タグ付けされた質問 「terminology」

マルチクラス問題とマルチラベル問題の違いは何ですか？

52 classification  clustering  terminology  multi-class  multilabel 

これはつまらなくてささいなことだと思いますが、統計学以外の分野の研究者として、統計学の正式な教育が限られているため、「p-value」を正しく書いているのかといつも思っています。具体的には： 「p」は大文字にする必要がありますか？ 「p」は斜体にする必要がありますか？（または数学フォントで、TeXで？） 「p」と「value」の間にハイフンがあるはずですか？ あるいは、「p-value」を記述する「適切な」方法はまったくありません。これらのオプションの並べ替えで「value」の隣に「p」を置くだけで、どういう意味か理解できますか？

50 hypothesis-testing  p-value  terminology 

これらの用語を502847894789回見たにもかかわらず、私は一生、感度、特異性、精度、正確性、想起の違いを思い出せません。それらは非常に単純な概念ですが、名前は私には非常に直感的ではないので、私はそれらをお互いに混乱させ続けています。これらの概念について考えて、名前が意味を持ち始めるための良い方法は何ですか？ 別の言い方をすれば、他の名前とは対照的に、なぜこれらの概念のためにこれらの名前が選ばれたのですか？

49 terminology  accuracy  sensitivity-specificity 

統計学者は、他の人が使用する方法とは少し異なる方法で多くの単語を使用します。私たちが何をしているかを教えたり説明したりすると、これは多くの問題を引き起こします。リストを開始します（そして、コメントごとに定義を追加します）。 パワーとは、誤った帰無仮説を正しく拒否する能力です。通常、これは「何かが起こっている」と正しく言うことを意味します。 バイアス-統計は、それに関連する母集団パラメーターと体系的に異なる場合、バイアスがかけられます。 有意性-結果は、以下の状況で数パーセント（多くの場合5％）で統計的に有意です：サンプルが由来する母集団の真の効果が0の場合、少なくともサンプルから得られたものと同じくらい極端な統計が発生します時間の5％。 相互作用-従属変数と1つの独立変数との関係が他の独立変数の異なるレベルで異なる場合、2つの独立変数が相互作用します しかし、他にも多くの人がいる必要があります！

47 terminology  communication 

「予測値から実際の値を引いたもの」または「実際の値から予測した値を引いたもの」としてさまざまに定義された「残差」を見てきました。説明のために、両方の式が広く使用されていることを示すために、次のWeb検索を比較します。 残余「予測マイナス実際」 残余「実際のマイナス予測」 実際には、個々の残差の符号は通常重要ではないので、違いはほとんどありません（たとえば、それらが二乗されているか、絶対値が取られている場合）。ただし、私の質問は次のとおりです。これら2つのバージョンの1つ（最初に予測対実際の最初）は「標準」と見なされますか 私は自分の使用法に一貫性がありたいので、確立された従来の標準があれば、それに従うことを望みます。ただし、標準が存在しない場合、標準の慣例がないことが納得できるように示されれば、それを回答として受け入れます。

46 residuals  terminology  error 

従属変数のみ、従属変数と独立変数の両方、または独立変数のみが対数変換されるかどうかの解釈に違いがあるのか​​と思います。 の場合を考えます log(DV) = Intercept + B1*IV + Error IVはパーセントの増加として解釈できますが、 log(DV) = Intercept + B1*log(IV) + Error または私が持っているとき 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 

時系列に関連して「移動平均」を読むと、、またはおそらく重み付きような平均。（これらは実際にはAR（3）モデルですが、これらは私の脳のジャンプ先です。）なぜMA（q）モデルはエラー用語、つまり「革新」の式なのですか？何ん移動平均としなければなりませんか？明らかな直観が欠けているように感じます。 0.5xt−1+0.3xt−2+0.2xt−3{ϵ}（xt − 1+ xt − 2+ xt − 3）3（バツt−1+バツt−2+バツt−3）3\frac{(x_{t-1} + x_{t-2} + x_{t-3})}30.5 xt − 1+ 0.3 xt − 2+ 0.2 xt − 30.5バツt−1+0.3バツt−2+0.2バツt−30.5x_{t-1} + 0.3x_{t-2} + 0.2x_{t-3}{ ϵ }{ϵ}\{\epsilon\}

43 time-series  arima  terminology  moving-average 

私の本では主に「ガウス分布」を使用していますが、誰かが「正規分布」に切り替えることを提案しました。どの用語を初心者に使用するかについてのコンセンサスはありますか？ もちろん、2つの用語は同義語であるため、これは実質に関する問題ではなく、純粋にどちらの用語がより一般的に使用されるかという問題です。そしてもちろん、両方の用語を使用します。しかし、主に使用すべきものはどれですか？

42 normal-distribution  terminology 

正規分布とガウス分布には大きな違いがありますか、それらを区別せずに使用する多くの論文を見てきました。通常、それらを同じものと呼んでいます。 しかし、私のPIは最近、法線は平均= 0と標準= 1のガウスの特定のケースであると私に言った。 ウィキペディアによると、彼らが正規と呼ぶものは標準正規分布であり、正規はガウスの同義語ですが、それでもまた、ウィキペディアについてもよくわかりません。 ありがとう

41 normal-distribution  terminology 

予測と予測の間にはどのような違いと関係があるのだろうか？特に時系列と回帰で？ たとえば、私はそれを修正していますか： 時系列では、予測とは、時系列の過去の値から将来の値を推定することを意味するようです。 回帰では、予測は、与えられたデータに対して将来、現在、または過去の値を推定することを意味するようです。 よろしくお願いします！

37 regression  time-series  forecasting  terminology 

私は " 統計学入門 "を読んでいます。第2章では、関数を推定する理由について説明します。fff 2.1.1なぜ推定？fff 我々が推定することを望むかもしれない2つの主な理由がありますfは：予測と推論。それぞれについて順に説明します。 何度か読みましたが、予測と推論の違いについてはまだ部分的に不明確です。誰かが違いの（実用的な）例を提供できますか？

37 prediction  terminology  causality 

畳み込みニューラルネットワークのコンテキストでの「カーネル」と「フィルター」という用語の違いは何ですか？

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

なぜ回帰問題が「回帰」問題と呼ばれるのか疑問に思っていました。名前の背後にある物語は何ですか？ 回帰の定義の1つは、「不完全な状態または発達した状態への再発」です。

36 regression  terminology  history  etymology 

「弱い学習者」という語句の意味を教えてください。それは弱い仮説であると思われますか？弱い学習者と弱い分類器の関係について混乱しています。両方とも同じですか、それとも何らかの違いがありますか？ AdaBoostのアルゴリズムでは、T=10。それはどういう意味ですか？なぜ選択するのT=10ですか？

34 classification  svm  terminology  adaboost  pac-learning 

私は、特にAndrew Ngの機械学習コースを通じて機械学習を学習するソフトウェアエンジニアです。正則化で線形回帰を研究していると、混乱する用語が見つかりました。 L1正則化またはL2正則化による回帰 ラソ リッジ回帰 だから私の質問： L1正則化による回帰はLASSOとまったく同じですか？ L2正則化による回帰は、リッジ回帰とまったく同じですか？ 「LASSO」は書面でどのように使用されますか？それは「LASSO回帰」でしょうか？「投げ縄がより適切である」などの使用法を見てきました。 上記の1と2の答えが「はい」の場合、なぜこれら2つの用語に異なる名前があるのですか？「L1」と「L2」はコンピューターサイエンス/数学から、「LASSO」と「リッジ」は統計から来ていますか？ これらの用語の使用は、次のような投稿を見たときに混乱を招きます。 「L1とL2の正則化の違いは何ですか？」（quora.com） 「なげなわとリッジのどちらを使用すべきですか？」（stats.stackexchange.com）

33 regression  terminology  lasso  regularization  ridge-regression