J'ai 17 variables numériques et 5 variables binaires (0-1), avec 73 échantillons dans mon jeu de données. J'ai besoin d'exécuter une analyse de cluster. Je sais que la distance de Gower est une bonne métrique pour les ensembles de données avec des variables mixtes. Cependant, je ne pouvais pas...
En étudiant la distance de Kullback – Leibler, il y a deux choses que nous apprenons très rapidement, c'est qu'elle ne respecte ni l'inégalité du triangle ni la symétrie, propriétés requises d'une métrique. Ma question est de savoir s'il existe une métrique de fonctions de densité de probabilité...
Pour le clustering hiérarchique, je vois souvent les deux "métriques" suivantes (elles ne parlent pas exactement) pour mesurer la distance entre deux variables aléatoires et Y : XXXOuiYY\newcommand{\Cor}{\mathrm{Cor}} L'un ou l'autre remplit-il l'inégalité du triangle? Si oui, comment dois-je le...
J'utilise means clustering pour regrouper les voix des locuteurs. Lorsque je compare un énoncé avec des données de haut-parleur groupées, j'obtiens une distorsion moyenne (basée sur la distance euclidienne). Cette distance peut être comprise entre . Je veux convertir cette distance en un score de...
J'ai une matrice de termes de document , et maintenant je voudrais extraire des mots-clés pour chaque document avec une méthode d'apprentissage supervisé (SVM, Naive Bayes, ...). Dans ce modèle, j'utilise déjà Tf-idf, Pos tag, ...MMM Mais maintenant, je me pose des questions sur les voisins. J'ai...
Je comprends le raisonnement derrière la normalisation des colonnes, car il entraîne une pondération égale des entités, même si elles ne sont pas mesurées sur la même échelle - cependant, souvent dans la littérature du voisin le plus proche, les colonnes et les lignes sont normalisées. Quelle est...
J'ai plus de 3000 vecteurs sur une grille bidimensionnelle, avec une distribution discrète approximativement uniforme. Certaines paires de vecteurs remplissent une certaine condition. Remarque: la condition n'est applicable qu'aux paires de vecteurs, pas aux vecteurs individuels. J'ai une liste...
Je ne sais pas quelle fonction de distance entre les individus utiliser en cas d'attributs nominaux (catégoriques non ordonnés). Je lisais un manuel et ils suggèrent une fonction de correspondance simple , mais certains livres suggèrent que je devrais changer le nominal en attributs binaires et...
Supposons que j'ai un mélange de Gaussiens finis avec des poids, des moyens et des écarts-types connus. Les moyens ne sont pas égaux. La moyenne et l'écart type du mélange peuvent être calculés, bien sûr, car les moments sont des moyennes pondérées des moments des composants. Le mélange n'est pas...
Je ne suis pas un écologiste communautaire, mais ces jours-ci, je travaille sur des données écologiques communautaires. Ce que je ne pouvais pas comprendre, à part les mathématiques de ces distances, ce sont les critères pour chaque distance à utiliser et dans quelles situations elle peut être...
J'ai une régression logistique d'interception aléatoire (due à des mesures répétées) et je voudrais faire quelques diagnostics, en particulier concernant les valeurs aberrantes et les observations influentes. J'ai regardé les résidus pour voir s'il y a des observations qui ressortent. Mais je...
J'ai une matrice de covariance et je souhaite partitionner les variables en clusters en utilisant un clustering hiérarchique (par exemple, pour trier une matrice de covariance).n×nn×nn \times nkkk Existe-t-il une fonction de distance typique entre les variables (c'est-à-dire entre les colonnes /...
Un collègue a une fonction et pour nous c'est une boîte noire. La fonction mesure la similitude de deux objets.ssss(a,b)s(a,b)s(a,b) Nous savons avec certitude que a ces propriétés:sss Les scores de similitude sont des nombres réels compris entre 0 et 1, inclus. Seuls les objets qui sont...
Est-ce que quelqu'un sait quelle est la formule pour la distance de Cook? La formule de distance de Cook d'origine utilise des résidus étudiés, mais pourquoi R utilise std. Pearson résiduels lors du calcul du tracé de distance de Cook pour un GLM. Je sais que les résidus studentisés ne sont pas...
J'utilise l'analyse sémantique latente pour représenter un corpus de documents dans un espace dimensionnel inférieur. Je veux regrouper ces documents en deux groupes en utilisant k-means. Il y a plusieurs années, j'ai fait cela en utilisant le gensim de Python et en écrivant mon propre algorithme...
J'ai lu beaucoup de choses sur Dynamic Time Warping (DTW) récemment. Je suis très surpris qu'il n'y ait aucune littérature sur l'application du DTW aux séries chronologiques irrégulières, ou du moins je n'ai pas pu le trouver. Quelqu'un pourrait-il me donner une référence à quelque chose en rapport...
J'ai un ensemble de données 2D où je veux trouver les centres d'un nombre spécifié de centres de cercles ( ) qui maximisent le nombre total de points dans une distance spécifiée ( ).NNNRRR Par exemple, j'ai 10 000 points de données et je veux trouver les centres de cercles qui capturent autant de...
J'ai un GLMM du formulaire: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Lorsque j'utilise drop1(model, test="Chi"), j'obtiens des résultats différents de ceux que j'utilise à Anova(model, type="III")partir du package de voiture ou...
Existe-t-il des hypothèses particulières concernant les erreurs de régression logistique telles que la variance constante des termes d'erreur et la normalité des résidus? En règle générale, lorsque vous avez des points dont la distance du cuisinier est supérieure à 4 / n, les supprimez-vous? Si...
J'ai lu sur la distance du cuisinier pour identifier les valeurs aberrantes qui ont une grande influence sur ma régression. Dans l'étude originale de Cook, il dit qu'un taux de coupure de 1 devrait être comparable pour identifier les influenceurs. Cependant, diverses autres études utilisent...