Thống kê và dữ liệu lớn

Q & A cho những người quan tâm đến thống kê, học máy, phân tích dữ liệu, khai thác dữ liệu và trực quan hóa dữ liệu

2
Có giả định iid về hồi quy logistic?
Có giả định iid về biến phản ứng của hồi quy logistic không? Ví dụ: giả sử chúng ta có điểm dữ liệu. Có vẻ như phản hồi đến từ bản phân phối Bernoulli với . Do đó, chúng ta nên có phân phối Bernoulli, với tham số khác nhau …
6
Giải thích trực quan về
Nếu là thứ hạng đầy đủ, nghịch đảo của tồn tại và chúng tôi nhận được ước tính bình phương nhỏ nhất: vàXXXXTXXTXX^TXβ^=(XTX)−1XYβ^=(XTX)−1XY\hat\beta = (X^TX)^{-1}XYVar(β^)=σ2(XTX)−1Var⁡(β^)=σ2(XTX)−1\operatorname{Var}(\hat\beta) = \sigma^2(X^TX)^{-1} Làm thế nào chúng ta có thể giải thích bằng trực giác (XTX)−1(XTX)−1(X^TX)^{-1} trong công thức phương sai? Kỹ thuật phái sinh là …
3
Tại sao có -1 trong hàm mật độ phân phối beta?
Phân phối Beta xuất hiện dưới hai tham số (hoặc tại đây ) f(x)∝xα(1−x)βf(x)∝xα(1−x)β(1) f(x) \propto x^{\alpha} (1-x)^{\beta} \tag{1} hoặc một cái dường như được sử dụng phổ biến hơn f(x)∝xα−1(1−x)β−1f(x)∝xα−1(1−x)β−1(2) f(x) \propto x^{\alpha-1} (1-x)^{\beta-1} \tag{2} Nhưng tại sao chính xác là có " " trong công thức thứ hai?−1−1-1 …
2
Giả sử
Là gì đơn giản nhất cách để thấy rằng các tuyên bố sau đây là đúng? Giả sử . Hiển thị .Y1,…,Yn∼iidExp(1)Y1,…,Yn∼iidExp(1)Y_1, \dots, Y_n \overset{\text{iid}}{\sim} \text{Exp}(1)∑ni=1(Yi−Y(1))∼Gamma(n−1,1)∑i=1n(Yi−Y(1))∼Gamma(n−1,1)\sum_{i=1}^{n}(Y_i - Y_{(1)}) \sim \text{Gamma}(n-1, 1) Lưu ý rằng .Y(1)=min1≤i≤nYiY(1)=min1≤i≤nYiY_{(1)} = \min\limits_{1 \leq i \leq n}Y_i Theo X∼Exp(β)X∼Exp(β)X \sim \text{Exp}(\beta) , điều này có nghĩa …
3
Điều gì làm cho các mạng thần kinh là một mô hình phân loại phi tuyến?
Tôi đang cố gắng hiểu ý nghĩa toán học của các mô hình phân loại phi tuyến tính: Tôi vừa đọc một bài báo nói về mạng lưới thần kinh là một mô hình phân loại phi tuyến tính. Nhưng tôi chỉ nhận ra rằng: Lớp đầu tiên: h1=x1∗wx1h1+x2∗wx1h2h1=x1∗wx1h1+x2∗wx1h2h_1=x_1∗w_{x1h1}+x_2∗w_{x1h2} h2=x1∗wx2h1+x2∗wx2h2h2=x1∗wx2h1+x2∗wx2h2h_2=x_1∗w_{x2h1}+x_2∗w_{x2h2} …
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookie và Chính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.