تحلیل داده
بازه زمانی
توضیح کوهستان
چگونه برازش متناسب تکرارشونده، نمونههای نظرسنجی را با آمارهای جمعیتی همسو میکند
5 منبع · 11 روز پیش
توضیح کوهستان
چگونه تابع پیوند، پیشبین خطی را به برآمد مورد انتظار در مدلهای خطی تعمیمیافته متصل میکند
8 منبع · 11 روز پیش
پژوهش کوهستان
چگونه ۱۰۰ میلیون نقاشی کودکان، دو دهه از روندهای فرهنگی را آشکار میکند
4 منبع · 11 روز پیش
بیشتر در تحلیل داده
توضیح کوهستانشفافیت الگوریتمی
چگونه مقادیر SHAP پیشبینی یک مدل جعبهسیاه را به سهم هر ویژگی تجزیه میکنند
مدافعان شفافیت الگوریتمی 35%شکاکان استنتاج علی 35%دانشمندان داده کاربردی 30%
7 منبع · 11 روز پیش
توضیح کوهستانادراک بصری
چگونه سلسلهمراتب کلیولند-مکگیل رمزگذاریهای بصری را بر اساس دقت رتبهبندی میکند
خالصگرایان آماری 35%محققان تعامل انسان و رایانه 35%متخصصان مصورسازی دادهها 30%
7 منبع · 11 روز پیش
توضیح کوهستانسوگیری آماری
ریاضیات سوگیری تضعیف: چگونه متغیرهای پیشبینِ نویزدار، شیبهای رگرسیون را مسطح میکنند
روششناسی اپیدمیولوژیک 35%نظریه اقتصادسنجی 35%استنتاج آماری 30%
6 منبع · 12 روز پیش
توضیح کوهستاناستنتاج بیزی
چگونه جفت مزدوج بتا-دوجملهای باورهای پیشین را به احتمالات پسین تبدیل میکند
متخصصان بیزی 60%تحلیلگران فراوانیگرا 40%
6 منبع · 12 روز پیش
پژوهش کوهستاناپیدمیولوژی فاضلاب
بسته شواهد: دقت پایش فاضلاب در پیشبینی شیوع منطقهای ویروسها
مدلسازان اپیدمیولوژیک 40%مقامات بهداشت عمومی 35%اپراتورهای تاسیسات شهری 25%
4 منبع · 12 روز پیش
توضیح کوهستاناستنتاج علی
چگونه فرض SUTVA از نابودی استنتاج علی توسط تداخل شبکهای در چارچوب پیامدهای بالقوه جلوگیری میکند
آماردانان کلاسیک 40%دانشمندان داده صنعت فناوری 35%نظریهپردازان استنتاج علی 25%
4 منبع · 12 روز پیش
توضیح کوهستانانتخاب مدل
مکانیسم انتخاب مدل: چرا BIC حقیقت را مییابد، اما AIC پیشبینی را بهینه میکند
آمارشناسان نظری 40%مدلسازان پیشبینی 40%متخصصان عملگرا 20%
7 منبع · 12 روز پیش
توضیح کوهستاناستنتاج آماری
چرا ناهمسانی واریانس خطاهای استاندارد را مخدوش میکند و چگونه خطاهای استاندارد استوار ماتریس واریانس را اصلاح میکنند
اقتصادسنجیدانان کلاسیک 40%تشخیصدهندگان آماری 35%نظریهپردازان نمونه کوچک 25%
6 منبع · 12 روز پیش
توضیح کوهستاناستنتاج آماری
چگونه «برآورد بیشینهنمایی» پارامترهایی را مییابد که تابع درستنمایی را به حداکثر میرسانند؟
آماردانان نظری 40%دانشمندان داده کاربردی 40%تحلیلگران کمی 20%
7 منبع · 12 روز پیش
توضیح کوهستانتحلیل رگرسیون
تبدیل ضرایب رگرسیون لگاریتمی-لگاریتمی به کشش قیمتی و رشد درصدی
اقتصادسنجها 40%دانشمندان داده 35%اپیدمیولوژیستها 25%
6 منبع · 13 روز پیش
توضیح کوهستانآمار فضایی
چگونه شاخص موران خوشهبندی فضایی را کمّی میکند و مفروضات رگرسیون استاندارد را در دادههای جغرافیایی باطل میسازد
اقتصادسنجان فضایی 45%تحلیلگران GIS 40%آمارشناسان کلاسیک 15%
6 منبع · 13 روز پیش
توضیح کوهستاننظریه اطلاعات
چگونه واگرایی کولبک-لایبلر میزان از دست رفتن اطلاعات را هنگام تقریب یک توزیع احتمال با توزیع دیگر اندازهگیری میکند
مدافعان واگرایی پیشرو 40%مدافعان واگرایی معکوس 35%طرفداران معیارهای متقارن 25%
6 منبع · 13 روز پیش
توضیح کوهستانریاضیات نظرسنجی
ریشه دوم مجموع مربعات: چرا مقایسه دو نظرسنجی نیازمند حاشیه خطای بزرگتری است؟
متدولوژیستهای آماری 40%روزنامهنگاران داده 35%پژوهشگران شرکتی 25%
7 منبع · 13 روز پیش
توضیح کوهستاندادههای نامتوازن
چرا منحنی Precision-Recall خطاهای دادههای نامتوازن را که ROC AUC پنهان میکند، آشکار میسازد
متخصصان دادههای نامتوازن 50%آمارگران سنتی 30%ذینفعان تجاری 20%
6 منبع · 13 روز پیش
توضیح کوهستاناستنتاج علی
قانون جداسازی-d: گرافهای جهتدار غیرمدور چگونه تمام منابع سوگیری علی را شناسایی و مسدود میکنند
اپیدمیولوژیستهای بالینی 35%نظریهپردازان یادگیری ماشین 35%آمارشناسان کاربردی 30%
6 منبع · 13 روز پیش
توضیح کوهستانمدلسازی آماری
چگونه عامل تورم واریانس، همخطی چندگانه را آشکار کرده و از تورم خطاهای استاندارد در رگرسیون جلوگیری میکند
پژوهشگران کاربردی 40%روششناسان 35%تحلیلگران متغیر پنهان 25%
6 منبع · 13 روز پیش
توضیح کوهستانتحلیل سریهای زمانی
چگونه آزمون ریشه واحد از همبستگی کاذب در سریهای زمانی ناایستا جلوگیری میکند
اقتصادسنجهای کلاسیک 60%پیشبینیکنندگان سریهای زمانی 40%
7 منبع · 13 روز پیش
توضیح کوهستانهندسه نمودار
هندسه فریب: چرا نمودارهای میلهای به مبدأ صفر نیاز دارند اما نمودارهای خطی نه
مصورسازان عملگرا 50%حامیان صفر مطلق 30%ارتباطدهندگان علمی 20%
7 منبع · 14 روز پیش
توضیح کوهستانمعیارهای ارزیابی
چگونه جریمه درجه دوم در ارزیابی پیشبینی RMSE، دادههای پرت را در مقایسه با زیان خطی MAE مجازات میکند
طرفداران آمار استوار 50%پیشبینیکنندگان ریسکگریز 50%
5 منبع · 14 روز پیش
بررسی عمیق کوهستانالگوریتمهای جستجو
چرا الگوریتمهای واژگانی مثل BM25 در جستوجوهای حجیم از بازیابی متراکم عصبی پیشی میگیرند
مهندسان سیستمهای ترکیبی 40%سنتگرایان واژگانی 30%طرفداران بازیابی عصبی 30%
2 منبع · 14 روز پیش
توضیح کوهستانروششناسی نظرسنجی
سازوکار افت قدرت آماری در نظرسنجیهای پیچیده: درون جریمه «اثر طراحی»
روششناسان نظرسنجی 40%پژوهشگران میدانی 40%مصرفکنندگان داده 20%
9 منبع · 14 روز پیش
توضیح کوهستاندادههای تابلویی
آزمون هاسمن چگونه دوراهی اثرات ثابت در برابر تصادفی را در دادههای تابلویی حل میکند؟
اولویتدهندگان به عدم سوگیری 40%حداکثرکنندگان کارایی 40%مدافعان تشخیص استوار 20%
6 منبع · 14 روز پیش
توضیح کوهستانسوگیری متغیر حذفشده
فرمول ریاضی که جهت و بزرگی سوگیری متغیر حذفشده در رگرسیون را تعیین میکند
اقتصادسنجیدانان 40%دانشمندان دادههای پیشبینیکننده 30%مدلسازان ریسک مالی 30%
6 منبع · 14 روز پیش
توضیح کوهستاننظریه آماری
سه شرطی که سازوکار دادههای گمشده را تعریف میکنند (MCAR، MAR، MNAR)
آمارشناسان زیستی بالینی 40%متخصصان یادگیری ماشین 35%نظریهپردازان آماری 25%
5 منبع · 15 روز پیش
توضیح کوهستانتحلیل نقص
چگونه خط تجمعی در نمودار پارتو اصل ۸۰/۲۰ را در کنترل کیفیت کمیتسنجی میکند
مهندسان کیفیت 40%خالصگرایان آماری 30%متخصصان مدیریت لین 30%
5 منبع · 15 روز پیش
توضیح کوهستانمکانیسم الگوریتم
چرخه پیشبینی-بهروزرسانی فیلتر کالمن چگونه خطای تخمین وضعیت را در سریهای زمانی به حداقل میرساند
مهندسان سیستمهای کنترل 40%دانشمندان داده 30%توسعهدهندگان رباتیک 30%
10 منبع · 15 روز پیش
توضیح کوهستانعلم شبکه
چگونه الگوریتمهای بینابینی، نزدیکی و بردار ویژه، قدرت را در یک شبکه تعریف میکنند
تحلیلگران توپولوژی 35%نظریهپردازان اطلاعات 35%مهندسان محاسبات 30%
6 منبع · 15 روز پیش
توضیح کوهستاناستنتاج علی
چگونه تصادفیسازی محلی در نزدیکی یک نقطه برش، اثرات علی را در دادههای مشاهدهای مجزا میکند
تجربهگرایان مبتنی بر طراحی 45%روششناسان الگوریتمی 30%اقتصادسنجیدانان کاربردی 25%
9 منبع · 15 روز پیش
توضیح کوهستاناستنتاج علی
چگونه الگوریتمهای کنترل ساختگی با ایجاد سناریوهای جایگزین، نتایج سیاستگذاریها را میسنجند
متدولوژیستهای استنتاج علی 45%اقتصاددانان کاربردی 40%شکاکان آماری 15%
5 منبع · 15 روز پیش
مدلسازی آماریتشریح روششناسی
چگونه یک متغیر میانجی مسیر علی را توضیح میدهد، در حالی که یک متغیر تعدیلگر شدت آن را تغییر میدهد
چارچوب رگرسیون سنتی 44%تحلیل فرایند محاسباتی 33%استنتاج علی ساختاری 22%
7 منبع · 15 روز پیش
توضیح کوهستانتوان آماری
چگونه اندازه اثر، آلفا و توان آماری برای تعیین حجم نمونه آزمایش در هم قفل میشوند
متدولوژیستهای بالینی 40%دانشمندان داده فراوانیگرا 40%منتقدان بیزی 20%
6 منبع · 16 روز پیش
توضیح کوهستانمصورسازی دادهها
چگونه نمودارهای دو محوره همبستگیهای کاذب میسازند و چرا نمودارهای نسبتی این اعوجاج را برطرف میکنند
خالصگرایان مصورسازی داده 50%تحلیلگران عملگرا 35%مدافعان زمینهگرا 15%
6 منبع · 16 روز پیش
توضیح کوهستاناستنتاج علی
چگونه سه شرط ریاضی اعتبار یک متغیر ابزاری را تایید میکنند
نابگرایان اقتصادسنجی 40%ارزیابان کاربردی سیاستها 30%روششناسان اپیدمیولوژیک 30%
7 منبع · 16 روز پیش
توضیح کوهستانتنظیمات چندگانگی
چگونه تنظیمات بونفرونی و نرخ کشف کاذب از مثبتهای کاذب در مجموعهدادههای عظیم جلوگیری میکنند
کنترلکنندگان سختگیر خطا 40%محققان اکتشافی 40%اصلاحطلبان روششناسی 20%
6 منبع · 16 روز پیش
توضیح کوهستانقابلیت اطمینان بین ارزیابان
چرا توافق درصد ساده در دادههای نامتوازن شکست میخورد و چگونه کاپای کوهن آن را اصلاح میکند
ارزیابان یادگیری ماشین 40%تشخیصدهندگان بالینی 40%روششناسان آماری 20%
7 منبع · 16 روز پیش
توضیح کوهستاننظریه آماری
چگونه قضیه حد مرکزی آشوب را مجبور به تبعیت از منحنی زنگولهای میکند
آمارشناسان کاربردی 45%روششناسان نظرسنجی 30%ریاضیدانان نظری 25%
6 منبع · 16 روز پیش
توضیح کوهستاننظریه آمار
چگونه نابرابری کرامر-رائو کف مطلق واریانس آماری را تعیین میکند
آمارشناسان نظری 40%دانشمندان داده کاربردی 35%مهندسان پردازش سیگنال 25%
6 منبع · 16 روز پیش
توضیح کوهستانروشهای بازنمونهگیری
چگونه بازنمونهگیری با جایگذاری، توزیع نمونهگیری هر آمارهای را تخمین میزند؟
آمارشناسان محاسباتی 40%دانشمندان داده کاربردی 40%نظریهپردازان پارامتریک کلاسیک 20%
8 منبع · 17 روز پیش
توضیح کوهستانبصریسازی داده
چگونه نمودارهای ویولن، چندوجهیهای پنهانی را که آمار خلاصه حذف میکند، آشکار میسازند
بصریسازان داده 40%سنتگرایان آماری 30%عملگرایان الگوریتمی 30%
7 منبع · 17 روز پیش
توضیح کوهستانسری زمانی
کالبدشکافی آریما: چگونه خودرگرسیون، تفاضلگیری و میانگین متحرک برای پیشبینی سریهای زمانی ترکیب میشوند
آمارشناسان کلاسیک 40%پیشبینیکنندگان تجاری 35%متخصصان یادگیری ماشینی 25%
7 منبع · 17 روز پیش
توضیح کوهستانپیشپردازش داده
چگونه یک داده پرت جدول ردهبندی را زیر و رو میکند: شکاف ریاضی بین استانداردسازی نمره Z و نرمالسازی مین-مکس
حافظان واریانس 60%حامیان مرزهای سختگیرانه 40%
5 منبع · 17 روز پیش
توضیح کوهستانمعیارهای طبقهبندی
چرا معیار F1 (اف-وان) عدم توازن شدید بین دقت (Precision) و فراخوانی (Recall) را در یادگیری ماشین جریمه میکند؟
طرفداران معیار متوازن 45%تنظیمکنندگان آستانه 30%شکاکان به قابلیت تفسیر 25%
6 منبع · 17 روز پیش
توضیح کوهستانفناوری پوشیدنی
بررسی شواهد: ساعتهای هوشمند تجاری تا چه حد معماری خواب را در مقایسه با پلیسومنوگرافی بالینی اندازهگیری میکنند؟
محققان بالینی خواب 40%حامیان دستگاههای پوشیدنی مصرفی 35%مهندسان سختافزار 25%
6 منبع · 17 روز پیش
توضیح کوهستانروشهای تنظیمکنندگی
چگونه تنظیمکنندگی L1 ضرایب را به صفر میرساند در حالی که رگرسیون ریج همه آنها را حفظ میکند
حامیان دقت پیشبینی 35%حامیان تفسیرپذیری 35%متخصصان ترکیبی 30%
8 منبع · 17 روز پیش
توضیح کوهستاناستنتاج علّی
چگونه مرزهای عددی دلخواه، علت و معلول را در دادههای مشاهدهای جدا میکنند
اقتصادسنجان 40%پژوهشگران بالینی 35%ارزیابان سیاست 25%
7 منبع · 17 روز پیش
توضیح کوهستاندادههای گمشده
چرا جایگزینی با میانگین، واریانس دادهها را مخدوش میکند و چگونه معادلات زنجیرهای آن را حفظ میکنند؟
محققان کاربردی 40%آمارشناسان محاسباتی 35%متخصصان علم داده 25%
7 منبع · 18 روز پیش
کاوش موضوعات بیشتر
نمایش 51 تا 100 از 251
تعداد در هر صفحه