প্রশ্ন ট্যাগ «kernel-smoothing»

কার্নেল স্মুথিং কৌশলগুলি যেমন কার্নেল ঘনত্বের প্রাক্কলন (কেডিএ) এবং নাদারায়া-ওয়াটসন কার্নেল রিগ্রেশন, ডেটা পয়েন্টগুলি থেকে স্থানীয় অন্তরঙ্গকরণের দ্বারা অনুমানের ফাংশন। SVM- তে ব্যবহৃত কার্নেলগুলির জন্য [কার্নেল-ট্রিক] দিয়ে বিভ্রান্ত হওয়ার দরকার নেই।

2
সরল ইংরেজিতে একটি "কর্নেল" কী?
বিভিন্ন স্বতন্ত্র ব্যবহার রয়েছে: কার্নেলের ঘনত্বের অনুমান কার্নেল ট্রিক কার্নেল স্মুথিং তাদের মধ্যে "কার্নেল" অর্থ কী, আপনার নিজের কথায় সরল ইংরেজিতে দয়া করে ব্যাখ্যা করুন।

4
আর-তে নেতিবাচক ভেরিয়েবলের ঘনত্বের প্লটগুলির জন্য ভাল পদ্ধতিগুলি?
plot(density(rexp(100)) স্পষ্টতই শূন্যের বামে সমস্ত ঘনত্ব পক্ষপাতকে প্রতিনিধিত্ব করে। আমি অ-পরিসংখ্যানবিদদের জন্য কিছু ডেটা সংক্ষিপ্ত করতে চাই এবং আমি কেন অ-নেতিবাচক ডেটা শূন্যের বামে ঘনত্ব নিয়েছে এমন প্রশ্নগুলি এড়াতে চাই। প্লটগুলি এলোমেলোভাবে যাচাইয়ের জন্য; আমি চিকিত্সা এবং নিয়ন্ত্রণ গ্রুপগুলি দ্বারা ভেরিয়েবলগুলির বিতরণটি দেখাতে চাই। বিতরণগুলি প্রায়শই তাত্পর্যপূর্ণ - ইশ হয়। …

2
কার্নেল ঘনত্বের অনুমানকারীগুলির জন্য একটি ব্যান্ডউইথ নির্বাচন করা
অবিভাজনীয় কার্নেল ঘনত্বের অনুমানের জন্য (কেডিএ), আমি গণনার জন্য সিলভারম্যানের নিয়মটি ব্যবহার করি :জজh 0.9 মিনিট ( গুলি d), আমিপ্রশ্ন আর / 1.34 ) × n- 0.20.9সর্বনিম্ন(গুলিঘ,আমিপ্রশ্নঃআর/1.34)×এন-0.2\begin{equation} 0.9 \min(sd, IQR/1.34)\times n^{-0.2} \end{equation} মাল্টিভারিয়েট কে.ডি. (একটি সাধারণ কার্নেল ধরে নিলে) এর মানক বিধিগুলি কি?

1
"কার্নেলের ঘনত্বের প্রাক্কলন" কীসের একটি রূপান্তর?
আমি কার্নেলের ঘনত্বের অনুমান সম্পর্কে আরও ভাল বোঝার চেষ্টা করছি। উইকিপিডিয়া থেকে সংজ্ঞাটি ব্যবহার করে: https://en.wikedia.org/wiki/Kernel_density_estimission#Difinition চজ^( এক্স ) = 1এনΣএনi = 1কেজ( এক্স - এক্স)আমি)= 1এন এইচΣএনi = 1কে( এক্স - এক্স)আমিজ)চজ^(এক্স)=1এনΣআমি=1এনকেজ(এক্স-এক্সআমি)=1এনজΣআমি=1এনকে(এক্স-এক্সআমিজ) \hat{f_h}(x) = \frac{1}{n}\sum_{i=1}^n K_h (x - x_i) \quad = \frac{1}{nh} \sum_{i=1}^n K\Big(\frac{x-x_i}{h}\Big) আসুন একটি আয়তক্ষেত্রাকারী ফাংশন হিসাবে …

2
আপনি পারজেন উইন্ডো (কর্নেল) সাধারণ ব্যক্তির পদগুলিতে ঘনত্বের অনুমানটি ব্যাখ্যা করতে পারেন?
পারজেন উইন্ডো ঘনত্বের অনুমান হিসাবে বর্ণনা করা হয় p(x)=1n∑i=1n1h2ϕ(xi−xh)p(x)=1n∑i=1n1h2ϕ(xi−xh) p(x)=\frac{1}{n}\sum_{i=1}^{n} \frac{1}{h^2} \phi \left(\frac{x_i - x}{h} \right) যেখানে ভেক্টর উপাদানের সংখ্যা, একটি ভেক্টর হল একটি সম্ভাব্যতা ঘনত্ব হয় , Parzen উইন্ডো মাত্রা, এবং একটি উইন্ডো ফাংশন।nnnxxxp(x)p(x)p(x)xxxhhhϕϕ\phi আমার প্রশ্নগুলি হ'ল: পার্জন উইন্ডো ফাংশন এবং অন্যান্য ঘনত্বের ফাংশনগুলির মতো গাউসিয়ান ফাংশন ইত্যাদির মধ্যে …

4
পিসিএ স্পেসে নতুন ভেক্টর কীভাবে প্রজেক্ট করবেন?
প্রধান উপাদান বিশ্লেষণ (পিসিএ) করার পরে, আমি পিসিএ স্পেসে একটি নতুন ভেক্টর প্রজেক্ট করতে চাই (অর্থাত পিসিএ স্থানাঙ্ক সিস্টেমে এর স্থানাঙ্কগুলি সন্ধান করুন)। আমি আর ভাষা ব্যবহার করে পিসিএ গণনা করেছি prcomp। এখন আমার পিসিএ রোটেশন ম্যাট্রিক্স দ্বারা আমার ভেক্টরকে গুণ করতে সক্ষম হওয়া উচিত। এই ম্যাট্রিক্সের মূল উপাদানগুলি কি …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

2
কার্নেল ডেনসিটি অনুমান করার সময় যদি এপেনটেকনিকভ কার্নেলটি তাত্ত্বিকভাবে সর্বোত্তম হয় তবে কেন এটি বেশি ব্যবহৃত হয় না?
আমি পড়েছি (উদাহরণস্বরূপ, এখানে ) যে কার্নেল ঘনত্বের প্রাক্কলন করার সময়, কমপক্ষে তাত্ত্বিক দিক থেকে এপেনটেকনিকভ কার্নেলটি সর্বোত্তম। যদি এটি সত্য হয় তবে গাউসীয়রা কেন ঘনত্বের অনুমানের পাঠাগারগুলিতে ডিফল্ট কার্নেল হিসাবে বা বহু ক্ষেত্রে একমাত্র কার্নেল হিসাবে এত ঘন ঘন প্রদর্শিত হয়?

2
যদি ভেরিয়েবল কার্নেলের প্রস্থগুলি প্রায়শই কার্নেল রিগ্রেশনের জন্য ভাল হয় তবে কেন তারা সাধারণত কার্নেলের ঘনত্বের অনুমানের জন্য ভাল হয় না?
এই প্রশ্নটি অন্য কোথাও আলোচনার মাধ্যমে উত্সাহিত করা হবে । পরিবর্তনশীল কার্নেলগুলি প্রায়শই স্থানীয় প্রতিরোধে ব্যবহৃত হয়। উদাহরণস্বরূপ, লোস ব্যাপকভাবে ব্যবহৃত হয় এবং একটি রিগ্রেশন স্মুথ হিসাবে ভাল হিসাবে কাজ করে এবং ভেরিয়েবল প্রস্থের কার্নেলের উপর ভিত্তি করে যা ডেটা স্পারসিটির সাথে খাপ খায়। অন্যদিকে, পরিবর্তনশীল কার্নেলগুলি সাধারণত কার্নেল ঘনত্বের …

1
নাল অনুমানের অধীনে বিনিময়যোগ্য নমুনার পিছনে অন্তর্দৃষ্টি কী?
পারমুয়েশন টেস্ট (যাকে এলোমেলোকরণ পরীক্ষা, পুনরায় র্যান্ডমাইজেশন পরীক্ষা বা একটি সঠিক পরীক্ষাও বলা হয়) খুব কার্যকর হয় এবং কার্যকর হয় যখন উদাহরণস্বরূপ প্রয়োজনীয় বন্টনের অনুমানটি t-testপূরণ হয় না এবং যখন র‌্যাঙ্কিংয়ের মাধ্যমে মানগুলির রূপান্তর হয় নন-প্যারাম্যাট্রিক পরীক্ষার Mann-Whitney-U-testফলে আরও তথ্য নষ্ট হতে পারে। যাইহোক, এই ধরণের পরীক্ষাটি নাল হাইপোথিসিসের অধীনে …
15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

2
আর-তে কার্নেল ঘনত্বের অনুমানের মধ্যে "পিডিএফ" এর অধীন অঞ্চল
আমি কার্নেলের ঘনত্বের অনুমান করতে আর-তে ' ঘনত্ব ' ফাংশনটি ব্যবহার করার চেষ্টা করছি । ফলাফলগুলি ব্যাখ্যা করতে এবং বিভিন্ন ডেটাসেটের তুলনা করতে আমার কিছুটা সমস্যা হচ্ছে কারণ মনে হয় বক্ররেখার অধীনে অঞ্চলটি অগত্যা 1 নয়। কোনও সম্ভাবনার ঘনত্ব ফাংশন (পিডিএফ) জন্য আমাদের অঞ্চলটি ∫ ∞ - ∞ ϕ ( …

3
অভিজ্ঞতা অভিজ্ঞতা ঘনত্বের মধ্যে ওভারল্যাপ কীভাবে গণনা করবেন?
আমি দুটি নমুনার মধ্যে মিলের পরিমাপ হিসাবে আর-তে দুটি কার্নেল ঘনত্বের অনুমানের মধ্যে ওভারল্যাপের ক্ষেত্রটি গণনা করার জন্য একটি পদ্ধতি খুঁজছি। স্পষ্ট করার জন্য, নিম্নলিখিত উদাহরণে, আমাকে বেগুনি ওভারল্যাপিং অঞ্চলের ক্ষেত্রফলের পরিমাণটি নির্ধারণ করতে হবে: library(ggplot2) set.seed(1234) d <- data.frame(variable=c(rep("a", 50), rep("b", 30)), value=c(rnorm(50), runif(30, 0, 3))) ggplot(d, aes(value, fill=variable)) …

1
নন-প্যারাম্যাট্রিক আনুমানিক বিতরণ থেকে এলোমেলো নমুনাগুলি কীভাবে আঁকবেন?
আমার কাছে 100 টি পয়েন্টের নমুনা রয়েছে যা ধারাবাহিক এবং এক-মাত্রিক। আমি কার্নেল পদ্ধতি ব্যবহার করে এর অ-প্যারাম্যাট্রিক ঘনত্ব অনুমান করেছি। এই আনুমানিক বিতরণ থেকে আমি কীভাবে এলোমেলো নমুনা আঁকতে পারি?

1
ডেরাইভেটিভগুলির কার্নেল ঘনত্বের প্রাক্কলনকারীগুলির জন্য কি কোনও সর্বোত্তম ব্যান্ডউইথ আছে?
কার্নেল ঘনত্ব অনুমানকারী ব্যবহার করে পর্যবেক্ষণের একটি সেটের ভিত্তিতে আমার ঘনত্ব ফাংশনটি অনুমান করা দরকার। একই পর্যবেক্ষণগুলির ভিত্তিতে, আমারও ঘনত্বের প্রথম এবং দ্বিতীয় ডেরাইভেটিভগুলি কার্নেল ঘনত্ব অনুমানকারকের ডেরিভেটিভগুলি ব্যবহার করে অনুমান করতে হবে। ব্যান্ডউইথ অবশ্যই চূড়ান্ত ফলাফল দুর্দান্ত প্রভাব ফেলবে। প্রথমত, আমি জানি যে বেশ কয়েকটি আর ফাংশন রয়েছে যা …

1
কার্নেল ব্যান্ডউইথ: স্কট এর বনাম সিলভারম্যানের বিধি
ব্যান্ডউইথ নির্বাচনের জন্য স্কট এবং সিলভারম্যানের থাম্বের নিয়মের মধ্যে পার্থক্য কী কী সহজ সরল ইংরেজিতে ব্যাখ্যা করতে পারবেন? বিশেষত, যখন অন্য একজনের চেয়ে ভাল হয়? এটি অন্তর্নিহিত বিতরণ সম্পর্কিত? নমুনার সংখ্যা? পিএস আমি সায়পাই-তে কোড উল্লেখ করছি ।

3
ঘনত্ব অনুমান কোথায় দরকারী?
কিছুটা ক্ষুদ্র গণিতের মধ্য দিয়ে যাওয়ার পরে, আমি মনে করি আমার কাছে কার্নেল ঘনত্বের অনুমানের একটি সামান্য স্বীকৃতি আছে। তবে আমি আরও সচেতন যে তিনটিরও বেশি ভেরিয়েবলের জন্য বহুগুণ ঘনত্বের অনুমান করা ভাল ধারণা হতে পারে না, এর অনুমানকারীদের পরিসংখ্যানগত বৈশিষ্ট্যের ক্ষেত্রে of সুতরাং, কোন ধরণের পরিস্থিতিতে আমার অনুমান করতে …

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.