Essa é uma pergunta geral que foi feita indiretamente várias vezes aqui, mas falta uma única resposta autoritativa. Seria ótimo ter uma resposta detalhada para isso para referência. A precisão , a proporção de classificações corretas entre todas as classificações, é uma medida muito simples e...
Eu perguntei isso anteriormente no StackOverflow, mas parece que pode ser mais apropriado aqui, já que não obteve respostas no SO. É uma espécie de cruzamento entre estatística e programação. Preciso escrever algum código para fazer o PCA (Principal Component Analysis). Naveguei pelos algoritmos...
Notei que existem algumas implementações de floresta aleatória, como ALGLIB, Waffles e alguns pacotes R, como randomForest. Alguém pode me dizer se essas bibliotecas são altamente otimizadas? Eles são basicamente equivalentes às florestas aleatórias, conforme detalhado em Os elementos do...
Um dos maiores problemas com a análise de cluster é que podemos ter que tirar conclusões diferentes quando baseamos nos diferentes métodos de cluster usados (incluindo diferentes métodos de ligação no cluster hierárquico). Gostaria de saber sua opinião sobre isso - qual método você selecionará e...
Recentemente, me deparei com um artigo que propõe o uso de um classificador k-NN em um conjunto de dados específico. Os autores usaram todas as amostras de dados disponíveis para realizar a validação cruzada de dobras k para diferentes valores de k e relatam os resultados da validação cruzada da...
Como todos sabemos, existem 2 métodos para avaliar o modelo de regressão logística e eles estão testando coisas muito diferentes Poder preditivo: Obtenha uma estatística que mede o quão bem você pode prever a variável dependente com base nas variáveis independentes. Os bem conhecidos Pseudo R...
Eu lido com um problema de detecção de fraude (como pontuação de crédito). Como tal, existe uma relação altamente desequilibrada entre observações fraudulentas e não fraudulentas. http://blog.revolutionanalytics.com/2016/03/com_class_eval_metrics_r.html fornece uma excelente visão geral das...
Eu tenho quatro variáveis numéricas. Todos eles são medidas da qualidade do solo. Quanto maior a variável, maior a qualidade. O intervalo para todos eles é diferente: Var1 de 1 a 10 Var2 de 1000 a 2000 Var3 de 150 a 300 Var4 de 0 a 5 Preciso combinar quatro variáveis em um único índice de...
Os valores da AUC-ROC podem estar entre 0-0,5? O modelo produz valores entre 0 e
A concorrência da Kaggle A Safe Driver Prediction da Porto Seguro usa a Pontuação Gini Normalizada como métrica de avaliação e isso me deixou curioso sobre os motivos dessa escolha. Quais são as vantagens de usar a pontuação gini normalizada em vez das métricas mais comuns, como AUC, para...
Examinei muita literatura disponível on-line, incluindo este fórum sem sorte e esperando que alguém possa ajudar em um problema estatístico que atualmente enfrento: Eu tenho 5 listas de dados classificados, cada um contendo 10 itens classificados da posição 1 (melhor) até a posição 10 (pior). Por...
Os coeficientes de correlação phi e Matthews são o mesmo conceito? Como eles estão relacionados ou equivalentes ao coeficiente de correlação de Pearson para duas variáveis binárias? Presumo que os valores binários sejam 0 e 1. A correlação de Pearson entre duas variáveis aleatórias de...
Uma medida comum usada para comparar dois ou mais modelos de classificação é usar a área sob a curva ROC (AUC) como uma maneira de avaliar indiretamente seu desempenho. Nesse caso, um modelo com uma AUC maior é geralmente interpretado como tendo um desempenho melhor do que um modelo com uma AUC...
Coletando métricas sobre objetosknnnkkk Suponha que eu colete métricas sobre objetos. Estou procurando maneiras válidas de comparar os objetos para que eles possam ser "classificados". Eu acho que isso pode ser um terreno bem trilhado (estatísticas esportivas como classificação total de zagueiros...
Eu estava lendo sobre métricas de regressão no python scikit-learn o manual e mesmo que cada um deles tem sua própria fórmula, eu não posso dizer intuitivamente o que é a diferença entre R2R2R^2 e pontuação variância e, portanto, quando usar um ou outro para avaliar o meu...
Na minha exposição em sala de aula à mineração de dados, o método de validação foi introduzido como uma maneira de avaliar o desempenho do modelo. No entanto, quando fiz minha primeira aula sobre modelos lineares, isso não foi introduzido como um meio de validação ou avaliação de modelo. Minha...
Queria entender melhor o teste exato de Fisher, então inventei o seguinte exemplo de brinquedo, em que f e m correspondem a homens e mulheres e n e y correspondem a "consumo de refrigerante" como este: > soda_gender f m n 0 5 y 5 0 Obviamente, isso é uma simplificação drástica, mas eu não...
Eu tenho um banco de dados contendo um grande número de especialistas em um campo. Para cada um desses especialistas, tenho uma variedade de atributos / pontos de dados, como: número de anos de experiência. licenças num de comentários conteúdo textual dessas revisões A classificação de 5 estrelas...
Costumo ouvir sobre a avaliação do desempenho de um modelo de classificação, mantendo o conjunto de testes e treinando um modelo no conjunto de treinamento. Em seguida, crie 2 vetores, um para os valores previstos e outro para os valores verdadeiros. Obviamente, fazer uma comparação permite julgar...
Estou trabalhando na previsão de séries temporais. I tem dois conjuntos de dados D 1 = { x1 1, x2, . . . . xn}D1={x1,x2,....xn}D1=\{x_1, x_2,....x_n\} e D 2 = { xn+ 1 , xn+ 2 , xn+ 3 , . . . . , xn+ k }D2={xn+1,xn+2,xn+3,....,xn+k}D2=\{x_n+1, x_n+2, x_n+3,...., x_n+k\} . Eu tenho três modelos de...