Thống kê và dữ liệu lớn

Tôi có một câu hỏi cơ bản thường được hỏi ở đây đã gây rắc rối cho tôi trong một thời gian. Thông qua hầu hết các bài đọc về thống kê bayes của tôi, nó đã nói một cách thực tế rằng khả năng cận biên thường khó hiểu …

9 bayesian  inference  likelihood 

Tôi hiện đang nghiên cứu về hồi quy logistic. Nhưng tôi đang gặp khó khăn khi tính toán đánh chặn (β0β0\beta_0 ) và hệ số (β1β1\beta_1 ). Tôi đã tìm kiếm nó qua internet, nhưng chỉ nhận được hướng dẫn sử dụng Microsoft Excel hoặc các hàm tích hợp trong …

9 regression  machine-learning  logistic  maximum-likelihood 

Đã đóng cửa . Câu hỏi này cần được tập trung hơn . Nó hiện không chấp nhận câu trả lời. Bạn muốn cải thiện câu hỏi này? Cập nhật câu hỏi để nó chỉ tập trung vào một vấn đề bằng cách chỉnh sửa bài đăng này . Đóng …

9 machine-learning  classification  data-mining  supervised-learning  statistical-learning 

Tôi có một câu hỏi cơ bản liên quan đến các cách tiếp cận để mô hình hóa trung bình bằng cách sử dụng các tiêu chí CNTT cho các mô hình trọng lượng trong một bộ ứng cử viên. Hầu hết các nguồn mà tôi đã đọc trên mô …

9 mixed-model  model-averaging  forecast-combination 

Cho , hành vi lý thuyết của các hệ số LASSO là gì và tại sao?x2=2x1x2=2x1x_2 = 2 x_1 Một trong số hoặc thu nhỏ về hoặc cả hai?x 2 0x1x1x_1x2x2x_2000 require(glmnet) x1 = runif(100, 1, 2) x2 = 2*x1 x_train = cbind(x1, x2) y = 100*x1 + 100 + …

9 lasso  multicollinearity 

Trong các nghiên cứu tâm lý học, tôi đã học được rằng chúng ta nên sử dụng phương pháp Bonferroni để điều chỉnh mức ý nghĩa khi kiểm tra một số giả thuyết trên một tập dữ liệu. Hiện tại tôi đang làm việc với các phương pháp học máy …

9 machine-learning  cross-validation  svm  overfitting  bonferroni 

Bài viết trên GAN cho biết người phân biệt đối xử sử dụng gradient sau để huấn luyện: ∇θd1mΣi = 1m[ nhật kýD ( x( tôi )) +nhật ký( 1 - D ( G ( z( tôi )) ) ) ]∇θd1mΣTôi= =1m[đăng nhập⁡D(x(Tôi))+đăng nhập⁡(1-D(G(z(Tôi))))]\nabla _{\theta_d} \frac{1}{m}\sum^{m}_{i=1} [\log{D(x^{(i)})} + \log{(1-D(G(z^{(i)})))}] Các …

9 machine-learning  neural-networks 

Nếu trong đó hỗ trợ của là . Vì vậy, . Sau đó nói tôi giả sử có khoảnh khắc hữu hạn. Khi , tôi biết điều đó có nghĩa rằng nơi là mật độ liên quan của . Toán học nào tương đương với giả sử có khoảnh khắc …

9 probability  random-variable  expected-value  moments 

Đưa ra hai bộ dữ liệu đa chiều là và , một số người thực hiện phân tích đa biến bằng cách xây dựng biến phụ thuộc thay thế bằng phân tích thành phần chính (PCA). Nghĩa là, chạy PCA trên tập , lấy điểm dọc theo thành phần đầu …

9 regression  multiple-regression  pca  canonical-correlation 

Tôi có câu hỏi sau đây: Giả sử U,VU,VU,V là các biến ngẫu nhiên iid theo Unif (0,1)(0,1)(0,1) . phân phối có điều kiện của UUU cho Z:=max(U,V)Z:=max(U,V)Z:=\max(U,V) gì? Tôi đã thử viết Z=I⋅V+(1−I)⋅UZ=I⋅V+(1−I)⋅UZ=\Bbb{I}\cdot V+(1-\Bbb{I})\cdot U trong đó I={10U<VU>VI={1U<V0U>V\Bbb{I}=\begin{cases}1&U;V\end{cases} Nhưng tôi không đi đâu cả.

9 probability  distributions  uniform  conditioning 

Có rất nhiều kỹ thuật chính quy, không thực tế để thử tất cả các kết hợp: l1 / l2 định mức tối đa rơi ra ngoài dừng sớm ... Có vẻ như hầu hết mọi người đều hài lòng với sự kết hợp của bỏ học + dừng sớm: …

9 neural-networks  regularization  dropout 

Lấy XXX là ví dụ số ngày còn lại của bạn để sống. Một bác sĩ 1 đánh giá lại sự phân bố của XXX như một Gaussian: P(X)∼N(μ1,σ1)P(X)∼N(μ1,σ1)P(X)\sim\mathcal{N}(\mu_1,\sigma_1) . Một độc lập bác sĩ 2 đánh giá lại P(X)∼N(μ2,σ2)P(X)∼N(μ2,σ2)P(X)\sim\mathcal{N}(\mu_2,\sigma_2) . Cả hai bác sĩ đều đáng tin cậy như …

9 probability  normal-distribution 

Cho các biến ngẫu nhiên lấy mẫu iid từ \ sim \ mathcal {N} (0, \ sigma ^ 2) , xác định Z = \ max_ {i \ in \ {1,2, \ cdots, n \ }} X_iX1,X2,⋯,XnX1,X2,⋯,XnX_1,X_2, \cdots, X_n∼N(0,σ2)∼N(0,σ2)\sim \mathcal{N}(0, \sigma^2)Z=maxi∈{1,2,⋯,n}XiZ=maxi∈{1,2,⋯,n}XiZ = \max_{i \in \{1,2,\cdots, n \}} X_i Chúng ta …

9 probability  normal-distribution  mathematical-statistics  variance 

Với 3 biến ngẫu nhiên , và . và là độc lập. và là độc lập. Theo trực giác tôi sẽ cho rằng và là độc lập. Đây có phải là trường hợp, và làm thế nào tôi có thể chứng minh nó chính thức?X1X1X_1X2X2X_2YYYYYYX1X1X_1YYYX2X2X_2YYYX1+X2X1+X2X_1+X_2

9 independence 

Xem xét chức năng r ( x ) = E ( Y∣ X= x )r(x)=E(Y∣X=x) r(x) = \mathbb{E}(Y \mid X = x) Điều này đã được gọi là hàm hồi quy trong sách giáo khoa tôi đang sử dụng. Tôi đang cố gắng tìm ra mối quan hệ giữa chức …

9 regression  linear-model