প্রশ্ন ট্যাগ «smoothing»

আমার কাছে 2 টি টাইম-সিরিজ রয়েছে (উভয়ই মসৃণ) তারা কতটা সহযোগী তা দেখতে আমি ক্রস-কোলেলেট করতে চাই। আমি পিয়ারসন পারস্পরিক সম্পর্ক সহগ ব্যবহার করতে চাই। এটা কি উপযুক্ত? আমার দ্বিতীয় প্রশ্নটি হল আমি 2 টাইম-সিরিজের পাশাপাশি আমার পছন্দ মতো নমুনা বেছে নিতে পারি। অর্থাত্ আমি যে পরিমাণ ডেটা পয়েন্ট করব …

47 time-series  correlation  pearson-r  smoothing 

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?

29 smoothing  kernel-smoothing 

যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: p = true positives / (true positives + false positives) এটি সঠিক যে, 0 true positivesএবং false positivesকাছে যাওয়ার সাথে সাথে নির্ভুলতা 1 এ পৌঁছেছে? প্রত্যাহার জন্য একই প্রশ্ন: r = true positives / (true positives + false negatives) আমি বর্তমানে একটি পরিসংখ্যানগত পরীক্ষা বাস্তবায়ন …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

উইলিয়াম ব্রিগসের ব্লগে বেশ পুরাতন পোস্ট রয়েছে যা তথ্য স্মুথ করার অসুবিধাগুলি দেখে এবং সেই স্মুথড ডেটা বিশ্লেষণের মাধ্যমে নিয়ে যায়। মূল যুক্তিটি হ'ল: যদি, ক্ষিপ্ততার মুহুর্তে, আপনি মসৃণ সময় সিরিজের ডেটা করেন এবং আপনি অন্যান্য বিশ্লেষণের ইনপুট হিসাবে এটি ব্যবহার করেন, আপনি নিজেকে বোকা হওয়ার সম্ভাবনা নাটকীয়ভাবে বাড়িয়ে তোলেন! …

18 time-series  smoothing 

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 …

17 nonparametric  smoothing  kernel-smoothing  loess 

আমি যা দেখেছি তা থেকে, (দ্বিতীয়-ক্রম) কানসার-নে স্মুথিং সূত্রটি কোনও উপায়ে বা অন্য হিসাবে দেওয়া হয়েছে P2KN(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn)PKN2(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn) \begin{align} P^2_{KN}(w_n|w_{n-1}) &= \frac{\max \left\{ C\left(w_{n-1}, w_n\right) - D, 0\right\}}{\sum_{w'} C\left(w_{n-1}, w'\right)} + \lambda(w_{n-1}) \times P_{cont}(w_n) \end{align} নর্মালাইজিং ফ্যাক্টর সহ λ(wn−1)λ(wn−1)\lambda(w_{n-1}) হিসাবে দেওয়া হয়েছে λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙)λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙) \begin{align} \lambda(w_{n-1}) &= \frac{D}{\sum_{w'} C\left(w_{n-1}, w'\right)} \times N_{1+}\left(w_{n-1}\bullet\right) …

15 machine-learning  natural-language  naive-bayes  smoothing  language-models 

আমার কাছে এমন কিছু ডেটা রয়েছে যা আমি মসৃণ করতে চাই যাতে স্মুথড পয়েন্টগুলি একঘেয়েমি হ্রাস পাচ্ছে। আমার ডেটা দ্রুত হ্রাস পায় এবং তারপরে মালভূমি শুরু হয়। এখানে আর ব্যবহার করে একটি উদাহরণ দেওয়া হল df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() আমি ব্যবহার করতে পারি একটি ভাল স্মুথ কৌশল …

14 regression  smoothing 

আমি কোনও এমজিসিভি: গাম মডেলটিতে স্মুথিং পরামিতিগুলি কীভাবে নিয়ন্ত্রণ করতে পারি তা জানার চেষ্টা করছি। আমার একটি দ্বিপদী ভেরিয়েবল রয়েছে যা আমি প্রাথমিকভাবে একটি নির্দিষ্ট গ্রিডে এক্স এবং y স্থানাঙ্কের ফাংশন হিসাবে আরও কিছু ক্ষুদ্র প্রভাব সহ আরও কিছু ভেরিয়েবল মডেল করার চেষ্টা করছি। অতীতে আমি প্যাকেজ লোকফিট এবং কেবলমাত্র …

14 r  smoothing  mgcv 

আমি এমন একটি অ্যান্ড্রয়েড অ্যাপ্লিকেশন তৈরি করছি যা ঘুমের সময় অ্যাকসিলোমিটার ডেটা রেকর্ড করে, যাতে ঘুমের প্রবণতাগুলি বিশ্লেষণ করতে এবং বিকল্পভাবে হালকা ঘুমের সময় কোনও পছন্দসই সময়ের কাছে ব্যবহারকারীকে জাগ্রত করা যায়। আমি ইতিমধ্যে এমন উপাদান তৈরি করেছি যা ডেটা সংগ্রহ করে এবং সঞ্চয় করে পাশাপাশি অ্যালার্ম। আমি এখনও সত্য …

14 time-series  smoothing  signal-processing  java 

আমি সম্প্রতি এলোমেলো গতি এবং ত্বরণ সহ একটি কণার অবস্থান পরিমাপের সহজ উদাহরণে একটি কলম্যান ফিল্টার প্রয়োগ করেছি। আমি দেখতে পেয়েছি যে কলম্যান ফিল্টারটি ভালভাবে কাজ করেছে, তবে আমি তখন নিজেকে জিজ্ঞাসা করেছি যে এটির মধ্যে কেবল পার্থক্য কী এবং কেবল চলন্ত গড় করা? আমি দেখতে পেলাম যে যদি আমি …

14 smoothing  kalman-filter 

আমার কিছু ডেটা রয়েছে যা আমি ব্যবহার করে মসৃণ করি loess। আমি স্মুথযুক্ত রেখার প্রতিচ্ছবি পয়েন্টগুলি সন্ধান করতে চাই। এটা কি সম্ভব? আমি নিশ্চিত যে এটি সমাধানের জন্য কেউ অভিনব পদ্ধতি তৈরি করেছে ... মানে ... ... সর্বোপরি, এটি আর! আমি ব্যবহার করি স্মুথ ফাংশন পরিবর্তন করে আমি ঠিক আছি। …

14 r  smoothing  loess 

আমার কাছে একটি 2 ডি স্পেসে (একটি পৃষ্ঠ) একটি বস্তুর ট্রাজেক্টোরি রয়েছে। ট্র্যাজেক্টরিটি (x,y)স্থানাঙ্কের ক্রম হিসাবে দেওয়া হয় । আমি জানি যে আমার পরিমাপটি গোলমাল এবং কখনও কখনও আমার কাছে স্পষ্টভাবে বিদেশীও থাকে। সুতরাং, আমি আমার পর্যবেক্ষণগুলি ফিল্টার করতে চাই। আমি যতদূর কলম্যান ফিল্টার বুঝতে পেরেছি, এটি আমার যা প্রয়োজন …

12 python  kalman-filter  smoothing 

উপর উইকিপিডিয়ার নিবন্ধ Laplace মসৃণকরণ (অথবা যুত মসৃণকরণ) এর, এটা বলা হয় যে একটি দেখুন Bayesian বিন্দু থেকে, এটি পূর্ববর্তী হিসাবে প্যারামিটার সহ একটি প্রতিসাম্য ডিরিচলেট বিতরণ ব্যবহার করে উত্তরোত্তর বিতরণের প্রত্যাশিত মানের সাথে মিলে যায় ।αα\alpha আমি সত্যিই সত্য যে সম্পর্কে বিস্মিত। এই দু'টি জিনিস কীভাবে সমান? ধন্যবাদ!

11 bayesian  smoothing  dirichlet-distribution  laplace-smoothing 

আমি ওজনযুক্ত পয়েন্টগুলি সেট করে (উদাহরণস্বরূপ, প্রতিটি নমুনার একটি ওজন রয়েছে যা প্রয়োজনীয় নয়) এন পরিমিতিতে কিছু কর্নেল ঘনত্বের অনুমান করছি। এছাড়াও, এই নমুনাগুলি কেবলমাত্র একটি মেট্রিক জায়গাতে (যেমন, আমরা তাদের মধ্যে একটি দূরত্ব নির্ধারণ করতে পারি) তবে অন্য কিছুই নয়। উদাহরণস্বরূপ, আমরা নমুনা পয়েন্টগুলির গড়টি নির্ধারণ করতে পারি না, …

10 pdf  smoothing  kernel-smoothing 

আমি এমজিসিভি প্যাকেজে (x, y)প্লট করার plot(b, seWithMean=TRUE)ক্ষেত্রে ব্যবহৃত মানগুলি খুঁজে বের করতে চাই । কেউ কি জানেন যে আমি কীভাবে এই মানগুলি বের করতে বা গণনা করতে পারি? এখানে একটি উদাহরণ: library(mgcv) set.seed(0) dat <- gamSim(1, n=400, dist="normal", scale=2) b <- gam(y~s(x0), data=dat) plot(b, seWithMean=TRUE)

10 r  time-series  smoothing  mgcv