Статистика та великі дані

Розділ 1.7.2 Розкриття статистики за допомогою R Енді Філдса та ін., Перераховуючи середні чесноти проти медіани, констатує: ... середнє значення має стійкість у різних зразках. Це після пояснення багатьох чеснот медіани, наприклад ... На медіану відносно не впливають екстремальні бали на будь-якому кінці розподілу ... Зважаючи на те, що на …

22 mean  median 

(Заздалегідь вибачтесь за використання простої мови, а не статистичної мови.) Якщо я хочу виміряти шанси прокатки кожної сторони певного фізичного шестигранного штампу до приблизно +/- 2% з розумною впевненістю, скільки потрібно було б зразків валків? тобто скільки разів мені знадобиться прокатати штамп, підраховуючи кожен результат, щоб бути на 98% впевненим, …

22 probability  inference  pdf  dice 

Питання: Коли (для яких типів проблем із візуалізацією даних) теплові карти є найбільш ефективними? (Зокрема, ефективніше, ніж усі інші можливі методи візуалізації?) Коли теплові карти найменш ефективні? Чи існують якісь загальні шаблони чи правила, за допомогою яких можна визначити, чи може теплова карта бути ефективним способом візуалізації даних, і коли …

22 data-visualization  heatmap 

Мені цікаво, як градієнти розповсюджуються назад через нейронну мережу за допомогою модулів ResNet / пропускають з'єднання. Я бачив кілька запитань щодо ResNet (наприклад, нейромережа зі зв’язками пропускового шару ), але це запитує конкретно про зворотне поширення градієнтів під час тренування. Основна архітектура тут: Я читаю цю статтю « Вивчення залишкових …

22 machine-learning  neural-networks  conv-neural-network  gradient-descent  backpropagation 

Велику кількість разів катаємо 6-сторонні штампи. Обчислюючи різницю (абсолютне значення) між рулоном та його попереднім рулоном, чи очікується, що різниці розподіляться рівномірно? Для ілюстрації з 10 рулонів: roll num result diff 1 1 0 2 2 1 3 1 1 4 3 2 5 3 0 6 5 2 7 …

22 distributions  uniform 

У мене є набір даних. Скажіть спостережень та змінних:3101010333 obs A B C 1 0 0 1 2 0 1 0 3 1 0 1 4 1 1 0 5 1 0 1 6 1 0 0 7 1 1 0 8 0 0 1 9 0 1 1 10 …

22 proportion  descriptive-statistics  paradox 

Включивши в статтю модель кількісної регресії, рецензенти хочуть, щоб я включив у документ коригуваний . Я обчислив псевдо- R 2 с (з документа JASA Koenker і Machado 1999 року)R2R2R^2R2R2R^2 ) Для трьох квантилів, що цікавлять моє дослідження. Однак я ніколи не чув про скориговану для кількісної регресії і не знав …

22 goodness-of-fit  r-squared  quantile-regression 

Я грав у простій Нейронній мережі з лише одним прихованим шаром, від Tensorflow, і тоді я спробував різні активації для прихованого шару: Relu Сигмоїдний Softmax (ну зазвичай softmax використовується в останньому шарі ..) Relu забезпечує найкращу точність поїздів та точність перевірки. Я не впевнений, як це пояснити. Ми знаємо, що …

22 machine-learning  neural-networks  conv-neural-network  tensorflow  sigmoid-curve 

A позитивно пов’язаний з В. C - результат A і B, але вплив A на C негативний, а вплив B на C - позитивний. Це може статися?

22 regression  correlation 

Я знаю, що для регулярних проблем, якщо у нас найкращий регулярний неупереджений оцінювач, він повинен бути максимальним імовірністю оцінки (MLE). Але взагалі, якщо у нас є неупереджений MLE, чи був би він також найкращим неупередженим оцінювачем (чи, можливо, я повинен його називати UMVUE, якщо він має найменшу дисперсію)?

22 mathematical-statistics  maximum-likelihood  unbiased-estimator 

Ендрю Гелман написав обширну статтю про те, чому для тестування Байєса АБ не потрібна корекція багаторазових гіпотез: чому ми (як правило) не повинні турбуватися про багаторазові порівняння , 2012 рік. Я не зовсім розумію: чому методи Байєса не вимагають багаторазових виправлень випробувань? A ~ Distribution1 + Common Distribution B ~ …

22 hypothesis-testing  bayesian  multiple-comparisons 

Під час тренування нейронної мережі з використанням алгоритму зворотного розповсюдження використовується метод градієнтного спуску для визначення оновлень ваги. Моє запитання: Замість того, щоб використовувати метод градієнтного спуску, щоб повільно знаходити мінімальну точку щодо певної ваги, чому ми не просто встановимо похідну , і знайти значення вагиw,яке мінімізує помилку?d(Error)dw=0d(Error)dw=0\frac{d(\text{Error})}{dw}=0www Крім того, …

22 neural-networks  gradient-descent  backpropagation 

Деякі штрафні функції та наближення добре вивчені, такі як LASSO ( L1L1L_1 ) та Хребет ( L2L2L_2 ), і як вони порівнюються в регресії. ∑∥βj∥γ∑‖βj‖γ\sum \|\beta_{j}\|^{\gamma}γ=1γ=1\gamma = 1γ=2γ=2\gamma = 2 Веньцзян [ 1 ] порівнював Бридж-штраф, коли з LASSO, але я не зміг знайти порівняння з регуляризацією Еластичної мережі, комбінацією …

22 regression  lasso  regularization  ridge-regression  elastic-net 

Яка різниця між негативним біноміальним розподілом і біноміальним розподілом? Я спробував читати в Інтернеті, і виявив, що негативний біноміальний розподіл використовується, коли точки даних дискретні, але я думаю, що навіть біноміальний розподіл можна використовувати для дискретних точок даних.

22 categorical-data  data-mining  binomial  negative-binomial 

Згідно з вірогідністю та статистикою Міллера та Фрейнда для інженерів, 8ed (pp.217-218), функція ймовірності буде максимально використана для розподілу біномів (випробування Бернуллі) задається як L(p)=∏ni=1pxi(1−p)1−xiL(p)=∏i=1npxi(1−p)1−xiL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} Як дійти до цього рівняння? Мені здається досить зрозумілим щодо інших дистрибуцій, Пуассона та Гаусса; L(θ)=∏ni=1PDF or PMF of dist.L(θ)=∏i=1nPDF or PMF of …

22 estimation  maximum-likelihood  bernoulli-distribution  point-estimation