Запитання з тегом «decision-theory»

Ситуація Деякі дослідники хотіли б укласти вас спати. Залежно від таємного кидання справедливої ​​монети, вони ненадовго пробудять вас або один раз (Голова), або двічі (Хвости). Після кожного пробудження вони повернуть вас спати з препаратом, який змушує забути це пробудження. Коли ви прокидаєтесь, до якої міри ви повинні вірити, що результатом …

133 decision-theory  paradox 

Це не питання домашньої роботи, а реальна проблема, з якою стикається наша компанія. Зовсім недавно (2 дні тому) ми замовили виготовлення 10000 етикеток продукції у дилера. Дилер - незалежна людина. Він отримує етикетки, виготовлені ззовні, і компанія здійснює оплату продавцю. Кожна етикетка коштувала компанії рівно $ 1. Вчора дилер прийшов …

66 probability  bayesian  model  decision-theory 

Я поясню свою проблему на прикладі. Припустимо, ви хочете передбачити дохід фізичної особи за деякими ознаками: {Вік, стать, країна, регіон, місто}. У вас такий навчальний набір даних train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Я бачу, що обидві функції є частиною методів видобутку даних, таких як градієнтні бустерні регресори. Я бачу, що це теж окремі об’єкти. Якими є взаємини між обома загалом?

23 regression  classification  data-mining  decision-theory 

(Щоб зрозуміти, чому я це написав, перегляньте коментарі нижче моєї відповіді на це запитання .) Помилки типу III та теорія статистичних рішень Правильна відповідь на неправильну запитання іноді називається помилкою типу III. Теорія статистичних рішень - це формалізація прийняття рішень в умовах невизначеності; він забезпечує концептуальну основу, яка може допомогти …

20 bayesian  credible-interval  decision-theory 

З плоским попереднім оцінкою збігаються оцінки ML (частість - максимальна ймовірність) та MAP (байєсівський - максимум a posteriori). Однак у більш загальному плані я говорю про оцінки точок, отримані як оптимізатори певної функції втрат. Тобто (Bayesian) х (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} \left( L(X-\hat …

17 bayesian  estimation  loss-functions  frequentist  decision-theory 

Уявіть наступне налаштування: у вас є 2 монети, монета A, яка гарантовано є справедливою, і монета B, яка може бути, а може і не бути справедливою. Вас просять зробити 100 монет, і ваша мета - збільшити кількість головок . Ваша попередня інформація про монету B полягає в тому, що вона …

14 bayesian  decision-theory 

Нехай позначає ризик Байєса оцінювача щодо попереднього , нехай позначає набір усіх пріорів на просторі параметрів , а позначає набір всі правила (можливо рандомізовані) рішення.r(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta Статистичне тлумачення нерівномірності мінімакса Джона фон Неймана говорить про це supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ),supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ), \sup_{\pi\in\Pi} \inf_{\delta\in\Delta} r(\pi, \delta) \leq \inf_{\delta\in\Delta}\sup_{\pi\in\Pi} r(\pi, \delta), із суворою рівністю, гарантованою для …

12 bayesian  decision-theory  risk 

У мене є проблеми з розумінням повної достатньої статистики? Нехай є достатньою статистикою.T=ΣxiT=ΣxiT=\Sigma x_i Якщо з ймовірністю 1, для деякої функції , то це повна достатня статистика.E[g(T)]=0E[g(T)]=0E[g(T)]=0ggg Але що це означає? Я бачив приклади уніформи та Бернуллі (стор. 6 http://amath.colorado.edu/courses/4520/2011fall/HandOuts/umvue.pdf ), але це не інтуїтивно, я більше розгубився, побачивши інтеграцію. …

12 self-study  estimation  intuition  decision-theory 

Моя перукар Стейсі завжди одягає щасливе обличчя, але часто наголошує на управлінні своїм часом. Сьогодні Стейсі була прострочена в моєму призначенні і дуже вибачилася. Отримуючи стрижку, я задумався: як довго повинні бути її стандартні побачення? (якщо перевагу замовника на чисті круглі номери можна ненадовго проігнорувати). Що слід враховувати, це певний …

11 normal-distribution  optimization  queueing  decision-theory 

Я намагаюся побудувати межу рішення алгоритму перцептрона, і я дуже заплутаний у кількох речах. Мої вхідні екземпляри мають форму , в основному 2D вхідний екземпляр ( і ) і цільове значення двійкового класу ( ) [1 або 0].х 1 х 2 у[ ( х1, х2) , у][(x1,x2),y][(x_{1},x_{2}), y]х1x1x_{1}х2x2x_{2}уyy Звідси мій …

11 machine-learning  neural-networks  python  decision-theory  perceptron 

Я натрапив на ці слайди (слайд №16 та №17) на одному з онлайн-курсів. Викладач намагався пояснити, як Максимальна задня оцінка (MAP) насправді є рішенням , де є істинний параметр.θ ∗L ( θ ) = I[ θ ≠ θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}]θ∗θ∗\theta^{*} Може хтось, будь ласка, пояснить, як це випливає? …

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

Я програмую і займаюся тестовими розробками. Після того, як я змінив код, я запускаю свої тести. Іноді вони досягають успіху, а іноді - невдачі. Перед тим, як запустити тест, я записую число від 0,01 до 0,99, щоб переконатися, що тест буде успішним. Хочу знати, чи вдосконалююсь я передбачуючи, чи вдасться …

10 forecasting  decision-theory  calibration  scoring-rules 

Тестова статистика Дарбіна-Уотсон може лежати в безрезультатною області, де не можливо або відхилити або відкинути нульову гіпотезу (в даному випадку, нульовий автокорреляции). Які ще статистичні тести можуть дати "непереконливі" результати? Чи є загальне пояснення (махання рукою добре), чому цей набір тестів не може прийняти двійкове рішення «відхилити» / «не відхилити»? …

10 hypothesis-testing  statistical-significance  decision-theory 

Гаразд - моє оригінальне повідомлення не вдалося отримати відповідь; так, дозвольте мені поставити питання по-іншому. Почну з пояснення свого розуміння оцінки з теоретичної точки зору рішення. Я не маю жодної формальної підготовки, і це не здивувало б мене, якщо моє мислення якимось чином має помилки. Припустимо, у нас є деяка …

10 bias  loss-functions  frequentist  decision-theory  risk