Thống kê và dữ liệu lớn

5

Những lĩnh vực thống kê toán học có khả năng sử dụng cao?

Tôi sắp hoàn thành danh dự về thống kê và tôi thực sự muốn làm tiến sĩ vì tôi thấy thống kê toán học cực kỳ thú vị. Các lĩnh vực nghiên cứu tôi muốn làm tiến sĩ nhất là các quá trình ngẫu nhiên và chuỗi thời gian. Tuy …

13 mathematical-statistics careers phd

2

Lợi ích của phân phối bình thường bị cắt cụt trong việc khởi tạo trọng số trong mạng lưới thần kinh là gì?

Khi khởi tạo trọng lượng kết nối trong mạng nơ ron phản hồi, điều quan trọng là khởi tạo chúng ngẫu nhiên để tránh mọi đối xứng mà thuật toán học sẽ không thể phá vỡ. Khuyến nghị mà tôi đã thấy ở nhiều nơi (ví dụ: trong hướng dẫn …

13 neural-networks backpropagation weights truncated-normal

5

Tại sao nên học hồi quy tuyến tính?

Cho hai biến ngẫu nhiên và chúng ta có thể tính "hệ số tương quan" và tạo thành dòng phù hợp nhất giữa hai biến ngẫu nhiên này. Câu hỏi của tôi là tại sao?ξξ\xiηη\etaccc 1) Có các biến ngẫu nhiên, và phụ thuộc theo cách tồi tệ nhất có …

13 regression

1

Những gì mà end end to end end có nghĩa là gì trong các phương pháp học sâu?

Tôi muốn biết nó là gì, và nó khác với thế nào? Giả sử, tôi muốn đạt được độ chính xác cao trong phân loại và phân khúc, cho một nhiệm vụ cụ thể, nếu tôi sử dụng các mạng khác nhau, chẳng hạn như CNN, RNN, v.v. để đạt …

13 machine-learning terminology deep-learning

1

Là suy luận có điều kiện thường xuyên vẫn đang được sử dụng trong thực tế?

Gần đây tôi đã xem xét một số bài báo cũ của Nancy Reid, Barndorff-Nielsen, Richard Cox và, vâng, một chút Ronald Fisher về khái niệm "suy luận có điều kiện" trong mô hình thường xuyên, dường như có nghĩa là suy luận chỉ dựa trên "Tập hợp con có …

13 confidence-interval maximum-likelihood inference

1

Tính toán thiên tài của Steve Hsu ở Trung Quốc

Trên blog của mình , nhà vật lý Steve Hsu đã viết như sau: Giả sử phân phối bình thường, chỉ có khoảng 10.000 người ở Hoa Kỳ thực hiện ở mức + 4SD và một con số tương tự ở châu Âu, vì vậy đây là một dân số …

13 normal-distribution

1

Một số kỹ thuật tăng dữ liệu hữu ích cho các mạng thần kinh tích chập sâu là gì?

Bối cảnh: Gần đây tôi đã hiểu ở mức độ sâu hơn về tầm quan trọng của việc tăng dữ liệu khi đào tạo mạng lưới thần kinh tích chập sau khi xem bài nói chuyện tuyệt vời này của Geoffrey Hinton . Ông giải thích rằng các mạng thần …

13 machine-learning deep-learning

2

Làm một Bayes trước một kết quả thường xuyên

Làm thế nào một người nên đi về việc biến một kết quả thường xuyên thành một Bayes trước? Hãy xem xét kịch bản chung chung sau đây: Một thử nghiệm đã được thực hiện trong quá khứ và kết quả trên một số tham số đã được đo. Các …

13 bayesian confidence-interval meta-analysis prior

1

Sự khác biệt giữa hồi quy logistic và hồi quy phản ứng phân số là gì?

Theo tôi biết, sự khác biệt giữa mô hình logistic và mô hình phản hồi phân đoạn (frm) là biến phụ thuộc (Y) trong đó frm là [0,1], nhưng logistic là {0, 1}. Hơn nữa, frm sử dụng công cụ ước tính gần đúng để xác định các tham số …

13 r logistic generalized-linear-model quasi-likelihood

1

Tại sao giá trị trung bình số học nhỏ hơn trung bình phân phối trong phân phối log-log thông thường?

Vì vậy, tôi có một quá trình ngẫu nhiên tạo ra các biến ngẫu nhiên được phân phối thông thường . Đây là hàm mật độ xác suất tương ứng:XXX Tôi muốn ước tính phân phối của một vài khoảnh khắc của phân phối ban đầu đó, giả sử khoảnh …

13 estimation bias fitting lognormal moments

4

Khoảng dự đoán cho các thuật toán học máy

Tôi muốn biết nếu quy trình được mô tả dưới đây là hợp lệ / có thể chấp nhận và bất kỳ lời biện minh nào có sẵn. Ý tưởng: Các thuật toán học tập được giám sát không giả định các cấu trúc / phân phối cơ bản về …

13 machine-learning confidence-interval bootstrap supervised-learning gbm

1

Chỉ định trước cho kích thước hiệu ứng trong phân tích tổng hợp

Mối quan tâm câu hỏi của tôi priors trên kích thước thực tế, trong dự án của tôi biện pháp này là của Cohen . Thông qua việc đọc các tài liệu, có vẻ như các linh mục mơ hồ thường được sử dụng, chẳng hạn như trong tám trường …

13 bayesian meta-analysis effect-size

1

Ngăn chặn quá mức LSTM trên tập dữ liệu nhỏ

Tôi đang lập mô hình 15000 tweet để dự đoán tình cảm bằng cách sử dụng LSTM một lớp với 128 đơn vị ẩn bằng cách sử dụng biểu diễn giống như word2vec với 80 thứ nguyên. Tôi nhận được độ chính xác gốc (38% với ngẫu nhiên = 20%) …

13 deep-learning regularization overfitting lstm

3

Làm thế nào để mô hình dữ liệu lớn theo chiều dọc?

Theo truyền thống, chúng tôi sử dụng mô hình hỗn hợp để mô hình dữ liệu theo chiều dọc, tức là dữ liệu như: id obs age treatment_lvl yield 1 0 11 M 0.2 1 1 11.5 M 0.5 1 2 12 L 0.6 2 0 17 H 1.2 2 …

13 machine-learning data-transformation random-forest panel-data large-data

4

Tại sao luôn có ít nhất một chính sách tốt hơn hoặc bằng tất cả các chính sách khác?

Học tăng cường: Giới thiệu. Phiên bản thứ hai, đang được tiến hành ., Richard S. Sutton và Andrew G. Barto (c) 2012, trang 67-68. Giải quyết một nhiệm vụ học tập củng cố có nghĩa là, đại khái, tìm ra một chính sách đạt được rất nhiều phần thưởng …

13 markov-process reinforcement-learning