«decision-theory» etiketlenmiş sorular

Durum Bazı araştırmacılar sizi uyutmak istiyor. Adil bir madalyonun sırrına bağlı olarak, sizi bir kez (Başlar) veya iki kez (Kuyruklar) kısaca uyandırırlar. Her uyandıktan sonra, sizi uyandırdığınızı unutan bir ilaçla uyumaya başlatacaklar. Eğer uyanmış zaman, ne ölçüde olmalıdır için size yazı-tura sonucu Başkanları olduğuna inanıyoruz? (Tamam, belki de bu deneyin …

133 decision-theory  paradox 

Bu bir ev işi sorusu değil, firmamızın karşılaştığı asıl sorun. Çok yakın bir zamanda (2 gün önce) bir bayiye 10000 ürün etiketi üretimi için emir verdik. Bayi bağımsız bir kişidir. Dışarıdan üretilen etiketleri alır ve satıcıya ödeme yapar. Her etiketin şirkete tam olarak 1 ABD doları maliyeti vardır. Dün, bayi …

66 probability  bayesian  model  decision-theory 

Sorunumu bir örnekle açıklayacağım. Bazı nitelikler verilen bir bireyin gelirini tahmin etmek istediğinizi varsayalım: {Yaş, Cinsiyet, Ülke, Bölge, Şehir}. Bunun gibi bir eğitim veri setine sahipsiniz train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Her iki fonksiyon gibi veri madenciliği yöntemlerinin bir parçası olduğu görülmektedir Gradyan regressors arttırma. Bunların da ayrı nesneler olduğunu görüyorum. Genel olarak ikisi arasındaki ilişki nasıl?

23 regression  classification  data-mining  decision-theory 

(Bunu neden yazdığımı görmek için, bu soruya verdiğim yanıtın altındaki yorumları kontrol edin .) Tip III hataları ve istatistiksel karar teorisi Yanlış soruya doğru cevabı vermek bazen Tip III hatası olarak adlandırılır. İstatistiksel karar teorisi, karar almanın belirsizlik altında resmileştirilmesidir; tip III hatalarından kaçınmaya yardımcı olabilecek kavramsal bir çerçeve sağlar. …

20 bayesian  credible-interval  decision-theory 

Düz bir öncekiyle, ML (sıklık - maksimum olasılık) ve MAP (Bayes - maksimum posteriori) tahmin edicileri çakışır. Bununla birlikte, daha genel olarak, bazı kayıp fonksiyonlarının iyileştiricileri olarak türetilen nokta tahmin edicilerden bahsediyorum. yani (Bayesian) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} \left( L(X-\hat x(y)) \; …

17 bayesian  estimation  loss-functions  frequentist  decision-theory 

Aşağıdaki kurulumu düşünün: 2 jetonunuz, adil olacağı garanti edilen A jetonunuz ve adil ya da adil olmayan B jetonunuz var. Sizden 100 jeton çevirme yapmanız isteniyor ve hedefiniz kafa sayısını maksimuma çıkarmak . B parası hakkında önceden bilgileriniz 3 kez çevrilmiş ve 1 kafa verilmiş olmasıdır. Karar kuralınız sadece 2 …

14 bayesian  decision-theory 

Let kestiricinin Bayes riski ifade eden önceki bakımından , let parametre alanı üzerindeki tüm sabıkası kümesini göstermek ve let kümesi göstermek tüm (muhtemelen rastgele) karar kuralları.δ π Π Θ Δr(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta John von Neumann'ın minimaks eşitsizliğinin istatistiksel yorumu, supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ),supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ), \sup_{\pi\in\Pi} \inf_{\delta\in\Delta} r(\pi, \delta) \leq \inf_{\delta\in\Delta}\sup_{\pi\in\Pi} r(\pi, \delta), \ Theta ve …

12 bayesian  decision-theory  risk 

Yeterli istatistiği tam olarak anlamakta sorun mu yaşıyorsunuz? Let yeterli istatistiği olabilir.T= Σ xbenT=ΣxiT=\Sigma x_i Eğer olasılık 1, bir fonksiyonu , daha sonra tam bir yeterli istatistik olur.E[ g( T) ] = 0E[g(T)]=0E[g(T)]=0ggg Peki bu ne anlama geliyor? Üniforma ve Bernoulli örnekleri gördüm (sayfa 6 http://amath.colorado.edu/courses/4520/2011fall/HandOuts/umvue.pdf ), ancak sezgisel değil, …

12 self-study  estimation  intuition  decision-theory 

Kuaförlerim Stacey her zaman mutlu bir yüze sahiptir, ancak genellikle zamanını yönetme konusunda stres altındadır. Bugün Stacey benim randevum için gecikmiş ve çok özür dileme. Saçımı alırken merak ettim: Standart randevuları ne kadar olmalı? (müşterinin temiz yuvarlak sayılar için tercihi bir an için yok sayılabilirse). Dikkate alınması gereken bir şey, …

11 normal-distribution  optimization  queueing  decision-theory 

Bir algılayıcı algoritmasının karar sınırını çizmeye çalışıyorum ve birkaç şey hakkında gerçekten kafam karıştı. Giriş örneklerim , temelde bir 2D giriş örneği ( ve ) ve bir ikili sınıf hedef değeri ( ) [1 biçimindedir. veya 0].[(x1,x2),y][(x1,x2),y][(x_{1},x_{2}), y]x1x1x_{1}x2x2x_{2}yyy Ağırlık vektörüm şu şekildedir: .[w1,w2][w1,w2][w_{1}, w_{2}] Şimdi ek bir bias parametresi ve …

11 machine-learning  neural-networks  python  decision-theory  perceptron 

Ben geldim bu slaytlar çevrimiçi derslerin birinde (slayt # 16 & # 17). Eğitmen Maksimum Posterior Tahmini (MAP) çözüm aslında nasıl anlatmaya çalışıyordu L ( θ ) = I[ θ ≠ θ*]L(θ)=ben[θ≠θ*]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}] , nerede θ*θ*\theta^{*} gerçek bir parametredir. Birisi bunun nasıl olduğunu açıklayabilir mi? Düzenle: Bağlantının …

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

Test odaklı geliştirme programlıyorum ve yapıyorum. Kodumda bir değişiklik yaptıktan sonra testlerimi yapıyorum. Bazen başarılı olurlar, bazen başarısız olurlar. Bir testi çalıştırmadan önce, testin başarılı olacağına inandığım için 0,01 ile 0,99 arasında bir sayı yazıyorum. Testimin başarılı olup olmayacağını tahmin etmede gelişip iyileşmediğimi bilmek istiyorum. Testin Pazartesi günleri veya Cuma …

10 forecasting  decision-theory  calibration  scoring-rules 

Durbin-Watson test istatistiği bu reddetme veya (sıfır otokorelasyon, bu durumda) hipotezini reddetmek için başarısız ya hiç mümkün değildir yetersiz bir bölgede, arasında olabilir. Başka hangi istatistiksel testler "sonuçsuz" sonuçlar verebilir? Bu test grubunun neden ikili "reddetme" / "reddetme" kararı veremediğine dair genel bir açıklama var mı (el sallama gayet iyi)? …

10 hypothesis-testing  statistical-significance  decision-theory 

Tamam - orijinal mesajım yanıt alamadı; soruyu farklı bir şekilde ifade edeyim. Tahmin anlayışımı bir karar teorik perspektifinden açıklayarak başlayacağım. Resmi bir eğitimim yok ve düşüncem bir şekilde kusurlu olursa beni şaşırtmaz. Bazı kayıp fonksiyonlarımız olduğunu varsayalım L ( θ ,θ^( x ) )L(θ,θ^(x))L(\theta,\hat\theta(x)). Beklenen kayıp (sıklık) riskidir: R ( …

10 bias  loss-functions  frequentist  decision-theory  risk