পরিসংখ্যান এবং বড় তথ্য

চমত্কার পরিসংখ্যানের মডেলিং পড়ে: দুটি সংস্কৃতি (ব্রেইম্যান 2001) , আমরা traditionalতিহ্যগত পরিসংখ্যানের মডেলগুলির (যেমন লিনিয়ার রিগ্রেশন) এবং মেশিন লার্নিং অ্যালগরিদমগুলির (যেমন, ব্যাগিং, র্যান্ডম ফরেস্ট, বুস্টেড ট্রি ...) মধ্যে সমস্ত পার্থক্যটি ব্যবহার করতে পারি। ব্রেইমান ডেটা মডেলগুলির (প্যারামিট্রিক) সমালোচনা করেন কারণ তারা এই ধারণার উপর ভিত্তি করে যে পরিসংখ্যানবিদ দ্বারা নির্ধারিত …

13 machine-learning  data-mining  random-forest  boosting  bagging 

বিঃদ্রঃ: বোরেল-ক্যান্তেল্লি লেমা বলে ∑n=1∞P(An)<∞⇒P(limsupAn)=0∑n=1∞P(An)<∞⇒P(limsupAn)=0\sum_{n=1}^\infty P(A_n) \lt \infty \Rightarrow P(\lim\sup A_n)=0 ∑n=1∞P(An)=∞ and An's are independent⇒P(limsupAn)=1∑n=1∞P(An)=∞ and An's are independent⇒P(limsupAn)=1\sum_{n=1}^\infty P(A_n) =\infty \textrm{ and } A_n\textrm{'s are independent} \Rightarrow P(\lim\sup A_n)=1 তারপর, যদি ∑n=1∞P(AnAcn+1)<∞∑n=1∞P(AnAn+1c)<∞\sum_{n=1}^\infty P(A_nA_{n+1}^c )\lt \infty বোরেল-ক্যান্তেল্লি লেমা ব্যবহার করে আমি এটা দেখাতে চাই প্রথমত, limn→∞P(An)limn→∞P(An)\lim_{n\to \infty}P(A_n) বিদ্যমান এবং …

13 probability  self-study  stochastic-processes  probability-inequalities 

আমি জানি যে গৌসিয়ানদের যোগফল গৌসিয়ান। সুতরাং, গাউসিয়ানদের মিশ্রণটি কীভাবে আলাদা? আমার অর্থ, গাউসিয়ানদের মিশ্রণটি কেবল গাউসিয়ানদের যোগফল (যেখানে প্রতিটি গাউসই সংশ্লিষ্ট মিশ্রণ সহগ দ্বারা গুণিত হয়) ঠিক?

13 normal-distribution  random-variable  mixture  gaussian-mixture 

আমি নেটওয়ার্কের বিলম্বের বিতরণটি বিশ্লেষণ করছি। মধ্যম আপলোড সময় (ইউ) হয় 0.5 সে। মাঝারি ডাউনলোডের (ডি) সময় 2 সেকেন্ড। তবে, মিডিয়ান মোট সময় (প্রতিটি ডাটা পয়েন্টের জন্য, টি = ইউ + ডি) 4 এস। যোগফলের মধ্যমদের যোগফলের তুলনায় যোগফলের মধ্যকটি অনেক বেশি যে জেনে কোন সিদ্ধান্তে টানা যেতে পারে? পরিসংখ্যানগুলির …

13 random-variable  median  summations 

আমি কিছু গবেষণার জন্য ত্রুটি ইন ভেরিয়েবল মডেলের জন্য কিছু সিনেট্যাটিক ডেটা নিয়ে কাজ করছি। বর্তমানে আমার একক স্বাধীন ভেরিয়েবল রয়েছে এবং আমি ধরে নিচ্ছি যে নির্ভরশীল ভেরিয়েবলের আসল মানটির জন্য আমি তারতম্যটি জানি। সুতরাং, এই তথ্যের সাহায্যে আমি নির্ভরশীল ভেরিয়েবলের সহগের জন্য একটি নিরপেক্ষ অনুমানক অর্জন করতে পারি। মডেলটি: …

13 regression  matlab  unbiased-estimator  errors-in-variables 

আমি এর আগে জিজ্ঞাসা করেছি এবং কোন মডেল পরামিতি তৈরি করে এবং এটি কী সুপ্ত পরিবর্তনশীল করে তা সনাক্ত করে সত্যই লড়াই করে যাচ্ছি। সুতরাং এই সাইটে এই বিষয়টির বিভিন্ন থ্রেড দেখে, মূল পার্থক্যটি মনে হয়: প্রচ্ছন্ন ভেরিয়েবলগুলি পর্যবেক্ষণ করা হয় না তবে তাদের সাথে সম্পর্কিত সম্ভাব্য বন্টন রয়েছে কারণ …

13 bayesian  modeling  random-variable  latent-variable 

মডেলটিতে আমরা অনুমান করতে পারি the সাধারণ সমীকরণটি ব্যবহার করে：y=Xβ+ϵy=Xβ+ϵ{y} = X \beta + \epsilonββ\beta β^=(X′X)−1X′y,β^=(X′X)−1X′y,\hat{\beta} = (X'X)^{-1}X'y, এবং আমরা could পেতে পারিy^=Xβ^.y^=Xβ^.\hat{y} = X \hat{\beta}. অবশিষ্টাংশের ভেক্টর দ্বারা অনুমান করা হয় ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,\hat{\epsilon} = y - X \hat{\beta} = (I - X (X'X)^{-1} X') y = Q y = Q …

13 regression  least-squares  inference 

আমি পরিসংখ্যান তুলনায় তুলনামূলকভাবে নতুন এবং আরও ভাল বুঝতে বুঝতে সাহায্য করব। আমার ক্ষেত্রে ফর্মের একটি ব্যবহৃত ব্যবহৃত মডেল রয়েছে: পিটি= পিণ( ভটি)αPt=Po(Vt)αP_t = P_o(V_t)^\alpha লোকেরা যখন মডেলটিকে ডেটাতে ফিট করে তারা সাধারণত এটিকে লিনিয়ার করে এবং নিম্নলিখিতটি ফিট করে লগ( পিটি) = লগ( পিণ) + α লগ( ভটি) + …

13 modeling  model  error  curve-fitting  measurement-error 

আমি জানি যে বৈশিষ্ট্যগুলির মূল সেটটিতে বৈশিষ্ট্য সংখ্যা হ্রাস করার লক্ষ্যে বৈশিষ্ট্য নির্বাচন এবং মাত্রিক হ্রাস উভয়ই লক্ষ্য। আমরা যদি উভয়েই একই জিনিসটি করি তবে দুজনের মধ্যে সঠিক পার্থক্য কী?

13 machine-learning  pca  feature-selection  dimensionality-reduction 

আমি কি বাক্স-ও-হুইস্কার প্লটগুলি মাল্টিমোডাল বিতরণের জন্য বা কেবল ইউনিমোডাল বিতরণের জন্য ব্যবহার করতে পারি?

13 distributions  data-visualization  boxplot 

আমি একটি ছোট প্রকল্পে কাজ করছি যেখানে আমরা আগামী 6 মাসের জন্য পণ্যগুলির (তেল, অ্যালুমিনিয়াম, টিন ইত্যাদি) দামের পূর্বাভাস দেওয়ার চেষ্টা করছি। আমার কাছে ভবিষ্যদ্বাণী করার মতো 12 টি ভেরিয়েবল রয়েছে এবং আমার এপ্রিল, ২০০৮ - মে, ২০১৩ এর ডেটা রয়েছে। আমার কীভাবে ভবিষ্যদ্বাণী করা উচিত? আমি নিম্নলিখিতগুলি করেছেন: টাইমসারি …

13 r  time-series  forecasting  neural-networks  arima 

বলুন, উপর নির্ভরশীল । কঠোরভাবে বলতে,αএক্সXXαα\alpha যদি এবং উভয় এলোমেলো ভেরিয়েবল হয় তবে আমরা লিখতে পারি ;α পি ( এক্স ∣ α )এক্সXXαα\alphaপি ( এক্স∣ α )p(X∣α)p(X\mid\alpha) তবে, যদি একটি র্যান্ডম ভেরিয়েবল হয় এবং একটি প্যারামিটার হয় তবে আমাদের লিখতে হবে ।α পি ( এক্স ; α )এক্সXXαα\alphaপি ( এক্স; …

13 machine-learning  terminology 

রিগ্রেশন করার সময় যদি আমরা এর সংজ্ঞাটি অনুসরণ করি: আংশিক সম্ভাবনা, প্রোফাইল সম্ভাবনা এবং প্রান্তিক সম্ভাবনার মধ্যে পার্থক্য কী? যে, সর্বাধিক সম্ভাবনা সন্ধান করুন L এবং θ যা এল (β, θ | ডেটা) সর্বাধিক করে তোলে । যদিও, প্রান্তিক সম্ভাবনা আমরা equ শর্তসাপেক্ষে distribution এর সম্ভাব্যতা বন্টন সনাক্ত করতে পারি …

13 regression  maximum-likelihood 

আমি দুটি সময় সিরিজের মধ্যে সমন্বয় জন্য পরীক্ষা করতে চাই। উভয় সিরিজের সাপ্তাহিক ডেটা রয়েছে ~ 3 বছর। আমি এনগল-গ্রেঞ্জার টু স্টেপ পদ্ধতিটি করার চেষ্টা করছি। আমার ক্রিয়াকলাপ ক্রম অনুসরণ করে। অগমেন্টেড ডিকি-ফুলারের মাধ্যমে ইউনিট রুটের জন্য প্রতিটি সময় সিরিজ পরীক্ষা করুন। উভয়টির একক শিকড় রয়েছে বলে ধরে নিই, তবে …

13 time-series  cointegration  unit-root  augmented-dickey-fuller 

(যদিও আমি বুঝতে পারি এটি পরিসংখ্যান সম্পর্কে কঠোর নয়, এটি ব্যবসায়ের পরিবেশে পরিসংখ্যানের প্রসার সম্পর্কে তাই আমি ধরে নিয়েছি এটি এখনও সিভি-র বিষয়বস্তুতে রয়েছে) একটি সংক্ষিপ্ত পটভূমি: আমাদের ব্যবসায়ের পরিবেশ (এবং আমি অন্যান্য পরিবেশ সন্দেহ করি) এর একটি সমর্থন কার্য রয়েছে যা পরিসংখ্যান বিশ্লেষণ এবং গবেষণায় বিশেষজ্ঞ ize আমরা বিজনেস …

13 business-intelligence  consulting