İstatistikler ve Büyük Veri

SVM anlayışım bunun bir lojistik regresyona (LR) çok benzediğidir, yani bir sınıfa ait olma olasılığını elde etmek için sigmoid fonksiyona ağırlıklı bir özellik toplamı geçirilir, ancak çapraz entropi (lojistik) kaybı yerine fonksiyonu, eğitim menteşe kaybı kullanılarak gerçekleştirilir. Menteşe kaybını kullanmanın yararı, çekirdeği daha verimli hale getirmek için çeşitli sayısal numaralar …

11 machine-learning  logistic  svm 

Bir işlevi optimize etmek için Nelder-Mead algoritmasını uygulamaya çalışıyorum. Nelder-Mead hakkındaki wikipedia sayfası onun durdurma kriter haricinde tüm algoritması hakkında şaşırtıcı açıktır. Orada ne yazık ki diyor: Yakınsama olup olmadığını kontrol edin [açıklama gerekiyor] . Kendimi birkaç kriter denedim ve test ettim: Durdurma ise burada küçük ve burada olan -inci …

11 optimization  algorithms 

Tam olarak yetiştirilmiş bir karar ağacı (yani budanmamış bir karar ağacı) düşünürsek, yüksek varyans ve düşük önyargıya sahiptir. Torbalama ve Rastgele Ormanlar bu yüksek varyanslı modelleri kullanır ve varyansı azaltmak ve böylece tahmin doğruluğunu arttırmak için bunları birleştirir. Hem Torbalama hem de Rastgele Ormanlar Bootstrap örneklemesi kullanır ve "İstatistiksel Öğrenme …

11 variance  random-forest  cart  bias  bagging 

Derin öğrenmeye başlıyorum ve cevabını bulamadığım bir sorum var, belki de doğru aramadım. Bu cevabı gördüm , ancak kilo kaybı kaybının ne olduğu ve kayıp fonksiyonuyla nasıl ilişkili olduğu hala net değil.

11 neural-networks  conv-neural-network 

Doğrusal Karışık Efekt Modelleri, gruplar halinde toplanan ve özetlenen veriler için Doğrusal Regresyon modellerinin Uzantılarıdır. Temel avantajlar katsayıların bir veya daha fazla grup değişkenine göre değişebilmesidir. Ancak, karma efekt modelini ne zaman kullanacağımla mücadele ediyorum ? Sorularımı, uç durumları olan bir oyuncak örneği kullanarak ele alacağım. Diyelim ki hayvanlar için …

11 regression  mixed-model  random-effects-model  linear 

Soruyu yazılıma özgü hale getirme riski altındadır ve her yerde ve kendine özgü ifadelerinin mazereti ile, biplot()R'deki fonksiyon hakkında ve daha spesifik olarak, varsayılan, üst üste binmiş kırmızı okların hesaplanması ve çizilmesi hakkında sormak istiyorum. temeldeki değişkenlere. [Yorumlardan bazılarını anlamak için, başlangıçta gönderilen arazilerin az ilgi duyduğu bir sclaing sorunu …

11 r  pca  biplot 

Basit Doğrusal Model: ϵ t N ( 0 , σ 2 )x = α t + ϵtx=αt+ϵtx=\alpha t + \epsilon_t burada ~ iidεtϵt\epsilon_tN-( 0 , σ2)N(0,σ2)N(0,\sigma^2) ile veV , bir R ( x ) = σ 2E( x ) = α tE(x)=αtE(x) = \alpha tVa r ( x ) = …

11 regression  stochastic-processes  autoregressive  deterministic 

Bazı tartışmalardan sonra (aşağıda), şimdi odaklanmış bir soruya dair daha net bir resmim var, bu yüzden burada gözden geçirilmiş bir soru var, ancak bazı yorumlar şimdi orijinal soru ile bağlantısız görünebilir. O görünüyor t-testi simetrik dağılımlar için hızla yakınsama olduğunu, signed-rank testi simetrisini varsayar ve bu, simetrik dağılımı için, araçlar …

11 hypothesis-testing  t-test  paired-data  wilcoxon-signed-rank  sign-test 

Math.stackexchange'teki bir soru ile ilgilendi ve bunu ampirik olarak araştırıyorum, iid rasgele değişkenlerin toplamlarının kare kökünde aşağıdaki ifadeyi merak ediyorum. Diyelim ki X_n sıfır olmayan ortalama ve varyans ve . Merkezi limit teoremi olarak artar.X1,X2,…,XnX1,X2,…,XnX_1, X_2, \ldots, X_nμμ\muσ2σ2\sigma^2Y=∑i=1nXiY=∑i=1nXi\displaystyle Y=\sum_{i=1}^n X_iY−nμnσ2−−−√ →d N(0,1)Y−nμnσ2 →d N(0,1)\displaystyle \dfrac{Y - n\mu}{\sqrt{n\sigma^2}} \ \xrightarrow{d}\ N(0,1)nnn …

11 normal-distribution  central-limit-theorem  sum 

Matris çarpanlarına bağlı olduğunu gördüğüm tüm modern tavsiye sistemlerinde, kullanıcı-film matrisi üzerinde negatif olmayan bir matris çarpanına ayrılmıştır. Olumsuzluğun yorumlanabilirlik için ve / veya seyrek faktörler istiyorsanız neden önemli olduğunu anlayabiliyorum. Ancak sadece netflix ödül yarışmasında olduğu gibi sadece tahmin performansını önemsiyorsanız, neden olumsuzluk kısıtlamasını dayatmalısınız? Faktorizasyonunuzda da negatif değerlere …

11 recommender-system  svd  matrix-decomposition  nnmf 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …

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 

Farklı tanımlanmış kategorilere ait bir kelime listem var. Her kategorinin kendi deseni vardır (örneğin biri özel karakterlerle sabit bir uzunluğa sahiptir, diğeri sadece bu "kelime", ... kategorisinde gerçekleşen karakterlerden oluşur.). Örneğin: "ABC" -> type1 "ACC" -> type1 "a8 219" -> type2 "c 827" -> type2 "ASDF 123" -> type2 "123123" …

11 machine-learning  classification  similarities  supervised-learning 

Ben aslında bir fizik dersinde Boltzmann makineleri ile bazı programlamalar yaparken, teorik karakterizasyonlarına aşina değilim. Buna karşılık, grafik modeller teorisi hakkında (Lauritzen'in Grafik Modeller kitabının ilk birkaç bölümü hakkında) mütevazı bir miktar biliyorum . Soru: Grafik modeller ile Boltzmann makinesi arasında anlamlı bir ilişki var mı? Boltzmann makinesi bir tür …

11 machine-learning  neural-networks  mathematical-statistics  graphical-model  rbm 

Rastgele bir değişken verildiğinde, nin ortalaması ve varyansı nedir?Y=Exp(λ)Y=Exp(λ)Y = Exp(\lambda)G=1YG=1YG=\dfrac{1}{Y} Ters Gama Dağılımına bakıyorum, ancak ortalama ve varyans sadece ve için tanımlandı ...α>1α>1\alpha>1α>2α>2\alpha>2

11 variance  mean  exponential 

Kelime düğünlerinde çok yeniyim. Öğrenmenin ardından belgelerin nasıl göründüğünü görselleştirmek istiyorum. T-SNE'nin bunu yapmak için bir yaklaşım olduğunu okudum. Gömme boyutu olarak 250 boyutta 100K dokümanım var. Ayrıca birkaç paket mevcuttur. Bununla birlikte, t-SNE için, daha fazla öğrenmeye devam etmem gereken kaç yineleme veya alfa değeri veya esneklik değeri bilmiyorum. …

11 pca  dimensionality-reduction  word2vec  word-embeddings  tsne