয়াই "পার্সের তুলনায় কম সাধারণ / সঠিক ব্যাখ্যা, তবে কেন কেউ যুক্তিযুক্তভাবে এটি বলতে পারে তা যুক্তি হিসাবে আমি এটিকে সেখানে রেখেছি।

— আরএম

@ ফেডেরিকো পোলোনি আউটলিয়ারগুলি সাধারণত আপনি যে মডেলটি পরে ব্যবহার করতে চান তা নির্বিঘ্নে সংজ্ঞায়িত হয়। এমনকি যদি আমরা এটিকে ফিটিং ডেটা বলতে চাই, এটি কোনও মডেল হবে না, তবে অন্য কোনও কিছুর কাছে।

— বার্তোসকেপিপি

+1 টি। একে "ডেটা" বলা হওয়ার একটি কারণ রয়েছে - এটিই দেওয়া হয় , শব্দের লাতিন উত্সটি দেখুন: latind অভিধান.wikidot.com/verb:dare

— ক্রিস্টোফ

Answer 4

সাধারণত, আমরা ধরে নিই যে আমাদের ডেটা "রিয়েল ওয়ার্ল্ড" এর সাথে মিলে যায় এবং কোনও পরিবর্তন করার অর্থ আমরা "বাস্তব বিশ্বের" মডেলিং থেকে দূরে চলেছি। উদাহরণস্বরূপ, একজনকে আউটলিয়ারগুলি অপসারণের যত্ন নেওয়া দরকার যেহেতু এটি গণনাটিকে আরও ভাল করে তোলে, আউটলিয়াররা এখনও আমাদের ডেটার অংশ ছিল।

বুটস্ট্র্যাপ বা অন্যান্য পুনরায় মডেলিং কৌশলগুলি ব্যবহার করে কোনও মডেল পরীক্ষার সময় বা অনুমানের বৈশিষ্ট্য নির্ধারণের সময়, আমরা একটি আনুমানিক মডেল এবং আমাদের মূল ডেটা ব্যবহার করে নতুন ডেটা অনুকরণ করতে পারি । এটি ধারণাটি তৈরি করে যে মডেলটি সঠিক, এবং আমরা আমাদের মূল ডেটাটি পরিবর্তন করছি না।