Запитання з тегом «mse»

Максимальні оцінки вірогідності (MLE) є асимптотично ефективними; ми бачимо практичний підсумок у тому, що вони часто роблять краще, ніж метод моментних оцінок (MoM) (коли вони різняться), навіть при невеликих розмірах вибірки Тут "краще, ніж" означає в сенсі, як правило, має меншу дисперсію, коли обидві є неупередженими, і, як правило, меншою …

57 estimation  maximum-likelihood  mse  method-of-moments  efficiency 

Я запускаю класифікацію у Weka для певного набору даних, і я помітив, що якщо я намагаюся передбачити номінальне значення, то вихід конкретно показує правильно та неправильно прогнозовані значення. Однак тепер я запускаю його для числового атрибута, а вихід: Correlation coefficient 0.3305 Mean absolute error 11.6268 Root mean squared error 46.8547 …

41 machine-learning  error  weka  mse  rms 

Переглядаючи визначення Вікіпедії: Середня помилка в квадраті (MSE) Залишкова сума квадратів (RSS) Мені це здається MSE=1NRSS=1N∑(fi−yi)2MSE=1NRSS=1N∑(fi−yi)2\text{MSE} = \frac{1}{N} \text{RSS} = \frac{1}{N} \sum (f_i -y_i)^2 де NNN - кількість зразків, а - наша оцінка .fifif_iyiyiy_i Однак жодна із статей Вікіпедії не згадує про ці стосунки. Чому? Я щось пропускаю?

31 residuals  mse 

Зачинено. Це питання поза темою . Наразі відповіді не приймаються. Хочете вдосконалити це питання? Оновіть питання, щоб воно було тематичним для перехресної перевірки. Закрито 2 роки тому . Я використовую caret, щоб запустити перехрещений випадковий ліс над набором даних. Змінна Y - фактор. У моєму наборі даних немає NaN, Inf …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

Коли я використовую GAM, це дає мені залишковий коефіцієнт DF (останній рядок у коді). Що це означає? Виходячи за приклад GAM, загалом, чи може число ступенів свободи бути нецілим числом?26.626.626.6 > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data = mtcars) Deviance Residuals: Min 1Q Median 3Q Max …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Показавши, що MSE можна розкласти на дисперсію плюс квадрат Біаса, доказ у Вікіпедії має крок, виділений на малюнку. Як це працює? Як очікування підштовхується до продукту від 3-го до 4-го кроку? Якщо два терміни незалежні, чи не слід застосовувати очікування до обох термінів? а якщо їх немає, чи дійсний цей …

23 random-variable  expected-value  mse 

Я експериментую трохи автокодерами, і за допомогою tensorflow я створив модель, яка намагається відновити набір даних MNIST. Моя мережа дуже проста: X, e1, e2, d1, Y, де e1 і e2 - це кодуючі шари, d2 і Y - декодуючі шари (а Y - реконструйований вихід). X має 784 одиниці, e1 …

21 mse  autoencoders  tensorflow  cross-entropy 

Я читаю розділ компрометації дисперсії Елементи статистичного навчання, і я сумніваюся у формулі на сторінці 29. Нехай дані виникають із такої моделі, що Y= f( x ) + ϵY=f(х)+ϵ Y = f(x)+\epsilon де - випадкове число з очікуваним значенням та варіацією . Нехай очікуване значення похибки моделі - де - …

20 machine-learning  unbiased-estimator  mse  bias-variance-tradeoff 

MAD = Середнє абсолютне відхилення MSE = Середня помилка квадрата Я бачив пропозиції з різних місць, що MSE використовується, незважаючи на деякі небажані якості (наприклад, http://www.stat.nus.edu.sg/~staxyc/T12.pdf , де зазначено на сторінці p8 "Поширена думка, що MAD є кращим критерієм, ніж MSE. Однак математично MSE зручніше, ніж MAD. ") Чи є …

15 forecasting  error  mse  mae 

Припустимо, у нас є два оцінювачі та для деякого параметра x . Щоб визначити, який оцінювач "кращий", ми подивимось на MSE (середня квадратична помилка)? Іншими словами, ми дивимось на MSE = \ beta ^ 2 + \ sigma ^ 2, де \ beta - зміщення оцінки, а \ sigma ^ …

13 estimation  mse 

Я читаю теорему Гуаса-Маркова у Вікіпедії , і я сподівався, що хтось може допомогти мені з'ясувати головний пункт теореми. Припускаємо, що лінійна модель у матричній формі задається: у= Xβ+ ηy=Xβ+η y = X\beta +\eta і ми шукаємо СВІТУ, βˆβ^ \widehat\beta . Відповідно до цього я б мітлюη= у- Xβη=y−Xβ\eta = …

9 regression  least-squares  mse  blue