«self-study» etiketlenmiş sorular

Örüntü tanıma ve makine öğrenimi üzerine çalışıyorum ve aşağıdaki soru ile karşılaştım. Eşit önceki sınıf olasılığına sahip iki sınıflı bir sınıflandırma problemi düşününP(D1)=P(D2)=12P(D1)=P(D2)=12P(D_1)=P(D_2)= \frac{1}{2} ve verilen her sınıftaki örneklerin dağılımı p(x|D1)=N([00],[2001]),p(x|D1)=N([00],[2001]), p(x|D_1)= {\cal N} \left( \begin{bmatrix} 0 \\0 \end{bmatrix}, \begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix} \right), p(x|D2)=N([44],[1001]).p(x|D2)=N([44],[1001]). …

12 machine-learning  self-study  classification  discriminant-analysis 

Bunu Nasıl Çözebilirim? Ara denklemlere ihtiyacım var. Belki de cevap .−tf(x)−tf(x)-tf(x) ddt[∫∞txf(x)dx]ddt[∫t∞xf(x)dx] \frac{d}{dt} \left [\int_t^\infty xf(x)\,dx \right ] f(x)f(x)f(x) olasılık yoğunluk fonksiyonudur. Yani, ve \ lim \ sınırlar_ {x \ ila \ infty} F (x) = 1limx→∞f(x)=0limx→∞f(x)=0\lim\limits_{x \to \infty} f(x) = 0limx→∞F(x)=1limx→∞F(x)=1\lim\limits_{x \to \infty} F(x) = 1 kaynak: http://www.actuaries.jp/lib/collection/books/H22/H22A.pdf s.40 …

12 probability  distributions  self-study  mathematical-statistics 

Çok büyük bir veri setim var ve yaklaşık% 5 rasgele değerler eksik. Bu değişkenler birbiriyle ilişkilidir. Aşağıdaki örnek R veri kümesi sadece yapay korelasyonlu verilere sahip bir oyuncak örneğidir. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

Bence medyan demek.≤≤\leq Durum böyle mi?

12 distributions  self-study  mean  skewness  median 

Aşağıdakileri çözerken sorun yaşıyorum. Bir as alana kadar, kartları standart bir 52 kartlık desteden yedek olmadan alırsınız. 2 elde edene kadar kalandan çekiyorsunuz. 3 ile devam ediyorsunuz. İzin vermek doğaldı Ti=first position of card whose value is iTi=first position of card whose value is iT_i = \text{first position of card …

12 self-study  conditional-probability  conditional-expectation  games  conditioning 

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 

Not: önceki sorumun yasal nedenlerle silinmesi gerektiğinden, bu soru bir gönderidir. Fonksiyonlu SAS PROC MIXED karşılaştırarak birlikte lmegelen nlmeR paketin, bazı çok kafa farklılıklar tökezledi. Daha spesifik olarak, farklı testlerdeki özgürlük dereceleri ve arasında farklılık gösterir PROC MIXEDve lmenedenini merak ettim. Aşağıdaki veri kümesinden başlayın (R kodu aşağıda verilmiştir): ind: …

12 r  mixed-model  sas  degrees-of-freedom  pdf  unbiased-estimator  distance-functions  functional-data-analysis  hellinger  time-series  outliers  c++  relative-risk  absolute-risk  rare-events  regression  t-test  multiple-regression  survival  teaching  multiple-regression  regression  self-study  t-distribution  machine-learning  recommender-system  self-study  binomial  standard-deviation  data-visualization  r  predictive-models  pearson-r  spearman-rho  r  regression  modeling  r  categorical-data  data-visualization  ggplot2  many-categories  machine-learning  cross-validation  weka  microarray  variance  sampling  monte-carlo  regression  cross-validation  model-selection  feature-selection  elastic-net  distance-functions  information-theory  r  regression  mixed-model  random-effects-model  fixed-effects-model  dataset  data-mining 

MC simülasyonunu kullanarak aşağıdaki integrali nasıl yaklaştırabilirim? ∫1−1∫1−1|x−y|dxdy∫−11∫−11|x−y|dxdy \int_{-1}^{1} \int_{-1}^{1} |x-y| \,\mathrm{d}x \,\mathrm{d}y Teşekkürler! Düzenleme (Bazı bağlamlar): Simülasyonun integralleri yaklaşık olarak nasıl kullanacağımı öğrenmeye çalışıyorum ve bazı zorluklarla karşılaştığımda bazı alıştırmalar yapıyorum. Edit 2 + 3 : Bir şekilde kafam karıştı ve integrali ayrı parçalara bölmem gerektiğini düşündüm. Yani, aslında …

12 r  self-study  monte-carlo 

Tam Açıklama: Bu ev ödevi. Veri kümesine bir bağlantı ekledim ( http://www.bertelsen.ca/R/logistic-regression.sav ) Amacım bu veri setinde kredi temerrütleri tahminini en üst düzeye çıkarmak. Şimdiye kadar bulduğum her model, varsayılan olmayanların% 90'ından fazlasını öngörüyor, ancak varsayılanların <% 40'ı, sınıflandırma verimliliğini genel olarak ~% 80 yapıyor. Değişkenler arasında etkileşim etkisi olup …

12 r  logistic  spss  self-study 

Sıkıştırılmış algılama olarak, bir teoremi garantisi yoktur argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc benzersiz seyrek çözelti sahip ccc (daha fazla ayrıntı için ek). Kement için benzer bir teorem var mı? Böyle bir teorem varsa, sadece kementin stabilitesini garanti etmekle kalmaz, aynı zamanda …

12 regression  self-study  feature-selection  lasso  regularization 

Aşağıdaki nedensel grafikte üzerindeki nedensel etkisini hesaplamak istiyorsak , hem arka kapı ayarını hem de ön Kapı ayar teoremlerini kullanabiliriz, yani XXXYYYP( y| yapmak (X= x ) ) = ∑uP( y| x,u)P( u )P(y|yapmak(X=x))=ΣuP(y|x,u)P(u)P(y | \textit{do}(X = x)) = \sum_u P(y | x, u) P(u) ve P( y| yapmak (X= …

12 self-study  causality  graph-theory  dag 

Balıkçı testini daha iyi anlamak istedim, bu yüzden f ve m erkek ve kadına karşılık gelen ve n ve y "soda tüketimine" karşılık gelen aşağıdaki oyuncak örneğini tasarladım: > soda_gender f m n 0 5 y 5 0 Açıkçası, bu büyük bir basitleştirme, ama bağlamın önüne geçmesini istemedim. Burada sadece …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

rastgele değişkenin inci an olan sonlu ise rrrXXXE ( | Xr| )&lt;∞E(|Xr|)&lt;∞ \mathbb E(|X^r|)< \infty Herhangi bir pozitif tamsayı , o zaman moment da sonlu olduğunu göstermeye çalışıyorum.s &lt; rs&lt;rs<rsssE [ | Xs|]E[|Xs|]\mathbb E[|X^s|]

12 self-study  moments  function 

Ödevin bir parçası olarak şu soruyu belirledim: Tek değişkenli bir veri örneği üzerinden% 95 güven aralığı elde etmek için önyüklemenin performansını incelemek için bir simülasyon çalışması tasarlayın ve uygulayın. Uygulamanız R veya SAS olabilir. Bakmak isteyebileceğiniz performans özellikleri, güven aralığı kapsamıdır (yani, güven aralığının gerçek ortalamayı kaç kez içerdiği) ve …

12 r  self-study  bootstrap  monte-carlo 

PRML okuyorum ve resmi anlamıyorum. Resmi anlamak için bazı ipuçları verebilir misiniz ve bir Gauss dağılımındaki MLE varyansının neden taraflı olduğu? formül 1.55: formül 1.56 σ 2 M L E =1μMLE=1N∑n=1NxnμMLE=1N∑n=1Nxn \mu_{MLE}=\frac{1}{N} \sum_{n=1}^N x_n σ2MLE=1N∑n=1N(xn−μMLE)2σMLE2=1N∑n=1N(xn−μMLE)2 \sigma_{MLE}^2=\frac{1}{N}\sum_{n=1}^{N}(x_n-\mu_{MLE})^2

12 machine-learning  self-study  maximum-likelihood