Статистика та великі дані

Топологію моделі Google Inception можна знайти тут: Google Inception Netowrk Я помітив, що в цій моделі є 3 softmax-шару (№ 154, № 152, # 145), і 2 з них є якоюсь швидкою втечею цієї моделі. З того, що мені відомо, шар softmax призначений для остаточного виведення, то чому їх так …

13 deep-learning  conv-neural-network 

Загалом, здається, що метод моментів - це лише узгодження спостережуваної середньої вибірки або відхилення від теоретичних моментів для отримання оцінок параметрів. Це часто те саме, що MLE для експоненціальних сімей, я збираю. Однак важко знайти чітке визначення методу моментів та чітке обговорення того, чому MLE здається загалом сприятливим, хоча він …

13 maximum-likelihood  method-of-moments 

У мене є набір даних, що включає 24 рядки щомісячних даних. Особливості - ВВП, прибуття в аеропорт, місяць та кілька інших. Залежна змінна - кількість відвідувачів популярного туристичного напряму. Чи підійде випадковий ліс для такої проблеми? Дані не є загальнодоступними, тому я не можу розмістити зразок.

13 random-forest  small-sample 

Я натрапляю на коефіцієнт кістки для подібності обсягу ( https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient ) та точності ( https://en.wikipedia.org/wiki/Accuracy_and_precision ). Мені здається, що ці два заходи однакові. Будь-які думки?

13 descriptive-statistics  roc  accuracy  precision-recall  auc 

Чи можливі негативні ваги (після достатньої кількості епох) для глибоких звивистих нейронних мереж, коли ми використовуємо ReLU для всіх шарів активації?

13 machine-learning  neural-networks  deep-learning  conv-neural-network 

Мені знайоме поняття категоричних змінних та відповідне кодування фіктивних змінних, що дозволяє нам підходити до одного рівня як базового рівня, щоб уникнути колінеарності. Мені також знайоме, як інтерпретувати оцінки параметрів з таких моделей: Передбачувана зміна результату для заданого відповідного рівня категоричного прогноктора стосовно базової категорії. Я не впевнений у тому, …

13 regression  interpretation  proportion  multicollinearity 

Я натрапив на термін близькість у випадкових лісах. Але я не міг зрозуміти, що це робить у випадкових лісах. Як це допомагає для класифікації?

13 machine-learning  random-forest 

У мене 17 числових і 5 двійкових (0-1) змінних, з 73 вибірками в моєму наборі даних. Мені потрібно запустити аналіз кластеру. Я знаю, що відстань Gower - це хороший показник для наборів даних із змішаними змінними. Однак я не міг зрозуміти, як відстань Гоувера обчислює різницю між бінарними змінними . …

13 clustering  distance  mixed-type-data 

Стандартна порада встановити випадкове насіння, щоб можна було відтворити результати. Однак, оскільки насіння просунуте по мірі виведення псевдовипадкових чисел, результати можуть змінитися, якщо будь-який фрагмент коду намалює додаткове число. На перший погляд, контроль над версіями виглядає як вирішення цього питання, оскільки це, принаймні, дозволить вам повернутися назад і відтворити наявну …

13 random-generation 

У мене ця плутанина пов'язана з перевагами Гауссових процесів. Я маю на увазі порівняння його з простою лінійною регресією, де ми визначили, що лінійна функція моделює дані. Однак у Гауссових процесах ми визначаємо розподіл функцій, тобто ми не визначаємо конкретно, що функція повинна бути лінійною. Ми можемо визначити пріоритет над …

13 gaussian-process 

Сподіваюся, хтось на цих форумах може допомогти мені вирішити цю основну проблему в дослідженнях експресії генів. Я зробив глибоке секвенування експериментальної та контрольної тканини. Потім я отримав значення кратного збагачення генів в експериментальному зразку над контролем. Референтний геном має ~ 15 000 генів. 3 000 з 15 000 генів збагатилися …

13 r  genetics  bioinformatics  microarray  biostatistics 

Наскільки я розумію, пакетна норма нормалізує всі вхідні характеристики шару до одиничного нормального розподілу, . Середнє значення та дисперсія оцінюються шляхом вимірювання їх значень для поточної міні-партії.N( μ = 0 , σ= 1 )N(мк=0,σ=1)\mathcal{N}(\mu=0,\sigma=1)мк ,σ2мк,σ2\mu, \sigma^2 Після нормалізації введення масштабуються та зміщуються на скалярні значення: х^'i= γх^i+ βх^i'=γх^i+β\hat{x}_i' = \gamma …

13 batch-normalization 

Зачинено. Це питання поза темою . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб воно було тематичним для перехресної перевірки. Закрито 10 місяців тому . Я знаю, що існує багато бібліотек для машинного навчання та глибокого навчання, таких як caffe, Theano, TensorFlow, keras, ... Але мені здається, …

13 neural-networks  deep-learning  conv-neural-network 

Втілюючи причинну модель Рубіна, одне з (незаперечних) припущень, яке нам потрібно, - це необгрунтованість, що означає ( Y( 0 ) , Y( 1 ) ) ⊥ T| Х(Y(0),Y(1))⊥T|X(Y(0),Y(1))\perp T|X Там, де LHS є контрфактиками, T - це лікування, а X - коваріати, якими ми керуємо. Мені цікаво, як описати це …

13 causality  treatment-effect  confounding 

При кодуванні категоричних ознак для лінійної регресії існує правило: кількість манекенів має бути на одну меншу, ніж загальна кількість рівнів (щоб уникнути колінеарності). Чи існує подібне правило для дерев рішень (мішковане, підсилене)? Я запитую це тому, що стандартною практикою в Python, здається, є розширення nрівнів на nманекени (sklearns ' OneHotEncoderабо …

13 categorical-data  random-forest  cart  boosting