İstatistikler ve Büyük Veri

Tahmin ve öngörü arasındaki fark ve ilişkinin ne olduğunu merak ediyordum? Özellikle zaman serileri ve regresyonda? Mesela ben düzeltir miyim: Zaman serilerinde tahminler, bir zaman serisinin geçmiş değerleri verilen gelecekteki değerleri tahmin etmek anlamına gelir. Regresyonda tahmin, verilen verinin geleceğe, şimdiki veya geçmiş olup olmadığına dair bir değeri tahmin etmek …

37 regression  time-series  forecasting  terminology 

Uygulamada sıklıkla kullanılan, önyükleme, permütasyon testi, jackknife, vb. Gibi pek çok popüler yeniden örnekleme tekniği vardır. Bu teknikleri tartışan çok sayıda makale ve kitap vardır, örneğin Philip I Good (2010) Permütasyon, Parametrik ve Bootstrap Testleri Hipotezler Sorum şu ki, hangi yeniden örnekleme tekniği daha popüler ve daha kolay bir şekilde …

37 hypothesis-testing  nonparametric  bootstrap  permutation-test 

Verilerimi çeşitli modellere sığdırmaya çalışıyordum ve fitdistrkütüphanedeki işlevin bana en iyi MASSsonucu Rverdiğini anladım Negative Binomial. Şimdi wiki sayfasından, tanım şöyle verilir: NegBin (r, p) dağılımı, son denemede başarı ile sonuçlanan k + r Bernoulli (p) denemelerinde k başarısızlık ve r başarı olasılığını tanımlar. RModel uydurma gerçekleştirmek için kullanmak bana …

37 r  distributions  modeling  negative-binomial 

Sınıflandırma ve regresyon için tahmine dayalı modeller oluşturmak için R'deki şapka paketini kullanıyorum . Caret, çapraz doğrulama veya önyükleme kayışı yoluyla model hiper parametrelerini ayarlamak için birleştirilmiş bir arayüz sağlar. Örneğin, sınıflandırma için basit bir 'en yakın komşular' modeli oluşturuyorsanız, kaç tane komşu kullanmalısınız? 2? 10? 100? Caret, verilerinizi yeniden …

37 r  time-series  cross-validation 

" İstatistiksel Öğrenmeye Giriş " i okuyorum . Bölüm 2'de, fonksiyonunu tahmin etmenin nedenini tartışırlar .fff 2.1.1 Neden Tahmini ?fff Biz tahmin etmek isteyebilir iki ana nedeni vardır f : tahmin ve çıkarsama . Her birini sırayla tartışıyoruz. Birkaç kez okudum, ama tahmin ve çıkarım arasındaki farkı hala kısmen belirsizim. …

37 prediction  terminology  causality 

Konvolüsyonel sinir ağları bağlamında "çekirdek" ve "filtre" terimleri arasındaki fark nedir?

37 neural-networks  terminology  deep-learning  conv-neural-network 

Şu anda lme4 R paketini kullanıyorum . Rasgele efektli doğrusal karışık efekt modellerini kullanıyorum: library(lme4) mod1 <- lmer(r1 ~ (1 | site), data = sample_set) #Only random effects mod2 <- lmer(r1 ~ p1 + (1 | site), data = sample_set) #One fixed effect + # random effects mod3 <- lmer(r1 …

37 r  regression  mixed-model  random-effects-model 

Bir ML uzmanının büyük bir perakendeciden, stok olaylarını tahmin etmek için bir model geliştirdikleri bir sunumunu izliyordum. Bir anlığına, zaman içinde modellerinin çok doğru olduğunu varsayalım, bir şekilde "kendi kendini yitirmez" olmaz mı? Yani, eğer model gerçekten iyi çalışıyorsa, o zaman stok olaylarını önceden tahmin edebilecek ve onlardan kaçınabilecek, sonuçta …

36 machine-learning  predictive-models 

Degrade iniş ve Stokastik degrade iniş tarihini anlamaya çalışıyorum . Degrade iniş icat edildi Cauchy 1847 yılında dökmek Générale Methode la çözünürlüklü des systèmes d'denklemler simultanées . pp. 536–538 Daha fazla bilgi için buraya bakın . O zamandan beri gradyan iniş yöntemleri gelişmeye devam etti ve tarihlerini bilmiyorum. Özellikle stokastik …

36 references  gradient-descent  history  sgd 

Sadece neden sadece ve normlarının düzenli hale merak ediyorum . Bunların neden daha iyi olduğuna dair kanıtlar var mı?L 2L1L1L_1L2L2L_2

36 lasso  regularization  ridge-regression 

Bu muhtemelen amatör bir sorudur, ancak bilim insanlarının normal dağılım olasılık yoğunluğu işlevinin şeklini nasıl buldukları ile ilgileniyorum? Temel olarak beni rahatsız eden şey, birisi için normalde dağıtılmış verilerin olasılık fonksiyonunun bir çan eğrisi yerine bir ikizkenar üçgen biçimine sahip olması daha sezgisel olacağı ve böyle bir insana olasılık yoğunluğu …

36 normal-distribution  history 

MCMC yöntemlerini öğrenmeye çalıştım ve Metropolis Hastings, Gibbs, Önem ve Reddetme örneklemesine rastladım. Bu farklılıkların bazıları açık olmasına rağmen, yani, tam şartlara sahip olduğumuzda Gibbs'in Metropolis Hastings'in ne kadar özel bir durum olduğu açık olsa da, diğerleri Gibbs örnekleyicisinde MH kullanmak istediğimizde olduğu gibi, daha az belirgindir. Bunların her biri …

36 mcmc  monte-carlo  gibbs  metropolis-hastings  importance-sampling 

Bilgisayarla görüşme geçmişim yok, ancak bazı görüntü işleme ve evrimsel sinir ağları ile ilgili makale ve makaleleri okuduğumda, sürekli olarak translation invarianceya da translation invariant. Veya evrişim işleminin sağladığını çok okudum translation invariance? !! Ne anlama geliyor? Ben kendimi her zaman kendime çevirmişim gibi bir görüntüyü herhangi bir şekilde değiştirirsek, …

36 machine-learning  conv-neural-network  convolution  computer-vision 

UCLA IDRE'deki bu yazıdan sağkalım analizini öğreniyorum ve bölüm 1.2.1 'de tetiklendi. Öğretici diyor ki: ... hayatta kalma sürelerinin katlanarak dağıtıldığı biliniyorsa , hayatta kalma süresini gözlemleme olasılığı ... Hayatta kalma sürelerinin neden katlanarak dağıtıldığı varsayılmaktadır? Bana çok doğal geliyor. Neden normal olarak dağıtılmıyor? Diyelim ki bazı canlıların yaşam koşullarını …

36 distributions  survival  assumptions  exponential 

Model seçimi yapmak için (örneğin; hiperparametre ayarı gibi) ve en iyi modelin performansını değerlendirmek için çapraz doğrulama kullanılırken, iç içe çapraz doğrulama kullanılmalıdır . Dış döngü modelin performansını değerlendirmek içindir ve iç döngü en iyi modeli seçmektir; Model her bir dış eğitim setinde (iç CV halkası kullanılarak) seçilir ve performansı …

36 cross-validation  model-selection  ridge-regression