Statystyka, Matematyka

 0    63 フィッシュ    danielpruszynski
mp3をダウンロードする 印刷 遊びます 自分をチェック
 
質問 答え
częstość występowania wartości
学び始める
the frequency of occurrence of the values
wystąpienie
学び始める
occurence
zanieczyszczenie danych, populacji
学び始める
data contamination
zanieczyszczenie środowiska
学び始める
pollution of the environment
suma ważona, suma iloczynów
学び始める
weighted sum, sum of products
średnia ważona
学び始める
weighted average
przyrost informacji
学び始める
information gain, growth
wzrost niepewności
学び始める
increase in uncertainty, uncertainty growth
zakres międzykwartylowy
学び始める
interquartile range
zmienność
学び始める
variability
wariancja
学び始める
variance
odchylenie standardowe to pierwiastek kwadratowy z wariancji
学び始める
standard deviation is the square root of the variance
szereg rozdzielczy
学び始める
distributive series
liczby pseudolosowe
学び始める
pseudo-random numbers
osie
学び始める
axes
oś x, y / pionowa, pozioma
学び始める
x, y / vertical, horizontal axis
charakterystyczna cecha
学び始める
characteristic feature
estymator obciążony i nieobciążony
学び始める
biased and unbiased estimator
ekstrakcja cech
学び始める
feature extraction
szereg czasowy danych
学び始める
time series of data
cecha
学び始める
trait
dyspersja
学び始める
dispersion
normalne odchylenie
学び始める
normal deviate
skośność - jest miarą rozkładu częstotliwości
学び始める
skew is a measure of the frequency distribution
rozkład prawoskośny
学び始める
right skew distribution
rozkład symetryczny
学び始める
symmetric distribution
kurtoza jest miarą spłaszczenia rozkładu częstotliwości
学び始める
kurtosis is a measure of the flattening of the frequency distribution
próba losowa
学び始める
random sample
próba losowa została dobrana z całej populacji
学び始める
a random sample was selected from the entire population
średnia z próby jest estymatorem parametru populacji
学び始める
the sample mean is an estimate of a population parameter
estymator
学び始める
estimator
statystki z próby sa estymatorami parametrów populacji
学び始める
Sample statistics are estimators of population parameters
oszacowanie przedziałowe
学び始める
interval estimate
zmienna objaśniająca X
学び始める
explanatory variable X
zmienna objaśniana zależna Y
学び始める
dependent variable Y
regresja liniowa prosta
学び始める
simple linear regression
reszty, zaobserwowane błędy w modelu regresji
学び始める
rest, residuals, errors observed in the regression model
przecięcie osi x i y
学び始める
the intersection of the x and y axes
przecięcie Y, stała
学び始める
y intersection, constant
błąd losowy
学び始める
random error
założenia regresji liniowej
学び始める
assumptions of linear regression
składniki losowe
学び始める
random components
błędy są jednakowo rozproszone wokół linii regresji i ich wariancja nie rośnie ani nie maleje wraz ze wzrostem X
学び始める
the errors are equally distributed around the regression line and their variance neither increases nor decreases with increasing X
metoda najmniejszych kwadratów
学び始める
method of least squares
suma kwadratów reszt
学び始める
sum of the squared errors
zmienna objaśniająca i objaśniana
学び始める
independent/predictors and dependent/response/target variable
stochastyczny spadek wzdłuż gradientu
学び始める
stochastic gradient descent
metoda gradientu prostego
学び始める
simple gradient method
wskaźnik uczenia
学び始める
learning rate
mianownik
学び始める
denominator
stok, nachylenie w1
学び始める
slope
pozostałości - reszty, błędy w modelu regresji
学び始める
residuals
nielosowy składnik modelu
学び始める
non-random component of the model
założenia modelu regresji
学び始める
assumptions of the regression model
eliminacja wsteczna
学び始める
backward elimination
poziom istotności statystycznej
学び始める
statistical significance
licznik
学び始める
counter
regresja wielomianowa
学び始める
polynomial regression
oszacowanie gęstości jądra
学び始める
kernel density estimate
rozkład wielowymiarowy
学び始める
multivariate distribution
skośność jest miarą asymetrii w rozkładzie
学び始める
skewness is a measure of assymetry in a distribution
regresja wielomianowa 2 stopnia
学び始める
2nd degree polynomial regression
nauka zespołowa. Algorytm lasów losowych składa się z wielu drzew decyzyjnych. Ostateczne przypisanie klasy dokonuje się na podstawie głosów większkści
学び始める
ensemble learning. The random forest algorithm consists of many decision trees. Final class assignment is made by majority vote

コメントを投稿するにはログインする必要があります。