Eu tenho 17 variáveis numéricas e 5 binárias (0-1), com 73 amostras no meu conjunto de dados. Eu preciso executar uma análise de cluster. Eu sei que a distância de Gower é uma boa métrica para conjuntos de dados com variáveis mistas. No entanto, eu não conseguia entender como a distância de...
Ao estudar a distância Kullback-Leibler, aprendemos muito rapidamente que não respeita nem a desigualdade do triângulo nem a simetria, propriedades necessárias de uma métrica. Minha pergunta é se existe alguma métrica das funções de densidade de probabilidade que atendam a todas as restrições de...
Para cluster hierárquico, geralmente vejo as duas "métricas" a seguir (elas não estão falando exatamente) para medir a distância entre duas variáveis aleatórias e : \ newcommand {\ Cor} {\ mathrm {Cor}} \ begin {align} d_1 (X, Y) & = 1- | \ COR (X, Y) |, \\ d_2 (X, Y) & = 1 - (\ COR (X,...
Estou usando kkk significa agrupar para agrupar as vozes dos alto-falantes. Quando comparo um enunciado com os dados do alto-falante em cluster, obtenho distorção média (baseada na distância euclidiana). Essa distância pode estar na faixa de [0,∞][0,∞][0,\infty] . Eu quero converter essa distância...
Eu tenho uma matriz de termos de documentos e agora gostaria de extrair palavras-chave para cada documento com um método de aprendizado supervisionado (SVM, Naive Bayes, ...). Neste modelo, eu já uso Tf-idf, tag Pos, ...MMM Mas agora estou me perguntando sobre os próximos. Eu tenho uma matriz com...
Entendo o raciocínio por trás da normalização de colunas, pois faz com que os recursos sejam ponderados igualmente, mesmo que não sejam medidos na mesma escala - no entanto, geralmente na literatura do vizinho mais próximo, colunas e linhas são normalizadas. Qual é a normalização de linha / por que...
Eu tenho mais de 3000 vetores em uma grade bidimensional, com uma distribuição discreta aproximadamente uniforme. Alguns pares de vetores cumprem uma determinada condição. Nota: a condição é aplicável apenas a pares de vetores, não a vetores individuais. Eu tenho uma lista de cerca de 1500 pares,...
Não sei qual função de distância entre indivíduos usar no caso de atributos nominais (categóricos não ordenados). Eu estava lendo alguns livros e eles sugerem a função Correspondência Simples , mas alguns livros sugerem que eu deva alterar os atributos nominais para binários e usar o Coeficiente...
Suponha que eu tenha uma mistura finita de muitos gaussianos com pesos, meios e desvios padrão conhecidos. Os meios não são iguais. A média e o desvio padrão da mistura podem ser calculados, é claro, uma vez que os momentos são médias ponderadas dos momentos dos componentes. A mistura não é uma...
Não sou ecologista da comunidade, mas atualmente trabalho com dados de ecologia da comunidade. O que eu não conseguia entender, além da matemática dessas distâncias, são os critérios para cada distância a ser usada e em que situações ela pode ser aplicada. Por exemplo, o que usar com os dados da...
Eu tenho uma regressão logística de interceptação aleatória (devido a medições repetidas) e gostaria de fazer alguns diagnósticos, especificamente sobre discrepâncias e observações influentes. Eu olhei para resíduos para ver se há observações que se destacam. Mas também gostaria de ver algo como...
Eu tenho uma matriz de covariância e quero particionar variáveis em clusters usando cluster hierárquico (por exemplo, para classificar uma matriz de covariância).kn × nn×nn \times nkkk Existe uma função de distância típica entre variáveis (ou seja, entre colunas / linhas da matriz de...
Um colega tem uma função e para os nossos propósitos é uma caixa-preta. A função mede a semelhança de dois objetos.s ( a , b )ssss ( a , b )s(a,b)s(a,b) Temos certeza de que tem essas propriedades:sss As pontuações de similaridade são números reais entre 0 e 1, inclusive. Somente os objetos que...
Alguém sabe qual é a fórmula para a distância de Cook? A fórmula de distância original de Cook usa resíduos estudados, mas por que R está usando std. Os resíduos de Pearson ao calcular o gráfico de distância de Cook para um GLM. Sei que resíduos estudantis não são definidos para GLMs, mas como é a...
Estou usando a análise semântica latente para representar um corpus de documentos no espaço dimensional inferior. Quero agrupar esses documentos em dois grupos usando k-means. Vários anos atrás, eu fiz isso usando o gensim do Python e escrevendo meu próprio algoritmo k-means. Eu determinei os...
Ultimamente, tenho lido muito sobre o Dynamic Time Warping (DTW). Estou muito surpreso que não exista nenhuma literatura sobre a aplicação do DTW em séries temporais irregulares, ou pelo menos não consegui encontrá-lo. Alguém poderia me dar uma referência a algo relacionado a esse problema, ou...
Eu tenho um conjunto de dados 2D em que desejo encontrar os centros de um número especificado de centros de círculos ( ) que maximizam o número total de pontos dentro de uma distância especificada ( ).RNNNRRR por exemplo, eu tenho 10.000 pontos de dados e quero encontrar os centros de círculos que...
Eu tenho um GLMM do formulário: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), obtenho resultados diferentes dos que utilizo Anova(model, type="III")na embalagem do carro ou summary(model). Estes dois...
Existem suposições particulares em relação aos erros de regressão logística, como a variação constante dos termos do erro e a normalidade dos resíduos? Também normalmente quando você tem pontos com uma distância de Cook maior que 4 / n, você os remove? Se você os remover, como saber se o modelo...
Eu tenho lido a distância de Cook para identificar discrepâncias que têm alta influência em minha regressão. No estudo original de Cook, ele diz que uma taxa de corte de 1 deve ser comparável para identificar influenciadores. No entanto, vários outros estudos usam ou como ponto de...