คำถามติดแท็ก references

คำถามของฉันคือฉันสามารถใช้เอฟเฟกต์ขนาดเป็นตัวแปรตามและอีกขนาดเอฟเฟกต์เป็นตัวแปรอิสระในการถดถอยแบบ meta-reg หรือไม่?XXXYYY ตัวอย่างเช่นฉันทำการวิเคราะห์อภิมานสำหรับผลของการออกกำลังกายในปัญหาการดื่มและฉันพบผลลัพธ์ที่สำคัญและความหลากหลายที่สูง ฉันต้องการทำเมตาถดถอยและใช้ขนาดผลกระทบของการแทรกแซงเหล่านั้นในความวิตกกังวลเป็นตัวแปรอิสระและขนาดผลกระทบของปัญหาการดื่มเป็นตัวแปรตาม (สมมติว่าการศึกษาแต่ละครั้งประเมินความวิตกกังวลและปัญหาการดื่มและฉันคำนวณผลกระทบ ขนาดเป็น Hedges's )ggg สิ่งนี้สมเหตุสมผลสำหรับคุณหรือไม่

11 references  meta-analysis  effect-size  meta-regression 

สวัสดีฉันอยากรู้ว่ามีหนังสือดี ๆ เกี่ยวกับการทำเหมืองข้อความและการจำแนกประเภทด้วยกรณีศึกษาบ้างไหม? ถ้าไม่ใช่เอกสาร / วารสารที่สาธารณชนสามารถเข้าถึงได้ หากพวกเขาแสดงตัวอย่างของพวกเขาด้วย R ยิ่งขึ้น ฉันไม่ได้มองหาคู่มือทีละขั้นตอน แต่สิ่งที่แสดงให้เห็นถึงข้อดีข้อเสียของวิธีการทำเหมืองข้อความที่หลากหลายในการเรียนปัญหาต่าง ๆ

11 references  text-mining 

ฉันมีภูมิหลังระดับบัณฑิตศึกษาในวิชาคณิตศาสตร์บริสุทธิ์ (วัดทฤษฎีการวิเคราะห์เชิงหน้าที่ผู้ประกอบการพีชคณิต ฯลฯ ) ฉันยังมีงานที่ต้องใช้ความรู้เกี่ยวกับทฤษฎีความน่าจะเป็นบางอย่าง (จากหลักการพื้นฐานไปจนถึงเทคนิคการเรียนรู้ด้วยเครื่องจักร) คำถามของฉัน: มีคนให้ข้อมูลการอ่านและการอ้างอิงที่ยอมรับได้ซึ่ง: ทฤษฎีความน่าจะเป็นที่มีอยู่ในตัวเอง อย่าอายไปจากวิธีการวัดเชิงทฤษฎีและบทพิสูจน์ ให้ความสำคัญอย่างมากกับเทคนิคที่ใช้ โดยพื้นฐานแล้วฉันต้องการหนังสือที่จะสอนฉันเกี่ยวกับทฤษฎีความน่าจะเป็นที่ประยุกต์ใช้กับนักคณิตศาสตร์ผู้บริสุทธิ์ สิ่งที่เริ่มต้นด้วยสัจพจน์พื้นฐานของทฤษฎีความน่าจะเป็นและแนะนำแนวคิดที่ประยุกต์ใช้ด้วยความแม่นยำทางคณิตศาสตร์ ตามความเห็นฉันจะอธิบายรายละเอียดเกี่ยวกับสิ่งที่ฉันต้องการ ฉันกำลังทำการขุดข้อมูลขั้นพื้นฐานถึงขั้นสูง การถดถอยโลจิสติก, ต้นไม้การตัดสินใจ, สถิติพื้นฐานและความน่าจะเป็น (ความแปรปรวน, ค่าเบี่ยงเบนมาตรฐาน, ความน่าจะเป็น, ความน่าจะเป็น, ความน่าจะเป็น ฯลฯ ), การเรียนรู้ด้วยเครื่องจักรแบบมีผู้สอน ในใจฉันต้องการหนังสือที่จะเริ่มต้นตั้งแต่ต้น การกำหนดมาตรการความน่าจะเป็น แต่จากนั้นก็แสดงให้เห็นว่าผลลัพธ์เหล่านั้นมีความน่าจะเป็นผลรวมขั้นพื้นฐานอย่างไร จากนั้นก็สามารถเข้าไปที่: Markov Chains, Bayesian .... ทุกคนในขณะที่พูดถึงเหตุผลพื้นฐานที่อยู่เบื้องหลังทฤษฎีการแนะนำแนวคิดด้วยคณิตศาสตร์ที่เข้มงวด แต่จากนั้นแสดงวิธีการใช้วิธีการเหล่านี้ในโลกแห่งความเป็นจริง (โดยเฉพาะกับข้อมูล การทำเหมืองแร่) มีหนังสือหรือเอกสารอ้างอิงเช่นนี้หรือไม่? ขอบคุณ! ป.ล. - ฉันรู้ว่านี่คล้ายกับขอบเขตของคำถามนี้ อย่างไรก็ตามฉันกำลังมองหาทฤษฎีความน่าจะเป็นไม่ใช่สถิติ (คล้ายกับสองฟิลด์)

11 probability  references 

ฉันเป็นนักวิทยาศาสตร์คอมพิวเตอร์ที่ทำงานด้านการขุดข้อมูล ไม่มีความลับที่จะบอกว่านักวิทยาศาสตร์คอมพิวเตอร์ค่อนข้างยากจนในการออกแบบและประเมินผลการทดลองอย่างเป็นระบบ - การใช้ค่า p-value และการประเมินความเชื่อมั่นถือว่าเป็นขั้นสูง :) สิ่งที่ฉันอยากรู้ถ้ามีหลักสูตร / วัสดุที่ดีในการสอนนักวิทยาศาสตร์คอมพิวเตอร์เกี่ยวกับการออกแบบการทดลองที่ดี เพื่อทำให้ข้อมูลเฉพาะเจาะจงมากขึ้นฉันจะเพิ่มข้อมูลต่อไปนี้: หลักสูตรนี้ควรมุ่งเน้นไปที่นักศึกษาระดับบัณฑิตศึกษาที่สามารถเข้าใจความเป็นไปได้อย่างสมเหตุสมผล แต่มีพื้นฐานทางสถิติที่ จำกัด หลักสูตรควรเน้นการออกแบบการทดลองใน "การตั้งค่าที่ไม่เป็นธรรมชาติ": กล่าวอีกนัยหนึ่งไม่มีความจริงพื้นฐานทางกายภาพหรือวิธีการควบคุมกระบวนการรวบรวมข้อมูล (เช่นเดียวกับวิชามนุษย์) แน่นอนว่าหลักสูตรที่ดีจะมุ่งเน้นไปที่พื้นฐาน แต่ควรจัดการกับสถานการณ์นี้อย่างมีนัยสำคัญ องค์ประกอบการคำนวณจะเป็นโบนัส แต่ไม่บังคับ เราจัดการกับข้อมูลจำนวนมาก แต่สามารถค้นหาปัญหาการคำนวณด้วยตัวเองหากจำเป็น

11 references  experiment-design 

ในคำตอบของเขาสำหรับคำถามก่อนหน้านี้@Erik P.ให้นิพจน์ ที่คือส่วนเกินของการแจกแจง อ้างอิงถึงรายการวิกิพีเดียเกี่ยวกับการแจกแจงความแปรปรวนตัวอย่างแต่หน้าวิกิพีเดียบอกว่า "อ้างอิงที่จำเป็น"κVar[s2]=σ4(2n−1+κn),Var[s2]=σ4(2n−1+κn), \mathrm{Var}[s^2]=\sigma^4 \left(\frac{2}{n-1} + \frac{\kappa}{n}\right) \>, κκ\kappa คำถามหลักของฉันคือมีการอ้างอิงสำหรับสูตรนี้หรือไม่? มัน 'เล็กน้อย' ที่จะได้มาและถ้าเป็นเช่นนั้นมันสามารถพบได้ในตำราเรียน? (@Erik P. ไม่พบในสถิติคณิตศาสตร์และการวิเคราะห์ข้อมูลหรือฉันในการอนุมานทางสถิติโดย Casella และ Bergerแม้ว่าหัวข้อจะครอบคลุม มันจะดีถ้ามีการอ้างอิงตำราเรียน แต่มีประโยชน์มากกว่าที่จะมีการอ้างอิงหลัก (the) (คำถามที่เกี่ยวข้องคือ: การแจกแจงความแปรปรวนของตัวอย่างจากการแจกแจงที่ไม่รู้จักคืออะไร ) อัปเดต : @ cardinalชี้ให้เห็นสมการอื่นในmath.SE : โดยที่คือช่วงเวลากลางที่สี่ μ4Var(S2)=μ4n−σ4(n−3)n(n−1)Var(S2)=μ4n−σ4(n−3)n(n−1) \mathrm{Var}(S^2)={\mu_4\over n}-{\sigma^4\,(n-3)\over n\,(n-1)} μ4μ4\mu_4 มีวิธีที่จะจัดเรียงสมการใหม่และแก้ไขทั้งสองหรือสมการในชื่อผิดหรือไม่?

11 estimation  variance  references 

ฉันรู้ว่าAdaboostพยายามที่จะสร้างลักษณนามที่แข็งแกร่งโดยใช้การรวมกันเชิงเส้นของชุดตัวจําแนกอ่อนแอ แต่ผมได้อ่านเอกสารบางคนบอก AdaBoost และจำแนกการทำงานในความสามัคคี (แม้ว่า SVM เป็นลักษณนามแรง) ในเงื่อนไขบางอย่างและกรณี ฉันไม่สามารถเข้าใจจากมุมมองสถาปัตยกรรมและการเขียนโปรแกรมว่าทำงานร่วมกันได้อย่างไร ฉันได้อ่านรายงานจำนวนมาก (อาจผิดพลาด) ซึ่งไม่ได้อธิบายอย่างชัดเจนว่าพวกเขาทำงานร่วมกันอย่างไร บางคนสามารถแสดงให้เห็นว่าพวกเขาทำงานร่วมกันอย่างไรเพื่อการจำแนกที่มีประสิทธิภาพ? ตัวชี้ไปยังเอกสาร / บทความ / วารสารก็จะได้รับการชื่นชม

11 classification  svm  references  boosting 

ปิด คำถามนี้เป็นคำถามความคิดเห็นตาม ไม่ยอมรับคำตอบในขณะนี้ ต้องการปรับปรุงคำถามนี้หรือไม่ อัปเดตคำถามเพื่อให้สามารถตอบข้อเท็จจริงและการอ้างอิงได้โดยแก้ไขโพสต์นี้ ปิดให้บริการใน7 เดือนที่ผ่านมา พื้นหลัง ฉันอ่านเกี่ยวกับStatProb.comจากความคิดเห็นในบล็อกแอนดรู Gelman ของ ตามเว็บไซต์ StatProb คือ: StatProb: สารานุกรมที่สนับสนุนโดยสถิติและความน่าจะเป็นสังคมรวมข้อดีของ wikis แบบดั้งเดิม (สิ่งพิมพ์ที่รวดเร็วและทันสมัย, การพัฒนาที่ผู้ใช้สร้างขึ้น, การเชื่อมโยงหลายมิติและประวัติที่บันทึกไว้) กับการเผยแพร่แบบดั้งเดิม (การประกันคุณภาพการตรวจสอบ และการแสดงข้อมูลที่มีโครงสร้าง) ผลงานทั้งหมดได้รับการอนุมัติจากคณะกรรมการบรรณาธิการที่กำหนดโดยสมาคมสถิติชั้นนำ สมาชิกคณะบรรณาธิการจะอยู่ในหน้าเกี่ยวกับ ฉันไม่ใช่นักสถิติ แต่ฉันใช้สถิติและเว็บไซต์นี้เสนอโอกาสให้ฉันเผยแพร่เนื้อหาที่ในขณะที่อาจเป็นประโยชน์ต่อผู้อื่นอาจมีการเผยแพร่ไม่ได้จนกว่าฉันจะรวมไว้เป็นภาคผนวกหรือโพสต์ไว้บนเว็บไซต์ ตัวเลือกน่าสนใจเพราะกระบวนการตรวจสอบจะช่วยเพิ่มความมั่นใจในวิธีการที่ฉันใช้และให้ความน่าเชื่อถือในพื้นที่สาธารณะ แม้จะมีการสนับสนุนจากสถิติที่สำคัญและสังคมน่าจะเป็น แต่เว็บไซต์ก็ยังไม่ได้รับการแก้ไข อันที่จริงหนึ่งบล็อกเกอร์ถาม 'RIP StatProb?' และความถี่ของการบริจาคลดลงตามกาลเวลา คำถาม: คุ้มค่ากับความพยายามในการเผยแพร่ผ่าน StatProb.com หรือไม่ ปรับปรุง: ณ วันนี้ (2012-02-01) ผลงานล่าสุดคือ2011-05-04 ; การแก้ไขล่าสุด 2011-06 ดังนั้นวันนี้จึงดูน่าดึงดูดน้อยกว่าเมื่อก่อนถามคำถาม

11 probability  references  methodology 

สมมติว่าคุณมีเงิน 200 ดอลลาร์สหรัฐในการสร้างห้องสมุดสถิติขนาดเล็ก (มาก) ตัวเลือกของคุณจะเป็นอย่างไร คุณอาจสมมติว่าจัดส่งฟรีจาก Amazon และข้อความใด ๆ ที่มีให้ได้อย่างอิสระจากอินเทอร์เน็ตเป็นเกมที่ยุติธรรม แต่จะคิดค่าบริการร้อยละ 5 ต่อหน้าเพื่อพิมพ์ (ฉันได้รับแรงบันดาลใจจากการส่งจดหมายจากหนังสือโดเวอร์ แต่ข้อเสนอส่วนใหญ่ของพวกเขาดูเหมือนจะล้าสมัย)

11 references  puzzle 

ฉันเป็นนักศึกษาสถิติระดับปริญญาตรีที่กำลังมองหาวิธีการวิเคราะห์การทดลองทางคลินิกที่ดี ข้อความควรครอบคลุมพื้นฐานของการออกแบบการทดลองการบล็อกการวิเคราะห์พลังงานการออกแบบละตินสี่เหลี่ยมและการออกแบบการสุ่มกลุ่มในหัวข้ออื่น ๆ ฉันมีความรู้ระดับปริญญาตรีเกี่ยวกับสถิติทางคณิตศาสตร์และการวิเคราะห์จริง แต่ถ้ามีข้อความที่ยอดเยี่ยมที่ต้องใช้สถิติหรือการวิเคราะห์ในระดับที่สูงขึ้นฉันสามารถทำงานได้

11 references  teaching  clinical-trials 

mgcvแพคเกจสำหรับการRมีสองฟังก์ชั่นสำหรับการปฏิสัมพันธ์กระชับเมตริกซ์ผลิตภัณฑ์: และte() ti()ฉันเข้าใจการแบ่งขั้นพื้นฐานของการใช้แรงงานระหว่างคนทั้งสอง (ปรับให้เหมาะสมกับการทำงานแบบไม่เป็นเชิงเส้นเปรียบเทียบกับการย่อยสลายการโต้ตอบนี้เป็นผลกระทบหลักและการโต้ตอบ) สิ่งที่ฉันไม่เข้าใจคือสาเหตุte(x1, x2)และti(x1) + ti(x2) + ti(x1, x2)อาจให้ผลลัพธ์ที่แตกต่าง (เล็กน้อย) MWE (ดัดแปลงมาจาก?ti): require(mgcv) test1 <- function(x,z,sx=0.3,sz=0.4) { x <- x*20 (pi**sx*sz)*(1.2*exp(-(x-0.2)^2/sx^2-(z-0.3)^2/sz^2)+ 0.8*exp(-(x-0.7)^2/sx^2-(z-0.8)^2/sz^2)) } n <- 500 x <- runif(n)/20;z <- runif(n); xs <- seq(0,1,length=30)/20;zs <- seq(0,1,length=30) pr <- data.frame(x=rep(xs,30),z=rep(zs,rep(30,30))) truth <- matrix(test1(pr$x,pr$z),30,30) f <- test1(x,z) y <- f …

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 

ฉันเริ่มศึกษาตัวประมาณกำลังสองน้อยที่สุด (OLS) ธรรมดาและฉันยังอยู่ที่จุดเริ่มต้น ฉันซื้อหนังสือเกี่ยวกับเศรษฐมิติแล้ว แต่ฉันไม่พบสิ่งใดทางออนไลน์ ดังนั้นฉันจึงสงสัยว่ามีเว็บไซต์โฮมเพจหรือแหล่งข้อมูลออนไลน์อื่น ๆ ที่อธิบายตัวประมาณกำลังสองน้อยที่สุดในทางที่หลบหนี ฉันกำลังมองหาวัสดุที่ให้คำแนะนำทั่วไปหรือภาพรวม จนถึงตอนนี้ฉันไม่พบอะไรที่น่าเหลือเชื่อบนอินเทอร์เน็ต ใครบ้างมีการอ้างอิงที่เป็นประโยชน์บ้าง การอ้างอิงออนไลน์ในอุดมคติอธิบาย OLS ด้วยวิธีง่าย ๆ เพื่อวัตถุประสงค์ที่นำไปใช้ เป็นการดีเลิศมันยังให้ตัวอย่างและข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อเฉพาะเช่นการคำนวณทางคณิตศาสตร์ของการประมาณสมมติฐานของ OLS หรือ poofs ทางคณิตศาสตร์ที่ตัวประมาณไม่มีอคติ ฉันไม่ได้มองหาไฟล์ PDF ของหนังสือเศรษฐมิติ

11 references  least-squares 

ฉันจำเป็นต้องศึกษาวิธีการมาร์คอฟเชนมอนติคาร์โลเพื่อให้มีความเฉพาะเจาะจงมากขึ้นฉันต้องศึกษาอัลกอริทึม Metropolis Hastings และทุกอย่างเกี่ยวกับเรื่องนี้เช่นเกณฑ์การลู่เข้า ใครสามารถกำหนดหนังสือหรือกระดาษหรือเว็บไซต์ที่อธิบายอาร์กิวเมนต์นี้โดยใช้คำศัพท์ง่ายๆ แต่ไม่มีความรู้รอบตัว

11 references  mcmc 

ฉันเรียนสถิติมาสองปีที่ผ่านมา เกือบทุกอย่างที่ฉันได้เรียนรู้เกี่ยวกับสถิติเชิงพารามิเตอร์ ตอนนี้ฉันต้องการเรียนรู้เพิ่มเติมเกี่ยวกับสถิติที่ไม่ใช่พารามิเตอร์ ใครช่วยแนะนำสั้น ๆ (อาจจะอ่านได้ดี) แนะนำในพื้นที่นี้

11 self-study  nonparametric  references 

ฉบับย่อ: มีการแนะนำให้รู้จักกับงานเขียนของโรนัลด์ฟิชเชอร์(เอกสารและหนังสือ) เกี่ยวกับสถิติที่มุ่งเป้าไปที่ผู้ที่ไม่มีพื้นฐานด้านประวัติหรือไม่? ฉันกำลังคิดถึงบางสิ่งเช่น "ผู้อ่านฟิชเชอร์ที่มีคำอธิบายประกอบ" ซึ่งมีเป้าหมายที่ไม่ใช่นักสถิติ ฉันสะกดแรงจูงใจสำหรับคำถามนี้ที่ด้านล่าง แต่ได้รับการเตือนว่ามันยืดยาว (ฉันไม่รู้วิธีอธิบายให้กระชับมากขึ้น) และยิ่งกว่านั้นมันยังเป็นที่ถกเถียงกันมาก ดังนั้นโปรดข้ามส่วนที่เหลือของโพสต์นี้ถ้าคุณไม่คิดว่าคำถาม (ตามที่ระบุข้างต้น) สั้นเกินไปที่จะตอบโดยไม่ต้องชี้แจงเพิ่มเติม ฉันได้สอนตัวเองเกี่ยวกับพื้นฐานของหลาย ๆ พื้นที่ที่ผู้คนจำนวนมากจะพิจารณาเรื่องยาก (เช่นพีชคณิตเชิงเส้นพีชคณิตนามธรรมการวิเคราะห์ที่แท้จริงและซับซ้อนทอพอโลยีทั่วไปทฤษฎีการวัด ฯลฯ ) แต่ความพยายามทั้งหมดของฉันในการสอนสถิติตัวเองล้มเหลว . เหตุผลของเรื่องนี้ไม่ใช่ว่าฉันพบสถิติที่ยากในทางเทคนิค (หรือมากกว่านั้นนอกเหนือจากส่วนอื่น ๆ ที่ฉันพยายามหาทางผ่าน) แต่ฉันพบว่าสถิติของคนต่างด้าวอยู่เสมอถ้าไม่ใช่คนแปลกๆ พื้นที่อื่นที่ฉันเคยสอนตัวเอง ช้าฉันเริ่มสงสัยว่ารากของความแปลกประหลาดนี้ส่วนใหญ่เป็นเรื่องทางประวัติศาสตร์และในฐานะที่เป็นคนที่เรียนสาขานี้จากหนังสือและไม่ได้มาจากชุมชนของผู้ปฏิบัติงาน (เช่นกรณีถ้าฉันได้รับการฝึกฝนอย่างเป็นทางการในสถิติ ) ฉันจะไม่มีวันผ่านความรู้สึกแปลกแยกนี้จนกว่าฉันจะได้เรียนรู้เพิ่มเติมเกี่ยวกับประวัติของสถิติ ดังนั้นฉันได้อ่านหนังสือหลายเล่มเกี่ยวกับประวัติของสถิติและการทำเช่นนี้ในความเป็นจริงแล้วไปทาง looong ในการอธิบายสิ่งที่ฉันเห็นว่าเป็นความแปลกประหลาดของสนาม แต่ฉันมีวิธีที่จะไปในทิศทางนี้ยังคง หนึ่งในสิ่งที่ฉันได้เรียนรู้จากการอ่านของฉันในประวัติศาสตร์ของสถิติคือแหล่งที่มาของสิ่งที่ฉันเห็นว่าแปลกประหลาดในสถิติคือผู้ชายคนหนึ่งโรนัลด์ฟิชเชอร์ อันที่จริงคำพูดต่อไปนี้1 (ซึ่งฉันเพิ่งค้นพบเมื่อเร็ว ๆ นี้) เป็นพยัญชนะทั้งสองด้วยความตระหนักของฉันว่าโดยการเจาะลึกลงไปในประวัติศาสตร์บางอย่างฉันจะเริ่มทำความเข้าใจกับสาขานี้ จุดอ้างอิง: แนวคิดและทฤษฎีทางสถิติส่วนใหญ่สามารถอธิบายแยกต่างหากจากที่มาทางประวัติศาสตร์ของพวกเขา สิ่งนี้ไม่สามารถทำได้โดยไม่มีความลึกลับที่ไม่จำเป็นสำหรับกรณีของ "ความน่าจะเป็นแบบ fiducial" อันที่จริงฉันคิดว่าลางสังหรณ์ของฉันที่นี่แม้ว่าแน่นอน (แน่นอน) ไม่ได้ไม่มีมูลความจริงทั้งหมด ฟิชเชอร์ไม่เพียง …

11 references  history  fiducial  ronald-fisher 

ฉันกำลังมองหาหนังสือแนะนำเกี่ยวกับการให้คะแนนเครดิต ฉันสนใจในทุกด้านของปัญหานี้ แต่ส่วนใหญ่ใน: 1) คุณสมบัติที่ดี สร้างได้อย่างไร? สิ่งใดได้รับการพิสูจน์แล้วว่าดี 2) โครงข่ายประสาทเทียม การประยุกต์ใช้กับปัญหาการให้คะแนนเครดิต 3) ฉันเลือกเครือข่ายประสาท แต่ฉันก็สนใจวิธีอื่นเช่นกัน

11 references  finance  credit-scoring