列联表
在统计学中，列联表（）描述了样本中不同性质出现的频率，可与、皮爾森卡方檢定等统计工具相结合，用于分析分类变量之间的联系。列联表于20世纪初由卡尔·皮尔逊和提出。 示例 最简单的情况下，样本可以由两种方法分类，每种方法下都只分出两个类别。此时可以使用2×2的表格，每一行和每一列对应一种类别，在单元格中记录满足各个组合的样本数量。例如，以下表格统计了42名婴儿的喂养方式和牙齿出现的情况： 若两种分类方法分别有\, r \,和\, s \,个…
标签：#分类数据
共 5 篇文章
零膨胀
零膨胀模型（）是人们在社会科学、自然中的计数资料的实际研究中，观察事件发生数中含有大量的零值。例如保险索赔次数，索赔数为0的概率很高，否则保险公司就面临破产风险。这种数据数资料中的零值过多，超出了Poisson分布等一般离散分布的预测能力。零膨胀这个概念首先是由 Lambert在1992年的论文“Zero-Inflated Poisson Regression, with an Application to Defects in Man…
分类变量
分类变量或称类别变量是统计学中的有限多个取值的变量，其每个值对应于的特定分组（group）或。在计算机科学或一些数学分支中，分类变量对应于列举法或枚举类型。通常，分类变量的每个值成为一个level。其概率分布称为。 分类数据（Categorical data）是一种，由分类变量及其数据组成。具体说，分类数据可从定性数据计数汇总或生成列联表，或从定量数据按照给定的间隔分组得到。 分类变量如果只可能有两个取值，被称为（binary vari…
帕累托图
帕累托圖（Pareto Chart）又稱排列圖法、柏拉圖、主次因素分析法，是一種条形图和折線圖的組合，為品質管理上經常使用的一種圖表方法。1930年由約瑟夫·朱蘭首次應用於品管當中。按照发生的频度排序，显示了多少结果是由每一个识别出来的原因产生。概念上与帕累托法则有关，是品質控制的一个工具。也是品管七大手法的工具之一。 簡介 帕雷托根據「關鍵的少數和次要的多數」的原理而製作，其結構為兩個縱坐標和一個橫坐標，合併長條圖及折線圖所構成。左側…
图灵估计
Good-Turing平滑法可处理N元语法中数据矩阵的稀疏问题，主要思想将非零N元语法的概率均匀分给一些低概率语法，以修改最大似然估计与真实概率之间的偏离。是使用的比较多的一种平滑算法。 应用背景 在自然语言处理的N元模型中，用最大似然估计（MLE）作为某个字符串出现的概率，这样会造成数据稀疏问题，并且使得MLE值偏离真实概率。这个问题与N元语法自身有关，他们不能估计长距离的上下文，总是倾向于过低地估计哪些在训练语料库中不是彼此向邻近出…