Estadísticas y Big Data

Dada una función de costo convexo, usando SGD para la optimización, tendremos un gradiente (vector) en un cierto punto durante el proceso de optimización. Mi pregunta es, dado el punto en el convexo, ¿el gradiente solo apunta en la dirección en que la función aumenta / disminuye más rápido, o …

25 neural-networks  optimization  gradient-descent  sgd  convex 

En todo momento suponemos que nuestra estadística es una función de algunos datos que se extrae de la función de distribución ; La función de distribución empírica de nuestra muestra es . Entonces es la estadística vista como una variable aleatoria y es la versión de arranque de la estadística. …

25 probability  mathematical-statistics  bootstrap  asymptotics  consistency 

¿Cuáles son las ventajas? ¿Por qué uno usaría múltiples LSTM, apilados uno al lado del otro, en una red profunda? Estoy usando un LSTM para representar una secuencia de entradas como una sola entrada. Entonces, una vez que tenga esa representación única, ¿por qué volvería a pasarla? Lo pregunto porque …

25 classification  neural-networks  deep-learning  lstm  rnn 

¿Por qué las funciones de activación de unidades lineales rectificadas (ReLU) se consideran no lineales? F( x ) = max ( 0 , x )f(x)=max(0,x) f(x) = \max(0,x) Son lineales cuando la entrada es positiva y, según tengo entendido, para desbloquear el poder representativo de las redes profundas, las activaciones …

25 neural-networks  deep-learning 

Estoy tratando de desarrollar un modelo predictivo utilizando datos clínicos de alta dimensión, incluidos los valores de laboratorio. El espacio de datos es escaso con 5k muestras y 200 variables. La idea es clasificar las variables usando un método de selección de características (IG, RF, etc.) y usar características de …

25 machine-learning  missing-data 

Digamos que tenemos una distribución de Dirichlet con vector de parámetro dimensional → α = [ α 1 , α 2 , . . . , α K ] . ¿Cómo puedo extraer una muestra (un vector K- dimensional) de esta distribución? Necesito una explicación (posiblemente) simple.KKKα⃗ = [ α1, …

25 sampling  dirichlet-distribution 

Recientemente comencé a estudiar aprendizaje automático, sin embargo, no pude comprender la intuición detrás de la regresión logística . Los siguientes son los hechos sobre la regresión logística que entiendo. Como base para la hipótesis utilizamos la función sigmoidea . Entiendo por qué es una elección correcta, sin embargo, por …

25 regression  machine-learning  logistic 

¿Es la afirmación de que las funciones de las variables aleatorias independientes son independientes, verdad? He visto que el resultado a menudo se usa implícitamente en algunas pruebas, por ejemplo, en la prueba de independencia entre la media muestral y la varianza muestral de una distribución normal, pero no he …

25 probability  self-study  random-variable  independence 

Por lo tanto, creo que tengo una comprensión decente de los conceptos básicos de la probabilidad frecuentista y el análisis estadístico (y qué tan mal se puede usar). En un mundo frecuentista, tiene sentido hacer una pregunta como "¿es esta distribución diferente de esa distribución", porque se supone que las …

25 distributions  bayesian 

Tengo un conjunto de datos con un conjunto de características. Algunos de ellos son binarios activo o disparado, 0 = inactivo o inactivo), y el resto son de valor real, por ejemplo, 4564.342 .( 1 =(1=(1=0 =0 0=0=4564.3424564.3424564.342 Quiero alimentar estos datos a un algoritmo de aprendizaje automático, por lo …

25 machine-learning  normalization  binary-data 

Tengo un conjunto de datos de observaciones de muestra, almacenadas como recuentos dentro de intervalos. p.ej: min/max count 40/44 1 45/49 2 50/54 3 55/59 4 70/74 1 Ahora, encontrar una estimación del promedio de esto es bastante sencillo. Simplemente use la media (o mediana) de cada intervalo de rango …

25 variance  standard-deviation  weighted-sampling 

En la discusión: cómo generar una curva roc para la clasificación binaria , creo que la confusión fue que un "clasificador binario" (que es cualquier clasificador que separa 2 clases) fue para Yang lo que se llama un "clasificador discreto" (que produce salidas discretas 0/1 como un SVM) y no …

25 cross-validation  roc  auc 

Tengo algunos datos y quiero construir un modelo (digamos un modelo de regresión lineal) a partir de estos datos. En el siguiente paso, quiero aplicar la validación cruzada Leave-One-Out (LOOCV) en el modelo, así que vea qué tan bien funciona. Si entendí LOOCV correctamente, construyo un nuevo modelo para cada …

25 cross-validation 

Necesito generar matrices aleatorias no cuadradas con filas y columnas , elementos distribuidos aleatoriamente con media = 0, y restringidos de modo que la longitud (norma L2) de cada fila sea y la longitud de cada columna sea . De manera equivalente, la suma de los valores cuadrados es 1 …

25 random-generation  normalization  markov-process  random-matrix 

Tengo una serie de tiempo y quiero subgrupo mientras la mantengo como una serie de tiempo, preservando el inicio, el final y la frecuencia. Por ejemplo, digamos que tengo una serie de tiempo: > qs <- ts(101:110, start=c(2009, 2), frequency=4) > qs Qtr1 Qtr2 Qtr3 Qtr4 2009 101 102 103 …

25 r  time-series