Статистика та великі дані

Натхненний " прикладами реального життя загальних розподілів ", мені цікаво, які педагогічні приклади люди використовують для демонстрації негативної скутості? Існує багато "канонічних" прикладів симетричних або нормальних розподілів, які використовуються в навчанні - навіть якщо такі, як висота і вага, не переживають ретельнішого біологічного контролю! Артеріальний тиск може бути ближчим до …

21 distributions  skewness  teaching 

У контексті машинного навчання та розпізнавання шаблонів існує концепція під назвою хитрість ядра . Зіткнувшись із проблемами, коли мене просять визначити, чи може функція бути функцією ядра чи ні, що саме потрібно робити? Чи варто спочатку перевірити, чи вони мають форму трьох-чотирьох функцій ядра, таких як поліном, RBF та Гауссан? …

21 machine-learning  kernel-trick 

У мене є такий результат від запуску функції glm. Як можна інтерпретувати такі значення: Нульове відхилення Залишкове відхилення AIC Чи мають вони щось спільне з доброю формою? Чи можу я обчислити деяку корисність міри придатності з таких результатів, як R-квадрат або будь-який інший захід? Call: glm(formula = tmpData$Y ~ tmpData$X1 …

21 r  regression  generalized-linear-model 

Чи може хтось пояснити, що таке природна інтерпретація для гіперпараметрів LDA? ALPHAі BETAє параметрами розподілів Диріхле для теми (на документ) і відповідно (на тему). Однак чи може хтось пояснити, що означає вибирати великі значення цих гіперпараметрів проти менших? Чи означає це ставити будь-які попередні переконання щодо обмеженості тем у документах …

21 interpretation  prior  topic-models  hyperparameter 

Які розподіли мають рішення закритої форми для максимальної оцінки ймовірності параметрів із вибірки незалежних спостережень?

21 distributions  mathematical-statistics  maximum-likelihood 

Це питання навряд чи допоможе майбутнім відвідувачам; це стосується лише невеликої географічної області, конкретного моменту часу або надзвичайно вузької ситуації, яка загалом не застосовується до світової аудиторії Інтернету. Для отримання додаткової інформації щодо цього питання відвідайте довідковий центр . Закрито 7 років тому . Мені хотілося знати, що означає параметр …

21 r  gbm 

Я запустив узагальнену лінійну змішану модель в R і включив ефект взаємодії між двома прогнозами. Взаємодія була не суттєвою, але основні ефекти (обидва прогнози) були. Зараз багато прикладів підручників говорять про те, що якщо є значний вплив взаємодії, то основні ефекти не можна інтерпретувати. Але що робити, якщо ваша взаємодія …

21 logistic  mixed-model  interaction  interpretation  regression-coefficients 

Аналіз функціональних основних компонентів (FPCA) - це те, про що я натрапив і ніколи не зрозумів. Про що це все? Дивіться "Огляд функціонального аналізу основних компонентів" від Shang, 2011 , і я цитую: PCA стикається з серйозними труднощами в аналізі функціональних даних через "прокляття розмірності" (Bellman 1961). "Прокляття розмірності" походить …

21 time-series  pca  dimensionality-reduction 

Я дізнався, що невеликий розмір вибірки може призвести до недостатньої потужності та помилки 2 типу. Однак у мене є відчуття, що невеликі зразки можуть бути, як правило, ненадійними і випадково можуть призвести до будь-якого результату. Це правда?

21 hypothesis-testing  small-sample 

У мене виникають проблеми з розумінням поняття випадкової величини як функції. Я розумію механіку (думаю), але не розумію мотивації ... Скажімо, - втричі ймовірності, де , - алгебра Бореля- на цьому проміжку, а - регулярна міра Лебега. Нехай - випадкова величина від до така, що , , ..., , тому …

21 probability  random-variable  measure-theory 

Фон Однією з найбільш часто використовуваних слабких до зміни дисперсії є зворотна гамма з параметрами (Gelman 2006) .α=0.001,β=0.001α=0.001,β=0.001\alpha =0.001, \beta=0.001 Однак цей розподіл має 90% приблизно .[3×1019,∞][3×1019,∞][3\times10^{19},\infty] library(pscl) sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001)) [1] 3.362941e+19 Inf З цього я трактую, що дає низьку ймовірність того, що дисперсія буде дуже …

21 bayesian  multilevel-analysis  prior 

На це питання вже є відповіді : Як зміни у вартості можуть бути позитивними? (1 відповідь) Що робити, коли моя нервова мережа не навчається? (5 відповідей) Закрито минулого місяця . Я треную модель (періодична нейронна мережа) для класифікації 4 типів послідовностей. Коли я проходжу тренування, я бачу, що втрата тренувань …

21 machine-learning  neural-networks  loss-functions  rnn  training-error 

Я щось нерозумію. Це мій код за допомогою sklearn import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn import decomposition from sklearn import datasets from sklearn.preprocessing import StandardScaler pca = decomposition.PCA(n_components=3) x = np.array([ [0.387,4878, 5.42], [0.723,12104,5.25], [1,12756,5.52], [1.524,6787,3.94], ]) pca.fit_transform(x) Вихід: array([[ -4.25324997e+03, -8.41288672e-01, …

21 pca  python  scikit-learn 

Ми визначаємо архітектуру вузького місця як тип, знайдений у статті ResNet, де [два шари конвеєра 3x3] замінені на [один 1x1 conv, один 3x3 conv та інший 1x1 conv шар]. Я розумію, що шари conv 1x1 використовуються як форма зменшення розмірів (і відновлення), що пояснюється в іншій публікації . Однак мені …

21 residuals  deep-learning  conv-neural-network 

Дані мають багато можливостей (наприклад, 100), а кількість екземплярів становить приблизно 100 000. Дані рідкі. Я хочу підходити до даних за допомогою логістичної регресії або svm. Як дізнатися, чи є функції лінійними чи нелінійними, щоб я міг використовувати хитрість ядра, якщо нелінійний?

21 machine-learning  logistic  svm  data-mining