|
关注：1
2013-05-23 12:21
求翻译：Besides the aforementioned advantages, the heterogeneity of Big Data also poses significant challenges to statistical inference. Inferring the mixture model in (3.1) for large datasets requires sophisticated statistical and computational methods. In low dimensions, standard techniques such as the expectation-maximizati是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Besides the aforementioned advantages, the heterogeneity of Big Data also poses significant challenges to statistical inference. Inferring the mixture model in (3.1) for large datasets requires sophisticated statistical and computational methods. In low dimensions, standard techniques such as the expectation-maximizati
问题补充： |
|
2013-05-23 12:21:38
除了上述的优点，大数据的异质性也对统计推断显著的挑战。对于大型数据集推断混合模型（3.1）需要复杂的统计和计算方法。在低维度，如期望最大化算法的有限混合模型标准技术可以应用。在高维空间，但是，我们需要仔细规范的估算程序，以避免过度拟合或噪声积累，并制订良好的计算算法（哈利利和陈，2007;站¨dler等人，2010）
|
|
2013-05-23 12:23:18
除上述的好处以外，大数据非均匀性也形成重大挑战统计推论。推断混合物模型(3.1)为大数据集要求老练统计和计算方法。在低维度，标准技术例如期望最大化算法的有限混合物模型可以是应用的。
|
|
2013-05-23 12:24:58
除上述的好处以外，大数据非均匀性也形成重大挑战统计推论。 推断混合物模型在 (3.1) 为大数据集要求老练统计和计算方法。 在低维度，标准技术例如期望最大化算法的有限混合物模型可以是应用的。 在高维度，然而，我们需要仔细地规则化估计的做法避免overfitting或噪声储积和构想好计算算法 (Khalili和陈2007年; Sta¨dler等， 2010年)
|
|
2013-05-23 12:26:38
除了上述优势，大数据的非均质性也构成重大挑战到统计推断。推断 (3.1) 中的大型数据集的混合模型，需要复杂的统计和计算方法。在低维度，可以应用等有限混合模型的期望最大化算法的标准技术。在高维度，但是，我们需要仔细正规化的估算程序，避免过度臃肿或噪声积累，制定好计算算法 （哈利利和陈，2007 年 ；Sta¨dler et al.，2010年)
|
|
2013-05-23 12:28:18
除了上述优势之外,该异质性较大的数据也带来了严重的挑战,统计推断。 混合模型的推断在[3.1]为大型数据集需要复杂统计和计算方法。 在较低层面,这样的技术标准的期望最大化算法有限混合模式可以应用。 在高层面,但是,我们要仔细规范评估程序,以避免发生overfitting或噪声积累和制定好计算算法[哈利利和陈,2007;STA?: cs>dler et al2010]
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
