Статистика та великі дані

І терміни "upsampling" і "transpose convolution" вживаються, коли ви робите "деконволюцію" (<- не гарний термін, але дозвольте мені тут його використовувати). Спочатку я думав, що вони означають те саме, але мені здається, що вони різні, після того, як я прочитав ці статті. хто-небудь може уточнити? Транспоніруйте згортання : схоже, ми …

12 machine-learning  neural-networks  conv-neural-network  transposed-convolution 

У мене є набір даних, що складається з пропорцій, які вимірюють "рівень активності" окремих пуголовків, тому встановлюють значення, пов'язані між 0 і 1. Ці дані збираються шляхом підрахунку кількості разів, яку людина перемістив за певний проміжок часу (1 для руху, 0 без руху), а потім усереднюється для створення одного значення …

12 r  mixed-model  random-effects-model  beta-distribution  beta-regression 

Я читав статтю « Глибоке залишкове навчання для розпізнавання зображень» і у мене виникли труднощі з розумінням на 100%, що означає залишковий блок обчислювально. Читаючи їхній документ, вони мають малюнок 2: що ілюструє, яким повинен бути Залишковий блок. Чи обчислення залишкового блоку просто те саме, що: y =σ( Ш2σ( Ш1x …

12 machine-learning  neural-networks  deep-learning  conv-neural-network  residual-networks 

Я розумію взаємозв'язок між основним компонентним аналізом та сингулярним декомпозицією значення на алгебраїчному / точному рівні. Моє запитання щодо реалізації scikit-learn . Документація говорить: " [усіченийSVD] дуже схожий на PCA, але працює на вибіркових векторах безпосередньо, а не на коваріаційній матриці. ", Що відображало б алгебраїчну різницю між обома підходами. …

12 pca  scikit-learn  svd  scipy 

У цій публікації ви можете прочитати заяву: Моделі зазвичай представлені точками на кінцевому розмірному колекторі.θθ\theta Щодо диференціальної геометрії та статистики Майкла К. Мюррея та Джона У Райса, ці поняття пояснюються в прозовій формі, читаючи навіть ігноруючи математичні вирази. На жаль, ілюстрацій дуже мало. Те саме стосується цієї публікації в MathOverflow. …

12 distributions  manifold-learning  information-geometry  topologies 

Баєзійська книга Крушке говорить про використання бета-розподілу для гортання монети, Наприклад, якщо у нас немає попередніх знань, крім знань про те, що монета має сторону голови та хвіст, це рівнозначно раніше спостерігали одну голову та один хвіст, що відповідає a = 1 та b = 1. Чому б жодна інформація …

12 probability  bayesian  beta-distribution 

Я виконую завдання бінарної класифікації, коли ймовірність результату є досить низькою (близько 3%). Я намагаюся вирішити, чи оптимізувати AUC чи втрату журналу. Наскільки я зрозумів, AUC максимізує здатність моделі розрізняти класи, в той час як logloss карає розбіжність між фактичними та оціненими ймовірностями. У моєму завданні надзвичайно важливо відточити точність …

12 classification  binary-data  auc  log-loss 

У машинному навчанні (для проблем з регресією) я часто бачу середню квадратичну помилку (MSE) або середню абсолютну помилку (MAE), яка використовується як функція помилок для мінімізації (плюс термін регуляризації). Мені цікаво, чи є ситуації, коли використання коефіцієнта кореляції було б більш доцільним? якщо така ситуація існує, то: За яких ситуацій …

12 regression  machine-learning  svm  optimization  deep-learning 

Я читаю тут статтю Вікіпедії про статистичні моделі , і я дещо здивований щодо значення "непараметричних статистичних моделей", зокрема: Статистична модель є непараметричною, якщо набір параметрів нескінченно розмірний. Статистична модель є напівпараметричною, якщо вона має як кінцеві, так і нескінченномірні параметри. Формально, якщо - розмірність а - кількість зразків, і …

12 nonparametric  model 

Зараз я працюю над створенням прогнозної моделі для двійкового результату на наборі даних із ~ 300 змінними та 800 спостереженнями. Я багато читав на цьому сайті про проблеми, пов’язані з поетапною регресією, а чому б не використовувати її. Я читав про регресію LASSO та її здатність до вибору особливостей і …

12 multiple-regression  predictive-models  interpretation  regression-coefficients  lasso 

Я почав вивчати нейронні мережі з навчального посібника з нейронної роботи та вивчення навчальних точок. Зокрема, у 3-му розділі є розділ про функцію логічної ентропії та визначається втрата поперечної ентропії як: С= - 1н∑х∑j( уjlnаLj+ ( 1 - уj) лн( 1 - аLj) )C=−1n∑x∑j(yjln⁡ajL+(1−yj)ln⁡(1−ajL))C = -\frac{1}{n} \sum\limits_x \sum\limits_j (y_j \ln …

12 neural-networks  loss-functions  softmax  cross-entropy 

Я хочу використовувати завантажувальну програму для оцінки інтервалів довіри для оцінюваних параметрів з набору даних панелі з N = 250 фірмами і T = 50 місяцями. Оцінка параметрів обчислювально дорога (кілька днів обчислень) за рахунок використання фільтрації Кальмана та складної нелінійної оцінки. Тому малювання (із заміною) B (у сотнях і …

12 confidence-interval  bootstrap  nonlinear-regression  kalman-filter 

Нещодавно я оновлював свої знання з прогнозування, працюючи над деякими щомісячними прогнозами на роботі і читаючи книгу Роб Хандмана, але єдине місце, де я боюсь, - це коли використовувати експоненціальну модель згладжування проти моделі ARIMA. Чи є правило, де слід використовувати одну методологію проти іншої? Крім того, оскільки ви не …

12 forecasting  arima  exponential-smoothing 

Я б задавав питання, пов’язане з цим . Я знайшов приклад написання спеціальної функції втрати для xgboost тут : loglossobj <- function(preds, dtrain) { # dtrain is the internal format of the training data # We extract the labels from the training data labels <- getinfo(dtrain, "label") # We compute …

12 r  machine-learning  gradient-descent  boosting  loss-functions 

Припустимо , у мене є ковариационной матриці XXX і YYY . Які з цих варіантів є також коваріаційними матрицями? X+YX+YX+Y X2X2X^2 XYXYXY У мене є проблеми з розумінням того, що саме потрібно, щоб щось було коваріаційною матрицею. Я припускаю, що мається на увазі, що, наприклад, якщо X=cov(X1, X2)X=cov⁡(X1,X2)X=\operatorname{cov}(X_1,X_2) і Y= …

12 covariance  covariance-matrix