İstatistikler ve Büyük Veri

Belirli bir katmandaki etkinleştirme haritaları, o katmanın filtrelerine nasıl bağlanır? Filtre ve aktivasyon haritası arasında kıvrımlı bir işlemin nasıl yapılacağını sormuyorum, bu iki bağlantının türünü soruyorum. Örneğin, tam bağlantı yapmak istediğinizi varsayalım. Belirli bir katmanda f sayıda filtre ve n adet etkinleştirme haritası var. Bir sonraki katmandaki f * n …

11 machine-learning  deep-learning  conv-neural-network 

Burada sorulan soruya benzer bir sorunum var: Bir dağılımın tekdüzeliği nasıl ölçülür? Haftanın günleri boyunca bir dizi olasılık dağılımı var. Her bir dağılımın ne kadar yakın olduğunu ölçmek istiyorum (1 / 7,1 / 7, ..., 1/7). Şu anda yukarıdaki sorunun cevabını kullanıyorum; dağılım bir gün için kütle 1'e sahip olduğunda …

11 probability  distributions  random-variable  uniform  measurement 

Yapay sinir ağındaki AIC değerini hesaplamak için parametre sayısını nasıl hesaplayabilirim?

11 neural-networks  aic 

Yerine R ile doğrusal bir regresyon yapmak arasındaki yerine formulaset arasındaki istatistiksel fark nedir ? Bu iki farklı sonucu nasıl yorumlayabilirim?y ~ x + 0y ~ x

11 multiple-regression  generalized-linear-model  intercept 

Bootstrap yöntemi son yıllarda büyük bir difüzyon gördü, ben de çok kullanıyorum, özellikle arkasındaki mantık oldukça sezgisel. Ama bu anlamadığım bir şey. Efron neden tek gözlemleri rasgele dahil ederek veya hariç tutarak basitçe alt örnekleme yerine yenisiyle yeniden örnekleme yapmayı seçti? Rastgele alt örneklemenin çok iyi bir kaliteye sahip olduğunu …

11 bootstrap  resampling  subsampling 

Bu eğitimde bulunan çapraz entropi maliyet fonksiyonuna bakıyorum : C= - 1nΣx[ ylna + ( 1 - y) ln( 1 - a ) ]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C = -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] Tam olarak neyi özetliyoruz? Bitti, tabii ki xxx , ama yyy ve biraa değişmez xxx . Her xxx 's bir …

11 neural-networks  error-propagation 

Benim sorum Poisson regresyonunu ve genel olarak GLM'leri iyi anlamadığımı ortaya koyuyor. Sorumu açıklamak için bazı sahte veriler: ### some fake data x=c(1:14) y=c(0, 1, 2, 3, 1, 4, 9, 18, 23, 31, 20, 25, 37, 45) Psuedo-R2'yi döndürmek için bazı özel işlevler: ### functions of pseudo-R2 psuR2 <- function(null.dev, …

11 generalized-linear-model  poisson-distribution 

Tip I sağ sansürlü gözlemleri içeren bir n Weibull dağıtım ömrü örneğini nasıl simüle edebileceğimi merak ediyorum. Örneğin n = 3, şekil = 3, ölçek = 1 ve sansürleme oranı = .15 ve sansürleme süresi = .88 olsun. Weibull örnek oluşturmayı biliyorum ama R'de sansürlenmiş tip I olan sansürlü bir …

11 r  survival  simulation  random-generation 

Bu scikit GradientBoosting'in binom sapma kaybı fonksiyonudur, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() * …

11 machine-learning  scikit-learn  boosting  loss-functions 

Backpropagation kullanarak bir SVM (doğrusal bir şey söylemek, işleri kolaylaştırmak için) mümkün olup olmadığını merak ediyordum? Şu anda, bir yol bloğundayım, çünkü sadece sınıflandırıcının çıktısını şöyle yazmayı düşünebilirim f( x ; θ , b ) = sgn ( θ ⋅ x - ( b + 1 ) ) = sgn …

11 machine-learning  neural-networks  svm  gradient-descent  backpropagation 

Sinir ağlarının (NN) belirli varsayımlar altında (hem ağda hem de fonksiyonda yaklaşık olarak) hem fonksiyonlara hem de türevlerine evrensel yakınlaştırıcılar olarak kabul edilebileceğini anlıyorum. Aslında, basit ama önemsiz olmayan fonksiyonlar (örneğin polinomlar) üzerinde bir dizi test yaptım ve görünüşe göre onları ve ilk türevlerini iyi tahmin edebiliyorum (bir örnek aşağıda …

11 machine-learning  neural-networks  function  derivative 

Bir SVM'yi vakaları (DOĞRU / YANLIŞ) 20 özelliğe göre sınıflandırması için eğitmek istiyorum. Bu özelliklerin bazılarının yüksek derecede ilişkili olduğunu biliyorum. Bu yüzden sorum şu: SVM özellikler arasındaki korelasyona veya artıklığa duyarlı mı? Referans var mı?

11 svm  multicollinearity  kernel-trick 

Rastgele Ormanlar (Breiman, 1999) makalesinin 7. bölümünde yazar şu varsayımı belirtmektedir: "Adaboost Rastgele Bir Orman". Bunu kanıtlayan veya çürüten oldu mu? Bu yazıyı ispatlamak veya çürütmek için neler yapıldı?

11 machine-learning  random-forest  boosting 

Bazı EDA yaparken bir faktörün iki seviyesi arasındaki farkı göstermek için bir kutu grafik kullanmaya karar verdim. Yolu ggplot kutu arsa hale tatmin edici, ama (aşağıdaki ilk arsa) biraz basit oldu. Kutu grafiklerinin özelliklerini araştırırken çentiklerle denemeye başladım. Çentiklerin CI'yi medyan etrafında görüntülediğini ve iki kutunun çentiklerinin örtüşmemesi durumunda -% …

11 data-visualization  ggplot2  eda 

Markov zincirleri bana mantıklı geliyor, onları gerçek yaşam problemlerindeki olasılık durum değişikliklerini modellemek için kullanabilirim. Sonra HMM geliyor. HMM'lerin MC'lerden daha fazla problemi modellemek için daha uygun olduğu söylenir. Bununla birlikte, insanların bahsettiği sorunlar, konuşma işleme gibi anlaşılması biraz karmaşıktır. Yani sorum şu: HMM'nin MC'den daha uygun olduğu "gerçek ve …

11 hidden-markov-model