İstatistikler ve Büyük Veri

Son zamanlarda Takviye Öğrenimi hakkında birçok araştırma yapıyorum. Sutton & Barto'nun Güçlendirme Öğrenimi: Çoğu için bir Giriş'i takip ettim . Markov Karar Süreçlerinin ne olduğunu ve Dinamik Programlama (DP), Monte Carlo ve Geçici Fark (DP) öğrenmesinin bunları çözmek için nasıl kullanılabileceğini biliyorum. Yaşadığım sorun , Monte Carlo'nun TD öğrenimine göre …

12 monte-carlo  reinforcement-learning  temporal-difference 

Bu soru burada soruldu, ancak kimse iyi bir cevap vermedi. Bu yüzden tekrar gündeme getirmek iyi bir fikir ve ayrıca daha fazla yorum / soru eklemek istiyorum. İlk soru "PLS yol modellemesi" ile "PLS regresyonu" arasındaki fark nedir? Daha genelleştirmek için yapısal eşitlik modellemesi (SEM), yol modellemesi ve regresyon nedir? …

12 sem  partial-least-squares  path-model 

Tüm derin öğrenme modellerine tek bir cevap olabileceğini düşünmüyorum. Derin öğrenme modellerinden hangileri parametrik, hangileri parametrik değildir ve neden?

12 neural-networks  deep-learning  nonparametric  parametric 

Özür (içinde bölüm 13 "Kovaryans Adventures in" okuma süper ) kitabında İstatistiksel Yeniden Düşünmek Richard McElreath tarafından o aşağıdaki hiyerarşik modeli sunar: ( Rbir korelasyon matrisidir) Yazar, LKJcorrkorelasyon matrisi için düzenli hale getirme önceliği olarak işe yaramadan önce bunun zayıf bilgilendirici olduğunu açıklar . Ama neden böyle? Hangi özelliklere LKJcorrdağıtımı …

12 regression  self-study  correlation  prior  hierarchical-bayesian 

P-değerleri ve ks-test istatistikleri, artan örneklem büyüklüğü ile neden azalıyor? Bu Python kodunu örnek olarak alalım: 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) Sonuçlar: Ks_2sampResult(statistic=0.30000000000000004, pvalue=0.67507815371659508) Ks_2sampResult(statistic=0.080000000000000071, …

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

Maksimum Olabilirlik Tahminini çalışırken, Maksimum Olabilirlik Tahmininde çıkarım yapmak için varyansı bilmemiz gerekir. Varyansı bulmak için, eğrilikte İkinci Türev ile bir Hessen Matrisi gibi görünen Cramer'ın Rao Alt Sınırını bilmem gerekiyor. Ben kovaryans matrisi ile kendir matrisi arasındaki ilişkiyi tanımlamak için biraz karışıkım. Soru hakkında bazı açıklamalar duymayı umuyoruz. Basit …

12 machine-learning  mathematical-statistics  maximum-likelihood  data-mining 

Düşük seviyeli çekirdek yakınlaşması için Nyström yöntemini okudum. Bu yöntem scikit-learn [1] 'de veri örneklerini çekirdek özellik eşlemesinin düşük dereceli bir yaklaşımına yansıtmak için bir yöntem olarak uygulanır. Bildiğim kadarıyla, bir eğitim seti verilen ve bir çekirdek fonksiyonu, bu bir düşük seviye yaklaşımı oluşturur çekirdek matris için SVD uygulayarak ve …

12 scikit-learn  dimensionality-reduction  kernel-trick  nonlinear 

Bu sorunun başlığının her şeyi söylediğine inanıyorum.

12 clustering  k-means  high-dimensional 

Markov zincirinin indirgenemez özelliğini anlamakta güçlük çekiyorum . İndirgenemez olanın, stokastik sürecin "herhangi bir eyaletten herhangi bir duruma geçebileceği" anlamına geldiği söylenir. Fakat devletten gidip gelemeyeceğini tanımlayan şey iii durumuna , ya da gidemez?jjj Wikipedia sayfası kayıt altına almanın verir: Devlet ise erişilebilir (yazılı ) durumundan , tamsayı varsa st …

12 stochastic-processes  markov-process 

Wikipedia şunları söylüyor: VC boyutu, bir algoritmanın paramparça edebileceği en büyük nokta kümesinin temelidir. Örneğin, doğrusal bir sınıflandırıcı n + 1 kardinalitesine sahiptir. Sorum şu, neden önemsiyoruz? Doğrusal sınıflandırma yaptığınız çoğu veri kümesi çok büyüktür ve çok fazla nokta içerir.

12 classification  algorithms  vc-dimension 

6 sınıfla ilgili bir sorunum var. Bu yüzden, aşağıdaki gibi bir çok sınıflı sınıflandırıcı inşa: Her sınıf için, One vs. All kullanarak bir Lojistik Regresyon sınıflandırıcı var, bu da 6 farklı sınıflandırıcılar var demektir. Sınıflandırıcılarımın her biri için bir karışıklık matrisi rapor edebilirim. Ancak, burada bir çok örnekte gördüğüm gibi, …

12 machine-learning  logistic  classification  multi-class  confusion-matrix 

Karar Güdük kullanarak Adaboost uygulamak istiyorum. Adaboost'un her yinelemesinde veri setimizin özellikleri kadar karar kütüğü yapmak doğru mu? Örneğin, 24 özellikli bir veri kümem varsa, her yinelemede 24 karar kütüğü sınıflandırıcısı olmalı mı? Yoksa rastgele olarak bazı özellikleri seçmeli ve tüm özellikler yerine sınıflandırıcı yapmalı mıyım?

12 machine-learning  classification  cart  boosting 

Birisi 128 ve 4000 arasındaki log-uniform bir dağılımdan bir veri örneklendiğini söylediğinde, bu ne anlama geliyor? Tekdüze bir dağılımdan örneklemeden farkı nedir? Bu makaleye bakın: http://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf Teşekkürler!

12 machine-learning  distributions  uniform 

Bildiğim kadarıyla, hem oto-kodlayıcılar hem de t-SNE, doğrusal olmayan boyutsallık azalması için kullanılır. Aralarındaki farklar nelerdir ve neden birini diğerine karşı kullanmalıyım?

12 neural-networks  deep-learning  dimensionality-reduction  autoencoders  tsne 

Bu ayrı dağıtım türü mü (EX: Binom, bernoulli, Multinomial) veya herhangi bir dağıtım bu şekilde temsil edilebilir. Birisi basit bir örnekle açıklanabilir mi?

12 probability  distributions