প্রশ্ন ট্যাগ «matrix-inverse»

আমি শুনেছি যে এলোমেলো ভেরিয়েবলের মধ্যে আংশিক পারস্পরিক সম্পর্কগুলি কোভেরিয়েন্স ম্যাট্রিক্সকে উল্টিয়ে দিয়ে এবং এর ফলে প্রাপ্ত নির্ভুলতা ম্যাট্রিক্স থেকে উপযুক্ত কোষ গ্রহণ করে (এই সত্যটি http://en.wikedia.org/wiki/Partial_correlation এ উল্লেখ করা হয়েছে , তবে একটি প্রমাণ ছাড়াই) । কেন এই ক্ষেত্রে?

32 covariance  covariance-matrix  linear-algebra  partial-correlation  matrix-inverse 

আমার ম্যাট্রিক্স বিপরীত গণনা করতে হবে এবং solveফাংশনটি ব্যবহার করে যাচ্ছি । যদিও এটি ছোট ম্যাট্রিকগুলিতে ভাল কাজ solveকরে, বড় ম্যাট্রিকগুলিতে খুব ধীর হয়ে থাকে। আমি ভাবছিলাম যে অন্য কোনও ক্রিয়াকলাপ বা ফাংশনের সংমিশ্রণ রয়েছে (এসভিডি, কিউআর, এলইউ, বা অন্যান্য পচন ফাংশনের মাধ্যমে) যা আমাকে দ্রুত ফলাফল দিতে পারে।

21 r  matrix-decomposition  matrix-inverse 

আমার প্রশ্নটি একটি গণনা প্রযুক্তির সাথে সম্পর্কিত geoR:::.negloglik.GRFবা এর সাথে সম্পর্কিত geoR:::solve.geoR। রৈখিক মিশ্র মডেল সেটআপে: যেখানে β এবং খ যথাক্রমে স্থির এবং এলোমেলো প্রভাব। এছাড়াও, Σ = কোভ ( ওয়াই )ওয়াই= এক্সβ+ + জেডখ + ইY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betaখbbΣ = কোভ ( ওয়াই)Σ=cov(Y)\Sigma=\text{cov}(Y) যখন প্রভাব আনুমানিক হিসাব, সেখানে গনা প্রয়োজন …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

ডিজাইনের ম্যাট্রিক্স এর ক্ষেত্রে নিখুঁত কোলাইনারিটির উদাহরণ কী ?XXX আমি একটি উদাহরণ চাই যেখানে যেখানে অনুমান করা যায় না কারণ নয়।β^=(X′X)−1X′Yβ^=(X′X)−1X′Y\hat \beta = (X'X)^{-1}X'Y(X′X)(X′X)(X'X)

12 regression  multicollinearity  matrix  matrix-inverse 

আমি কয়েকটি ক্লাস্টারিং কৌশল নিয়ে কাজ করছি, যেখানে ডি-ডাইমেনশন ভেক্টরগুলির প্রদত্ত ক্লাস্টারের জন্য আমি একটি মাল্টিভারিয়েট স্বাভাবিক বিতরণ অনুমান করি এবং নমুনা ডি-ডাইমেনশনাল গড় ভেক্টর এবং নমুনা কোভারিয়েন্স ম্যাট্রিক্স গণনা করি। তারপরে যখন সিদ্ধান্ত নেওয়ার চেষ্টা করা হচ্ছে যে কোনও নতুন, অদৃশ্য, ডি-ডাইমেনশনাল ভেক্টর এই ক্লাস্টারের অন্তর্ভুক্ত তবে আমি এই …

12 clustering  multivariate-analysis  covariance  covariance-matrix  matrix-inverse 

mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

লিনিয়ার রিগ্রেশন এ ডাব্লু এর বন্ধ ফর্ম হিসাবে লেখা যেতে পারে w^=(XTX)−1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty কীভাবে আমরা এই সমীকরণে এর ভূমিকা স্বজ্ঞাতভাবে ব্যাখ্যা করতে (XTX)−1(XTX)−1(X^TX)^{-1}পারি?

10 regression  least-squares  matrix  intuition  matrix-inverse 

সমীকরণের লিনিয়ার সিস্টেমগুলি গণনা সংক্রান্ত পরিসংখ্যানগুলিতে বিস্তৃত। আমি একটি বিশেষ সিস্টেমের মুখোমুখি হয়েছি (যেমন, ফ্যাক্টর বিশ্লেষণে) সিস্টেমটি Ax=bAx=bAx=b যেখানে এখানে একটি তির্যক ম্যাট্রিক্স যেখানে কঠোরভাবে ধনাত্মক তির্যক রয়েছে, একটি ( ) প্রতিসম পজিটিভ আধা-নির্দিষ্ট ম্যাট্রিক্স, এবং একটি নির্বিচারে ম্যাট্রিক্স। আমাদেরকে একটি তির্যক লিনিয়ার সিস্টেম (সহজ) সমাধান করতে বলা হয়েছে যা …

10 factor-analysis  matrix  computational-statistics  matrix-decomposition  matrix-inverse 

আমি বুঝতে পারি যে আমরা কমপক্ষে স্কোয়ার রিগ্রেশন সমস্যায় নিয়মিতকরণ নিয়োগ করতে পারি w∗=argminw[(y−Xw)T(y−Xw)+λ∥w∥2]w∗=argminw⁡[(y−Xw)T(y−Xw)+λ‖w‖2]\boldsymbol{w}^* = \operatorname*{argmin}_w \left[ (\mathbf y-\mathbf{Xw})^T(\boldsymbol{y}-\mathbf{Xw}) + \lambda\|\boldsymbol{w}\|^2 \right] এবং এই সমস্যাটির একটি বদ্ধ-ফর্ম সমাধান রয়েছে যেমন: w^=(XTX+λI)−1XTy.w^=(XTX+λI)−1XTy.\hat{\boldsymbol{w}} = (\boldsymbol{X}^T\boldsymbol{X}+\lambda\boldsymbol{I})^{-1}\boldsymbol{X}^T\boldsymbol{y}. আমরা দেখতে পাই যে ২ য় সমীকরণে নিয়মিতকরণ কেবল \ বোল্ডসিম্বল {এক্স} টি \ বোল্ডসিম্বল {এক্স the …

10 regression  regularization  ridge-regression  overfitting  matrix-inverse