Запитання з тегом «intuition»

Чому р-значення та ks-тест-статистика зменшуються зі збільшенням розміру вибірки? Візьмемо цей приклад Python як приклад: import numpy as np from scipy.stats import norm, ks_2samp np.random.seed(0) for n in [10, 100, 1000, 10000, 100000, 1000000]: x = norm(0, 4).rvs(n) y = norm(0, 4.1).rvs(n) print ks_2samp(x, y) Результати: Ks_2sampResult(statistic=0.30000000000000004, pvalue=0.67507815371659508) Ks_2sampResult(statistic=0.080000000000000071, pvalue=0.89375155241057247) …

12 python  p-value  goodness-of-fit  intuition  scipy 

Для нестатистів, як я, дуже важко зафіксувати ідею VIметрики (варіації інформації) навіть після прочитання відповідної статті Марини Меліа " Порівняння кластеризації - відстань на основі інформації " (Journal of Multivariate Analysis, 2007). Насправді я не знайомий з багатьма умовами кластеризації там. Нижче наведено MWE, і я хотів би знати, що …

11 r  clustering  validation  intuition 

Зараз я відвідую курс «Вступ до менеджменту операцій» на Coursera.org. В якийсь момент курсу професор почав займатися різницею в часі операцій. Вимірювання, яке він використовує, - коефіцієнт варіації , співвідношення між середнім відхиленням і середнім: cv= σмкcv=σмкc_v = \frac{\sigma}{\mu} Навіщо використовувати це вимірювання? Які переваги та недоліки роботи з резюме …

11 standard-deviation  intuition  coefficient-of-variation 

У « Конволюційних мережах глибоких переконань для масштабованого без нагляду вивчення ієрархічних уявлень » Лі та ін. al. ( PDF ) Запропоновано згортки DBN. Також метод оцінюється для класифікації зображень. Це звучить логічно, оскільки існують природні локальні особливості зображення, такі як невеликі кути та краї тощо. У статті " Непідконтрольне …

11 classification  unsupervised-learning  intuition  deep-belief-networks 

У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Ідея, що стоїть за періодичною нейронною мережею (RNN), мені зрозуміла. Я розумію це таким чином: У нас є послідовність спостережень ( о⃗ 1, о⃗ 2, … , О⃗ нo→1,o→2,…,o→n\vec o_1, \vec o_2, \dots, \vec o_n ) (або, іншими словами, багатоваріантний часовий ряд). Кожне окреме спостереження о⃗ io→i\vec o_i - NNN …

11 time-series  neural-networks  predictive-models  intuition  rnn 

Закрита форма w в лінійній регресії може бути записана як w^=(XTX)−1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty Як можна інтуїтивно пояснити роль (XTX)−1(XTX)−1(X^TX)^{-1} у цьому рівнянні?

10 regression  least-squares  matrix  intuition  matrix-inverse 

Я знаю з попередніх досліджень, що Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B) = Var(A) + Var(B) + 2 Cov (A,B) Однак я не розумію, чому це так. Я бачу, що ефектом буде «підштовхувати» дисперсію, коли A і B коварі сильно. Має сенс, що коли ви створюєте композит із двох сильно корельованих змінних, ви, як правило, …

10 variance  covariance  intuition 

Я розумію механіку обчислення ваг, використовуючи показники схильності : а потім застосувати ваги в регресійному аналізі, і те, що ваги служать для "контроль" або роз'єднання ефектів коваріатів у групах лікування та контрольних груп із змінною результату.p(xi)p(xi)p(x_i)wi,j=treatwi,j=control=1p(xi)=11−p(xi)wi,j=treat=1p(xi)wi,j=control=11−p(xi)\begin{align} w_{i, j={\rm treat}} &= \frac{1}{p(x_i)} \\[5pt] w_{i, j={\rm control}} &= \frac{1}{1-p(x_i)} \end{align} Однак на …

10 intuition  weighted-regression  propensity-scores 

Я намагався реалізувати числову оцінку дивергенції Куллбека-Лейблера для двох зразків. Для налагодження реалізації намалюйте вибірки з двох нормальних розподілів та .N(0,1)N(0,1)\mathcal N (0,1)N(1,2)N(1,2)\mathcal N (1,2) Для простої оцінки я створив дві гістограми і спробував числово наблизити інтеграл. Я застряг в обробці тих частин гістограми, де бункери однієї гістограми дорівнюють нулю, …

10 estimation  intuition  kullback-leibler  numerics 

У наборі проблем я довів цю "лему", результат якої для мене не інтуїтивно зрозумілий. - це звичайний нормальний розподіл в цензурованій моделі.ZZZ Формально і . Тоді Отже, існує певний зв'язок між формулою очікування над усіченою областю та щільністю в точці усікання . Хтось може пояснити інтуїцію за цим?Z∗∼Norm(0,σ2)Z∗∼Norm(0,σ2)Z^* \sim Norm(0, …

10 normal-distribution  pdf  intuition 

У підручнику, який я читаю, вони використовують позитивну визначеність (напівпозитивна визначеність) для порівняння двох матриць коваріації. Ідея полягає в тому , що якщо має полідисперсність , то менше , ніж A . Але я намагаюся отримати інтуїцію цих стосунків?A−BA−BA-BBBBAAA Тут є подібна нитка: /math/239166/what-is-the-intuition-for-using-definiteness-to-compare-matrices Яка інтуїція використовувати визначеність для порівняння …

10 covariance-matrix  matrix  intuition  linear-algebra  geometry 

Стандартна похибка пропорції буде найбільшою, вона може бути для даного N, коли пропорційна частка дорівнює 0,5, і зменшується, чим далі пропорція становить 0,5. Я бачу, чому це так, коли я дивлюсь на рівняння для стандартної похибки пропорції, але далі я не можу пояснити це. Чи є пояснення поза математичними властивостями …

10 standard-error  proportion  intuition 

У кількох змаганнях з кубків бал базувався на "логлосі". Це стосується помилки класифікації. Ось технічна відповідь, але я шукаю інтуїтивну відповідь. Мені дуже сподобалися відповіді на це запитання про відстань махаланобіс, але PCA - це не логос. Я можу використовувати значення, яке видає моє програмне забезпечення для класифікації, але я …

10 interpretation  intuition  loss-functions 

Чи може хтось, будь ласка, надати просте (непрофесійне) пояснення взаємозв'язку між розподілами Парето та теоремою центрального обмеження (наприклад, чи застосовується це? Чому / чому ні?)? Я намагаюся зрозуміти таке твердження: "Теорема центрального ліміту не працює з кожним розподілом. Це пов'язано з одним підлим фактом - засоби вибірки об'єднуються навколо середнього …

10 variance  central-limit-theorem  intuition  pareto-distribution  fat-tails