Вопросы с тегом «kernel-smoothing»

Как определяется долгосрочная дисперсия в области анализа временных рядов? Я понимаю, что это используется в том случае, если в данных есть корреляционная структура. Таким образом, наш стохастический процесс не будет семейством случайными переменными, а будет только идентично распределенным?X1,X2…X1,X2…X_1, X_2 \dots Могу ли я иметь стандартную ссылку в качестве введения в …

13 time-series  variance  references  kernel-smoothing  non-independent 

Я просто подумал о аккуратном (не обязательно хорошем) способе создания одномерных оценок плотности, и мой вопрос: У этого метода оценки плотности есть имя? Если нет, то является ли это частным случаем какого-либо другого метода в литературе? Вот метод: Мы имеем вектор который мы предполагаем, взят из некоторого неизвестного распределения, которое …

12 r  estimation  nonparametric  pdf  kernel-smoothing 

При визуализации одномерных данных обычно используется метод оценки плотности ядра для учета неправильно выбранных ширин. Если в моем одномерном наборе данных есть погрешности измерения, существует ли стандартный способ включения этой информации? Например (и простите, если мое понимание наивно), KDE сворачивает гауссовский профиль с дельта-функциями наблюдений. Это Gaussian ядро разделяется между …

12 uncertainty  kde  kernel-smoothing 

Я использую Байес для решения проблемы кластеризации. После выполнения некоторых вычислений у меня возникает необходимость получить соотношение двух вероятностей: п( А ) / П( Б )P(A)/P(B)P(A)/P(B) чтобы иметь возможность получить . Эти вероятности получены путем интегрирования двух разных 2D многомерных KDE, как объяснено в этом ответе :п( H| Г)P(H|D)P(H|D) P …

12 probability  bayesian  maximum-likelihood  kernel-smoothing 

Я исхожу из этого вопроса на случай, если кто-нибудь захочет пойти по следу. По сути, у меня есть набор данных состоящий из объектов, где к каждому объекту прикреплено заданное количество измеренных значений (два в данном случае):NΩΩ\OmegaNNN Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] Мне нужен способ определить вероятность …

12 probability  maximum-likelihood  kernel-smoothing  numerical-integration 

Я ищу ссылки для расчета доверительных интервалов для режима (в целом). Начальная загрузка может показаться естественным первым выбором, но, как обсуждал Романо (1988), стандартная загрузка завершается неудачно для режима и не предоставляет какого-либо простого решения. Что-то изменилось с тех пор, как эта статья? Каков наилучший способ расчета доверительных интервалов для …

11 confidence-interval  bootstrap  kernel-smoothing  mode 

У меня есть ситуация, когда я могу оценить (первые) моментов набора данных и хотел бы использовать его для оценки функции плотности.kkk Я уже сталкивался с распределением Пирсона , но понял, что он опирается только на первые 4 момента (с некоторыми ограничениями на возможные комбинации моментов). Я также понимаю, что любого …

11 pdf  kernel-smoothing  moments 

Я должен рассчитать оценку плотности ядра (kde) из списка координат широты и долготы. Но один градус по широте - это не то же самое расстояние, что и один градус по долготе, это означает, что отдельные ядра будут овальными, особенно если точка дальше от экватора. В моем случае все точки достаточно …

11 spatial  kernel-smoothing  geostatistics  geography 

У меня есть некоторые наблюдения, и я хочу повторить выборку на основе этих наблюдений. Здесь я рассматриваю непараметрическую модель, в частности, я использую сглаживание ядра для оценки CDF из ограниченных наблюдений. Затем я рисую значения случайным образом из полученного CDF. Ниже приведен мой код (идея состоит в том, чтобы случайным …

10 sampling  matlab  kernel-smoothing  density-estimation 

Пусть - наблюдения, полученные из неизвестного (но, безусловно, асимметричного) распределения вероятностей.{ х1, … , ХN}{x1,…,xN}\{x_1,\ldots,x_N\} Я хотел бы найти распределение вероятностей с помощью KDE Однако я попытался использовать ядро ​​Гаусса, но оно работало плохо, поскольку оно симметрично. Таким образом, я видел, что были выпущены некоторые работы с ядрами Gamma и …

10 probability  distributions  pdf  kernel-smoothing 

У меня есть некоторые данные в R, хранящиеся в списке. Считать d <- c(1,2,3,4) хотя это не мои данные. Если я тогда введите команду plot(density(d, kernel="gaussian", width=1)) тогда я получаю оценку плотности вероятности ядра, где ядро ​​стандартно нормально. Если я заменю 1 на другие числа, конечно, картина изменится. Я хотел …

10 r  kernel-smoothing 

Я делаю некоторую оценку плотности ядра с установленными весовыми точками (т. Е. Каждый образец имеет вес, который не является необходимым) в N измерениях. Кроме того, эти образцы находятся только в метрическом пространстве (то есть мы можем определить расстояние между ними), но не более того. Например, мы не можем определить среднее …

10 pdf  smoothing  kernel-smoothing 

Случайные функции Фурье обеспечивают приближение к функциям ядра. Они используются для различных методов ядра, таких как SVM и гауссовские процессы. Сегодня я попытался использовать реализацию TensorFlow и получил отрицательные значения для половины своих функций. Насколько я понимаю, этого не должно быть. Поэтому я вернулся к первоначальной статье , в которой, …

10 machine-learning  kernel-smoothing  feature-construction  tensorflow  fourier-transform 

Я хочу проверить некоторые из моих идей, которые, на мой взгляд, лучше, чем все, что я видел. Я могу ошибаться, но я хотел бы проверить свои идеи и побороть мои сомнения с помощью более определенных наблюдений. Я думал сделать следующее: Аналитически определить набор распределений. Некоторые из них простые, такие как …

10 hypothesis-testing  estimation  pdf  kernel-smoothing  model-evaluation 

Итак, у меня есть 16 испытаний, в которых я пытаюсь идентифицировать человека по биометрической характеристике, используя расстояние Хэмминга. Мой порог установлен на 3,5. Мои данные ниже, и только пробная версия 1 является истинным положительным результатом: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5 0.55 6 0.47 …

9 mathematical-statistics  roc  classification  cross-validation  pac-learning  r  anova  survival  hazard  machine-learning  data-mining  hypothesis-testing  regression  random-variable  non-independent  normal-distribution  approximation  central-limit-theorem  interpolation  splines  distributions  kernel-smoothing  r  data-visualization  ggplot2  distributions  binomial  random-variable  poisson-distribution  simulation  kalman-filter  regression  lasso  regularization  lme4-nlme  model-selection  aic  r  mcmc  dlm  particle-filter  r  panel-data  multilevel-analysis  model-selection  entropy  graphical-model  r  distributions  quantiles  qq-plot  svm  matlab  regression  lasso  regularization  entropy  inference  r  distributions  dataset  algorithms  matrix-decomposition  regression  modeling  interaction  regularization  expected-value  exponential  gamma-distribution  mcmc  gibbs  probability  self-study  normality-assumption  naive-bayes  bayes-optimal-classifier  standard-deviation  classification  optimization  control-chart  engineering-statistics  regression  lasso  regularization  regression  references  lasso  regularization  elastic-net  r  distributions  aggregation  clustering  algorithms  regression  correlation  modeling  distributions  time-series  standard-deviation  goodness-of-fit  hypothesis-testing  statistical-significance  sample  binary-data  estimation  random-variable  interpolation  distributions  probability  chi-squared  predictor  outliers  regression  modeling  interaction