Thống kê và dữ liệu lớn

Đã đóng cửa . Câu hỏi này cần chi tiết hoặc rõ ràng . Nó hiện không chấp nhận câu trả lời. Bạn muốn cải thiện câu hỏi này? Thêm chi tiết và làm rõ vấn đề bằng cách chỉnh sửa bài đăng này . Đóng cửa 2 năm trước …

11 self-study  multiple-regression  estimation  linear-model 

Adaboost là một phương pháp tập hợp kết hợp nhiều người học yếu để tạo thành một phương pháp mạnh. Tất cả các ví dụ về adaboost mà tôi đã đọc sử dụng gốc cây / quyết định như những người học yếu. Tôi có thể sử dụng những người …

11 logistic  adaboost 

Ví dụ, giả sử chúng ta xây dựng một công cụ ước tính tuổi, dựa trên hình ảnh của một người. Bên dưới chúng tôi có hai người mặc com lê, nhưng người thứ nhất rõ ràng trẻ hơn người thứ hai. (nguồn: tinytux.com ) Có rất nhiều tính năng …

11 neural-networks  computer-vision 

Giả sử một tệp dữ liệu có hơn 80 triệu và số không, được tạo ngẫu nhiên. Từ tệp này, chúng tôi muốn tạo một danh sách các số nguyên thập phân ngẫu nhiên. Đây là kế hoạch để thực hiện chuyển đổi này. Chia 80 triệu chữ số thành …

11 monte-carlo  random-generation  randomness 

Ở một số điểm tôi đã thấy việc sử dụng đạo hàm Radon-Nikodym của một thước đo xác suất đối với một thước đo xác suất khác, đáng chú ý nhất là trong phân kỳ Kullback-Leibler, trong đó nó là đạo hàm của phép đo xác suất của một mô …

11 mathematical-statistics  kullback-leibler  derivative  measure-theory 

Câu hỏi này được lấy cảm hứng từ câu trả lời của Martijn ở đây . Giả sử chúng ta điều chỉnh GLM cho một họ tham số như mô hình nhị thức hoặc mô hình Poisson và đó là một quy trình khả năng đầy đủ (trái ngược với …

11 regression  generalized-linear-model  inference  approximation  t-distribution 

Tôi đã nhìn vào cuốn sổ này và tôi rất bối rối trước câu nói này: Khi chúng ta nói về tính quy tắc, điều chúng tôi muốn nói là dữ liệu sẽ trông giống như một phân phối bình thường. Điều này rất quan trọng vì một số thử …

11 mathematical-statistics  normal-distribution 

Trong cài đặt hồi quy đơn biến, chúng tôi cố gắng tạo mô hình y=Xβ+noisey=Xβ+noisey = X\beta +noise Trong đó một vectơ của n quan sát và X ∈ R n × m ma trận thiết kế với m dự đoán. Giải pháp là β 0 = ( X T …

11 regression  multivariate-analysis  multivariate-regression 

Tôi có hai hồi quy cùng Y và ba cấp X. Nhìn chung n = 15, với n = 5 trong mỗi nhóm hoặc cấp X. Hồi quy đầu tiên coi X là phân loại, gán biến chỉ báo cho cấp 2 và 3 với cấp một là tài liệu …

11 regression  anova 

Tiêu đề nói lên tất cả. Tôi hiểu rằng Least-Squares và Maximum-Likabilities sẽ cho kết quả tương tự đối với các hệ số hồi quy nếu các lỗi của mô hình thường được phân phối. Nhưng, điều gì xảy ra nếu các lỗi không được phân phối bình thường? Tại …

11 regression  normal-distribution  maximum-likelihood  least-squares  error 

Cho đến nay tôi đã thấy ANOVA được sử dụng theo hai cách: Đầu tiên , trong văn bản thống kê giới thiệu của tôi, ANOVA được giới thiệu như một cách để so sánh các phương tiện của ba nhóm trở lên, như là một sự cải tiến so …

11 hypothesis-testing  anova  model-comparison  f-test  nested-models 

Đây là một cái gì đó tôi đọc trong cuốn sách Deep Learning của Ian Goodfellow . Trong ngữ cảnh của các mạng thần kinh, "hình phạt định mức tham số L2 thường được gọi là phân rã trọng lượng. Chiến lược chính quy này đẩy trọng số gần với …

11 machine-learning  neural-networks  deep-learning  regularization 

Tôi muốn cải thiện sự hiểu biết của tôi về các mạng thần kinh và lợi ích của chúng so với các thuật toán học máy khác. Sự hiểu biết của tôi là như dưới đây và câu hỏi của tôi là: Bạn có thể sửa chữa và bổ sung …

11 regression  machine-learning 

Tôi đang sử dụng bộ lọc Kalman một cách rất chuẩn. Hệ thống được biểu diễn bởi phương trình trạng thái xt+1=Fxt+vt+1xt+1=Fxt+vt+1x_{t+1}=Fx_{t}+v_{t+1} và phương trình quan sát yt=Hxt+Azt+wtyt=Hxt+Azt+wty_{t}=Hx_{t}+Az_{t}+w_{t} . Sách giáo khoa dạy rằng sau khi áp dụng bộ lọc Kalman và nhận được "dự báo một bước về phía …

11 likelihood  kalman-filter 

Khi chọn tham số chính quy lambda trong Ridge hoặc Lasso, phương pháp được đề xuất là thử các giá trị khác nhau của lambda, đo lỗi trong Tập xác thực và cuối cùng chọn giá trị đó của lambda trả về lỗi thấp nhất. Nó không phải là cleat …

11 cross-validation  error  regularization  validation  optimization