タグ付けされた質問 「markov-process」

マルコフ連鎖とHMMについて学ぶためのリソース（チュートリアル、教科書、ウェブキャストなど）を探しています。私の経歴は生物学者であり、現在バイオインフォマティクス関連のプロジェクトに携わっています。 また、マルコフモデルとHMMを十分に理解するために必要な数学的背景は何ですか？ 私はグーグルを使って見回してきましたが、今のところ良い入門チュートリアルをまだ見つけていません。ここの誰かがよく知っていると思う。

57 references  markov-process  hidden-markov-model  bioinformatics 

これは話題から外れているように聞こえるかもしれませんが、聞いてください。 スタックオーバーフローでは、ここで投稿に対する投票を得ます。これはすべて表形式で保存されます。 例えば： 投稿ID投票者ID投票タイプ日時 ------- -------- --------- -------- 10 1 2 2000-1-1 10:00:01 11 3 3 2000-1-1 10:00:01 10 5 2 2000-1-1 10:00:01 ... 等々。投票タイプ2は投票、投票タイプ3は投票です。このデータの匿名バージョンをhttp://data.stackexchange.comで照会できます 投稿のスコアが-1以下になると、投稿される可能性が高くなるという認識があります。これは単に確認バイアスである場合もあれば、実際に根付いている場合もあります。 この仮説を確認または否定するために、このデータをどのように分析しますか？このバイアスの影響をどのように測定しますか？

51 time-series  hypothesis-testing  data-mining  markov-process  censoring 

私は統計に足を踏み入れたばかりなので、この質問が意味をなさない場合は申し訳ありません。私はマルコフモデルを使用して、隠れた状態（不公平なカジノ、サイコロロールなど）とニューラルネットワークを予測し、検索エンジンでのユーザークリックを調べました。どちらも、観測を使用して把握しようとしている隠された状態がありました。 私の理解では、それらは両方とも隠れ状態を予測するので、ニューラルネットワークでマルコフモデルをいつ使用するのだろうか？それらは、同様の問題に対する異なるアプローチですか？ （私は学習に興味がありますが、別の動機もあります。隠れたマルコフモデルを使用して解決しようとしている問題があります。

40 data-mining  algorithms  neural-networks  markov-process 

R（組み込み関数）に一連の観測からマルコフ連鎖の遷移行列を計算する方法はありますか？ たとえば、次のようなデータセットを取得して、一次遷移行列を計算しますか？ dat<-data.frame(replicate(20,sample(c("A", "B", "C","D"), size = 100, replace=TRUE)))

29 r  markov-process 

ベイジアンネットワークとマルコフプロセスの違いは何ですか？ 私は両方の原則を理解していると信じていましたが、今、2つを比較する必要があるとき、私は失われたと感じます。それらは私にとってほぼ同じ意味です。確かにそうではありません。 他のリソースへのリンクも歓迎します。

28 bayesian  references  modeling  markov-process  bayesian-network 

行と列、平均= 0でランダムに分布し、各行の長さ（L2ノルム）がで各列の長さがように制約された要素を持つランダムな非正方行列を生成する必要があります。同様に、平方値の合計は各行で1、各列でです。RRR1 √CCC111 RRC−−√RC\sqrt{\frac{R}{C}}RCRC\frac{R}{C} これまでのところ、これを達成する方法の1つを見つけました。単純に行列要素をランダムに初期化し（たとえば、平均、任意分散がゼロの均一分布、正規分布、またはラプラス分布から）、次に行と列を交互に正規化します、行の正規化で終わる。これは、目的の結果にかなり迅速に収束するようです（たとえば、および場合、列の長さの分散は、回の反復後、通常です）が、この高速収束率に依存できるかどうかはわかりません一般的に（さまざまなマトリックス次元と初期要素分布用）。R = 40 C = 80 0.00001 2l e n g t h =1length=1{\rm length} = 1R = 40R=40R=40C= 80C=80C=80 0.00001 0.00001~0.00001222 私の質問はこれです：目的の結果（、）を直接反復することなく達成する方法はあり行/列の正規化？たとえば、ランダムなベクトルを正規化するアルゴリズムのようなもの（要素をランダムに初期化し、二乗和の値を測定し、共通のスカラーで各要素をスケーリングします）。そうでない場合、上記の反復法の収束率（たとえば、エラーまでのnum回の繰り返し）の簡単な特性評価はありますか？c o l u m n l e n g t h s = √R O のw l e n g t h s …

25 random-generation  normalization  markov-process  random-matrix 

誰かが私の理解を確認してくれるか、何か不足しているのかどうかを確認してください。 markovプロセスの定義では、次のステップは現在の状態のみに依存し、過去の状態には依存しないと述べています。したがって、a、b、c、dの状態空間があり、a-> b-> c-> dから進んだとしましょう。つまり、dへの遷移は、cにいたという事実にのみ依存するということです。 しかし、モデルをより複雑にし、この制限を「回避」することができるのは本当ですか？つまり、状態空間がaa、ab、ac、ad、ba、bb、bc、bd、ca、cb、cc、cd、da、db、dc、ddの場合、新しい状態空間は前の状態と現在の状態を組み合わせると、上記の遷移は* a-> ab-> bc-> cdになり、したがってcdへの遷移（前のモデルではdと同等）は、次の状態に「依存」します。別にモデル化された場合、以前の状態です（以下ではサブ状態と呼びます）。 「以前の状態（サブ状態）に依存する」（サブ状態が実際の状態ではなくなったため、技術的には新しいモデルにないことを知っています）を展開してmarkovプロパティを維持できるという点で正しいですか私がしたように状態空間？したがって、実際には、任意の数の以前のサブ状態に依存する可能性があるmarkovプロセスを作成できます。

22 markov-process 

MCMC（マルコフチェーンモンテカルロ）手法に関する知識が少ないことから、サンプリングは前述の手法の重要な部分であると理解しています。最も一般的に使用されるサンプリング方法は、ハミルトニアンとメトロポリスです。 機械学習やディープラーニングを利用して、より効率的なMCMCサンプラーを構築する方法はありますか？

21 machine-learning  mcmc  monte-carlo  markov-process 

私はかなり隠れたマルコフモデルを読み、自分でかなり基本的なバージョンをコーディングすることができました。 しかし、私が学ぶように思える2つの主な方法があります。1つはそれを読み取ってコードに実装し（完了）、2つ目はさまざまな状況でそれがどのように適用されるかを理解することです（そのため、作業中の問題にどのように関連するかをよりよく理解できます）。これまでに行ったすべての例には、何らかのDNA予測またはコイン投げが含まれています。 他のマルコフ問題を得るためのリソースがあるかどうか疑問に思っています（言語は問題ではありませんが、うまくいけば答えもあるので、私が正しいか間違っているかを知ることができます）？

21 algorithms  markov-process 

主成分分析（PCA）を実行した後、新しいベクトルをPCA空間に投影します（つまり、PCA座標系で座標を見つけます）。 を使用してR言語でPCAを計算しましたprcomp。これで、ベクトルにPCA回転行列を掛けることができるはずです。このマトリックスの主成分を行または列に配置する必要がありますか？

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

私はマルコフ連鎖について質問をしていますが、最後の2つの部分はこれを言っています： このマルコフ連鎖は制限された分布を持っていますか？答えが「はい」の場合は、限定的な分布を見つけます。答えが「いいえ」の場合、その理由を説明してください。 このマルコフ連鎖は定常分布を持っていますか？答えが「はい」の場合、定常分布を見つけます。答えが「いいえ」の場合、その理由を説明してください。 違いはなんですか？以前、を使用して制限分布を計算したときにP=CAnC−1P=CAnC−1P = CA^n C^{-1}、これがnnn番目のステップ遷移行列であると考えました。彼らはを使用して限界分布を計算しました。これは定常分布だと思いました。Π=ΠPΠ=ΠP\Pi = \Pi P どっちがどっち？

21 markov-process 

私はたくさんのチュートリアルビデオを見てきましたが、それらは同じように見えます。たとえば、これはhttps://www.youtube.com/watch?v=ip4iSMRW5X4 彼らは素晴らしい状態、行動、確率を説明します。人はそれを大丈夫と説明しますが、私はそれが実際の生活で何に使われるのかを把握できないようです。まだリストに出会っていません。私が見る最も一般的なものはチェスです。 物事を予測するために使用できますか？もしそうなら、どのようなものですか？無限のデータ量のパターンを見つけることができますか？このアルゴリズムは私にとって何ができますか。 ボーナス：また、MDPはある状態から別の状態への移行に関するものだと感じていますが、これは本当ですか？

20 markov-process 

アルゴリズムの私の理解は次のとおりです。 Uターンサンプラー（NUTS）は、ハミルトニアンモンテカルロ法ではありません。これは、それがマルコフ連鎖法ではないことを意味します。したがって、このアルゴリズムはランダムウォーク部分を回避します。 ランダムウォークを行う代わりに、NUTSは長さxのジャンプを行います。アルゴリズムの実行を続けると、各ジャンプは2倍になります。これは、軌道が開始点に戻りたいポイントに到達するまで発生します。 私の質問：Uターンの特別なところは何ですか？軌跡を2倍にすると、最適化されたポイントがスキップされないのはどうしてですか？上記の説明は正しいですか？

17 bayesian  monte-carlo  markov-process 

観測された一連のシーケンスはマルコフ連鎖であると思われます... X=⎛⎝⎜⎜⎜⎜AB⋮BCA⋮CDA⋮ADC⋮DBA⋮AAD⋮BCA⋮E⎞⎠⎟⎟⎟⎟X=(ACDDBACBAACADA⋮⋮⋮⋮⋮⋮⋮BCADABE)X=\left(\begin{array}{c c c c c c c} A& C& D&D & B & A &C\\ B& A& A&C & A&D &A\\ \vdots&\vdots&\vdots&\vdots&\vdots&\vdots&\vdots\\ B& C& A&D & A & B & E\\ \end{array}\right) しかし、のメモリレスプロパティを実際に尊重していることをどのように確認できP(Xi=xi|Xj=xj)?P(Xi=xi|Xj=xj)?P(X_i=x_i|X_j=x_j)? または、少なくとも彼らが本質的にマルコフであることを証明しますか？これらは経験的に観察されたシーケンスであることに注意してください。何かご意見は？ 編集 付け加えると、目的は、観測されたシーケンスと予測されたシーケンスのセットを比較することです。したがって、これらを比較する最善の方法に関するコメントをいただければ幸いです。 一次遷移行列Mij=xij∑mxikMij=xij∑mxikM_{ij}=\displaystyle \frac{x_ij}{\sum^mx_{ik}}ここで、m = A..E状態 M=⎛⎝⎜⎜⎜⎜⎜⎜0.18340.46970.18270.23780.24580.30770.11360.24040.18180.17880.07690.00760.22120.06290.11730.14790.25000.19230.33570.17880.28400.15910.16350.18180.2793⎞⎠⎟⎟⎟⎟⎟⎟M=(0.18340.30770.07690.14790.28400.46970.11360.00760.25000.15910.18270.24040.22120.19230.16350.23780.18180.06290.33570.18180.24580.17880.11730.17880.2793) M=\left(\begin{array}{c c c c c c c} 0.1834& …

17 markov-process 

マルコフ連鎖の周期性とは何かを誰かが直感的に説明できますか？ 次のように定義されます。 すべての状態のiiiでSSS didid_i GCD ={n∈N|p(n)ii>0}=1{n∈N|pii(n)>0}=1\{n \in \mathbb{N} | p_{ii}^{(n)} > 0\} =1 あなたの努力に感謝！

16 stochastic-processes  markov-process