คำถามติดแท็ก terminology

อะไรคือความแตกต่างระหว่างปัญหามัลติคลาสและปัญหามัลติคาสต์?

52 classification  clustering  terminology  multi-class  multilabel 

ฉันรู้ว่าสิ่งนี้เป็นเรื่องอื้อฉาวและน่าเบื่อ แต่ในฐานะนักวิจัยในสาขานอกสถิติด้วยการศึกษาอย่างเป็นทางการในสถิติที่ จำกัด ฉันมักจะสงสัยว่าฉันเขียน "p-value" ถูกต้องหรือไม่ โดยเฉพาะ: "p" ควรจะเป็นตัวพิมพ์ใหญ่หรือไม่ "p" ควรจะเป็นตัวเอียงหรือไม่ (หรือในแบบอักษรคณิตศาสตร์ใน TeX?) ควรมีเครื่องหมายขีดคั่นระหว่าง "p" และ "value" หรือไม่? อีกวิธีหนึ่งไม่มีวิธีการเขียน "p-value" ที่เหมาะสม "และ dolt ใด ๆ จะเข้าใจสิ่งที่ฉันหมายถึงถ้าฉันวาง" p "ถัดจาก" value "ในการเปลี่ยนแปลงตัวเลือกเหล่านี้

50 hypothesis-testing  p-value  terminology 

แม้จะเห็นเงื่อนไขเหล่านี้แล้ว 502847894789 ครั้ง แต่ฉันก็ไม่สามารถจำความแตกต่างระหว่างความไวความจำเพาะความแม่นยำความแม่นยำและการเรียกคืนได้ มันเป็นแนวคิดที่เรียบง่าย แต่ชื่อฉันไม่ได้ใช้งานง่ายมากฉันเลยทำให้พวกเขาสับสนกัน วิธีที่ดีในการคิดเกี่ยวกับแนวคิดเหล่านี้คืออะไรเพื่อให้ชื่อเริ่มมีเหตุผล อีกวิธีหนึ่งทำไมชื่อเหล่านี้จึงถูกเลือกสำหรับแนวคิดเหล่านี้เมื่อเทียบกับชื่ออื่น ๆ

49 terminology  accuracy  sensitivity-specificity 

เรานักสถิติใช้หลายคำในวิธีที่แตกต่างจากวิธีที่ทุกคนใช้ สิ่งนี้ทำให้เกิดปัญหามากมายเมื่อเราสอนหรืออธิบายสิ่งที่เรากำลังทำ ฉันจะเริ่มรายการ (และตอนนี้ฉันจะเพิ่มคำจำกัดความต่อความคิดเห็น): กำลังคือความสามารถในการปฏิเสธสมมติฐานที่ผิดพลาดได้อย่างถูกต้อง โดยปกติจะหมายถึงการพูดว่า "มีอะไรเกิดขึ้น" อย่างถูกต้อง อคติ - สถิติจะลำเอียงหากระบบแตกต่างจากพารามิเตอร์ประชากรที่เกี่ยวข้อง นัยสำคัญ - ผลลัพธ์มีนัยสำคัญทางสถิติในบางเปอร์เซ็นต์ (มักจะ 5%) ในสถานการณ์ต่อไปนี้: หากประชากรที่กลุ่มตัวอย่างมาจากผลกระทบที่แท้จริงของ 0 สถิติอย่างน้อยที่สุดเท่าที่ได้มาจากตัวอย่างเท่านั้นที่จะเกิดขึ้น 5% ของเวลา การโต้ตอบ - ตัวแปรอิสระสองตัวจะโต้ตอบกันหากความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระหนึ่งตัวนั้นแตกต่างกันในระดับต่าง ๆ ของตัวแปรอิสระ แต่จะต้องมีอื่น ๆ อีกมากมาย!

47 terminology  communication 

ฉันเคยเห็น "ส่วนที่เหลือ" นิยามต่าง ๆ ว่าเป็น "คาดการณ์ลบค่าจริง" หรือ "ลบค่าคาดการณ์จริง" เพื่อวัตถุประสงค์ในการแสดงเพื่อแสดงว่ามีการใช้สูตรทั้งสองอย่างแพร่หลายให้เปรียบเทียบการค้นหาเว็บต่อไปนี้: ส่วนที่เหลือ "คาดการณ์ลบจริง" ส่วนที่เหลือ "ตามจริงลบด้วยคำทำนาย" ในทางปฏิบัติมันแทบไม่เคยสร้างความแตกต่างเลยเนื่องจากสัญญาณของสิ่งที่เหลือตามปกติไม่สำคัญ (เช่นถ้ามันถูกยกกำลังสองหรือค่าสัมบูรณ์ถูกใช้) อย่างไรก็ตามคำถามของฉันคือ: หนึ่งในสองเวอร์ชันนี้ (การคาดการณ์แรกและจริงก่อน) ถือเป็น "มาตรฐาน" หรือไม่ ฉันชอบที่จะสอดคล้องในการใช้งานของฉันดังนั้นหากมีมาตรฐานดั้งเดิมที่ดีขึ้นฉันต้องการที่จะปฏิบัติตาม อย่างไรก็ตามหากไม่มีมาตรฐานฉันยินดีที่จะยอมรับว่าเป็นคำตอบหากสามารถพิสูจน์ได้อย่างชัดเจนว่าไม่มีการประชุมมาตรฐาน

46 residuals  terminology  error 

ฉันสงสัยว่ามันจะสร้างความแตกต่างในการตีความไม่ว่าจะเป็นเพียงขึ้นอยู่กับทั้งขึ้นอยู่กับและเป็นอิสระหรือตัวแปรอิสระเท่านั้นที่ถูกเปลี่ยนเข้าสู่ระบบ พิจารณากรณีของ log(DV) = Intercept + B1*IV + Error ฉันสามารถตีความ IV เป็นเปอร์เซ็นต์เพิ่มขึ้น แต่จะเปลี่ยนแปลงได้อย่างไรเมื่อฉันมี log(DV) = Intercept + B1*log(IV) + Error หรือเมื่อฉันมี DV = Intercept + B1*log(IV) + Error ?

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

เมื่อฉันอ่าน "ค่าเฉลี่ยเคลื่อนที่" สัมพันธ์กับอนุกรมเวลาฉันคิดว่าหรืออาจเป็นน้ำหนัก เฉลี่ยเช่น{t-3} (ฉันรู้ว่าสิ่งเหล่านี้เป็นแบบจำลอง AR (3) แต่สิ่งเหล่านี้เป็นสิ่งที่สมองของฉันกระโดดไป) ทำไม MA (q) แบบจำลองสูตรของข้อผิดพลาดหรือ "นวัตกรรม" อะไรมีจะทำอย่างไรกับค่าเฉลี่ยเคลื่อนที่? ฉันรู้สึกเหมือนฉันขาดสัญชาตญาณบางอย่าง( xt - 1+ xt - 2+ xt - 3)3(xเสื้อ-1+xเสื้อ-2+xเสื้อ-3)3\frac{(x_{t-1} + x_{t-2} + x_{t-3})}30.5 xt - 1+ 0.3 xt - 2+ 0.2 xt - 30.5xเสื้อ-1+0.3xเสื้อ-2+0.2xเสื้อ-30.5x_{t-1} + 0.3x_{t-2} + 0.2x_{t-3}{ ϵ }{ε}\{\epsilon\}

43 time-series  arima  terminology  moving-average 

ฉันใช้ "การกระจายแบบเกาส์" เป็นส่วนใหญ่ในหนังสือของฉัน แต่มีคนแนะนำว่าฉันเปลี่ยนเป็น "การกระจายแบบปกติ" ฉันทามติใดที่คำว่าจะใช้สำหรับผู้เริ่มต้น แน่นอนว่าคำทั้งสองนี้เป็นคำพ้องความหมายดังนั้นนี่ไม่ใช่คำถามเกี่ยวกับเนื้อหา แต่เป็นเรื่องที่ใช้กันอย่างแพร่หลาย และแน่นอนฉันใช้ทั้งสองคำ แต่สิ่งที่ควรใช้เป็นส่วนใหญ่?

42 normal-distribution  terminology 

มีความแตกต่างอย่างลึกซึ้งระหว่างการแจกแจงแบบปรกติและแบบเกาส์เซียนฉันเคยเห็นเอกสารจำนวนมากที่ใช้พวกเขาโดยไม่มีความแตกต่างและฉันมักจะอ้างถึงพวกเขาในสิ่งเดียวกัน อย่างไรก็ตาม PI ล่าสุดของฉันบอกฉันว่าปกติเป็นกรณีเฉพาะของ Gaussian ที่มีค่าเฉลี่ย = 0 และ std = 1 ซึ่งฉันได้ยินเมื่อไม่นานมานี้ในร้านอื่นฉันทามติเกี่ยวกับเรื่องนี้อย่างไร ตามวิกิพีเดียสิ่งที่พวกเขาเรียกว่าปกติคือการแจกแจงแบบปกติมาตรฐานในขณะที่ Normal เป็นคำพ้องความหมายของ Gaussian แต่หลังจากนั้นอีกครั้งฉันก็ไม่แน่ใจเกี่ยวกับ Wikipedia เช่นกัน ขอบคุณ

40 normal-distribution  terminology 

ฉันสงสัยว่าความแตกต่างและความสัมพันธ์ระหว่างการพยากรณ์และการทำนายคืออะไร โดยเฉพาะในอนุกรมเวลาและการถดถอย ตัวอย่างเช่นฉันแก้ไขให้ถูกต้อง: ในอนุกรมเวลาการคาดการณ์ดูเหมือนว่าจะหมายถึงการประเมินค่าในอนาคตที่กำหนดให้ค่าที่ผ่านมาของอนุกรมเวลา ในการถดถอยการคาดคะเนดูเหมือนจะหมายถึงการประมาณค่าว่าเป็นข้อมูลในอนาคตปัจจุบันหรือในอดีตของข้อมูลที่ได้รับ ขอบคุณและขอแสดงความนับถือ!

37 regression  time-series  forecasting  terminology 

ฉันกำลังอ่านคำว่า " ความรู้เบื้องต้นเกี่ยวกับสถิติ " ในบทที่ 2 พวกเขาหารือเกี่ยวกับเหตุผลสำหรับการประเมินการทำงานฉfff 2.1.1 ทำไมประมาณการ ?fff มีสองเหตุผลหลักที่เราอาจต้องการที่จะประเมินเป็นF : การคาดการณ์และการอนุมาน เราคุยกันในทางกลับกัน ฉันอ่านมันมาสองสามครั้งแล้ว แต่ฉันก็ยังไม่ชัดเจนเกี่ยวกับความแตกต่างระหว่างการทำนายและการอนุมาน มีคนให้ตัวอย่างที่แตกต่าง (จริง) หรือไม่?

37 prediction  terminology  causality 

ความแตกต่างระหว่างคำว่า "เคอร์เนล" และ "ตัวกรอง" ในบริบทของเครือข่ายประสาทเทียมคืออะไร?

37 neural-networks  terminology  deep-learning  conv-neural-network 

ฉันแค่สงสัยว่าทำไมปัญหาการถดถอยจึงถูกเรียกว่า "ปัญหาการถดถอย" เรื่องราวเบื้องหลังชื่อคืออะไร? คำนิยามเดียวสำหรับการถดถอย: "กำเริบไปสู่สถานะที่ไม่สมบูรณ์หรือพัฒนาแล้ว"

36 regression  terminology  history  etymology 

ฉันวิศวกรซอฟต์แวร์เครื่องเรียนรู้การเรียนรู้โดยเฉพาะอย่างยิ่งผ่านแอนดรูอึ้งของหลักสูตรการเรียนรู้เครื่อง ขณะศึกษาการถดถอยเชิงเส้นด้วยการทำให้เป็นระเบียบฉันพบคำศัพท์ที่สับสน: การถดถอยด้วยการทำให้เป็นมาตรฐาน L1 หรือการทำให้เป็นมาตรฐาน L2 เชือก สันเขาถดถอย ดังนั้นคำถามของฉัน: การถดถอยด้วยการทำให้เป็นมาตรฐาน L1 เหมือนกับ LASSO หรือไม่ การถดถอยด้วยการทำให้เป็นมาตรฐาน L2 เหมือนกับการถดถอยริดจ์หรือไม่ "LASSO" ใช้ในการเขียนอย่างไร? มันควรจะเป็น "การถดถอยแบบ LASSO" หรือไม่? ฉันเคยเห็นการใช้งานเช่น " เชือกที่เหมาะสมกว่า " หากคำตอบคือ "ใช่" สำหรับ 1 และ 2 ข้างต้นเหตุใดจึงมีชื่อแตกต่างกันสำหรับคำสองคำนี้ "L1" และ "L2" มาจากวิทยาการคอมพิวเตอร์ / คณิตศาสตร์และ "LASSO" และ "Ridge" จากสถิติหรือไม่ การใช้คำเหล่านี้สร้างความสับสนเมื่อฉันเห็นโพสต์ที่ชอบ: " ความแตกต่างระหว่างการทำให้เป็นมาตรฐาน L1 และ L2 …

33 regression  terminology  lasso  regularization  ridge-regression 

ใครสามารถบอกฉันได้ว่าวลี 'ผู้เรียนที่อ่อนแอ' มีความหมายอย่างไร มันควรจะเป็นสมมติฐานที่อ่อนแอหรือไม่? ฉันสับสนเกี่ยวกับความสัมพันธ์ระหว่างผู้เรียนที่อ่อนแอและผู้จําแนกอ่อนแอ ทั้งคู่เหมือนกันหรือแตกต่างกันบ้างไหม? ในขั้นตอนวิธี AdaBoost T=10ที่ สิ่งนั้นมีความหมายอย่างไร ทำไมเราเลือกT=10?

33 classification  svm  terminology  adaboost  pac-learning