Estadísticas y Big Data

Lanzamos un dado de 6 lados muchas veces. Calculando la diferencia (valor absoluto) entre un rollo y su rollo anterior, ¿se espera que las diferencias se distribuyan uniformemente? Para ilustrar con 10 rollos: roll num result diff 1 1 0 2 2 1 3 1 1 4 3 2 5 …

22 distributions  uniform 

Pregunta: ¿ Cuándo (para qué tipos de problemas de visualización de datos) son los mapas de calor más efectivos? (En particular, ¿más efectivo que todas las demás técnicas de visualización posibles?) ¿Cuándo son los mapas de calor menos efectivos? ¿Existen patrones o reglas generales comunes que uno pueda usar para …

22 data-visualization  heatmap 

Tengo curiosidad acerca de cómo los gradientes se propagan hacia atrás a través de una red neuronal utilizando módulos ResNet / conexiones de omisión. He visto un par de preguntas sobre ResNet (por ejemplo, red neuronal con conexiones de capa de salto ), pero esta pregunta específicamente sobre la propagación …

22 machine-learning  neural-networks  conv-neural-network  gradient-descent  backpropagation 

Tengo un conjunto de datos Diga observaciones y variables:3101010333 obs A B C 1 0 0 1 2 0 1 0 3 1 0 1 4 1 1 0 5 1 0 1 6 1 0 0 7 1 1 0 8 0 0 1 9 0 1 1 10 …

22 proportion  descriptive-statistics  paradox 

Estaba jugando con una red neuronal simple con una sola capa oculta, por Tensorflow, y luego probé diferentes activaciones para la capa oculta: Relu Sigmoideo Softmax (bueno, generalmente softmax se usa en la última capa ..) Relu ofrece la mejor precisión de tren y precisión de validación. No estoy seguro …

22 machine-learning  neural-networks  conv-neural-network  tensorflow  sigmoid-curve 

Habiendo incluido un modelo de regresión cuantil en un documento, los revisores quieren que incluya ajustado en el documento. He calculado los pseudo- R 2 s (del documento JASA de 1999 de Koenker y Machado ) para los tres cuantiles de interés para mi estudio.R2R2R^2R2R2R^2 Sin embargo, nunca he oído …

22 goodness-of-fit  r-squared  quantile-regression 

Sé que para problemas regulares, si tenemos un mejor estimador imparcial regular, debe ser el estimador de máxima verosimilitud (MLE). Pero, en general, si tenemos un MLE imparcial, ¿también sería el mejor estimador imparcial (o tal vez debería llamarlo UMVUE, siempre que tenga la varianza más pequeña)?

22 mathematical-statistics  maximum-likelihood  unbiased-estimator 

A está positivamente relacionado con B. C es el resultado de A y B, pero el efecto de A sobre C es negativo y el efecto de B sobre C es positivo. Puede suceder esto?

22 regression  correlation 

Andrew Gelman escribió un extenso artículo sobre por qué las pruebas de AB Bayesianas no requieren corrección de hipótesis múltiples: Por qué (generalmente) no tenemos que preocuparnos por las comparaciones múltiples , 2012. No entiendo bien: ¿por qué los métodos bayesianos no requieren múltiples correcciones de prueba? A ~ Distribution1 …

22 hypothesis-testing  bayesian  multiple-comparisons 

Algunas funciones de penalización y aproximaciones están bien estudiadas, como LASSO ( ) y Ridge ( ) y cómo se comparan en regresión.L 2L1L1L_1L2L2L_2 He estado leyendo sobre la penalización de Bridge, que es la penalización generalizada . Compare eso con el LASSO, que tiene \ gamma = 1 , …

22 regression  lasso  regularization  ridge-regression  elastic-net 

Según Miller and Freund's Probability and Statistics for Engineers, 8ed (pp.217-218), la función de probabilidad de maximizar la distribución binomial (ensayos de Bernoulli) se da como L(p)=∏ni=1pxi(1−p)1−xiL(p)=∏i=1npxi(1−p)1−xiL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} ¿Cómo llegar a esta ecuación? Me parece bastante claro con respecto a las otras distribuciones, Poisson y Gaussian; L(θ)=∏ni=1PDF or PMF …

22 estimation  maximum-likelihood  bernoulli-distribution  point-estimation 

La siguiente imagen muestra una curva continua de tasas de falsos positivos frente a tasas positivas verdaderas: Sin embargo, lo que no entiendo de inmediato es cómo se calculan estas tasas. Si se aplica un método a un conjunto de datos, tiene una cierta tasa de FP y una cierta …

22 machine-learning  data-visualization  roc  auc 

¿Cuál es la diferencia entre la distribución binomial negativa y la distribución binomial? Intenté leer en línea y descubrí que la distribución binomial negativa se usa cuando los puntos de datos son discretos, pero creo que incluso la distribución binomial se puede usar para puntos de datos discretos.

22 categorical-data  data-mining  binomial  negative-binomial 

Al entrenar una red neuronal usando el algoritmo de propagación hacia atrás, el método de descenso de gradiente se usa para determinar las actualizaciones de peso. Mi pregunta es: en lugar de utilizar el método de descenso de gradiente para localizar lentamente el punto mínimo con respecto a un cierto …

22 neural-networks  gradient-descent  backpropagation 

Estaba revisando la literatura sobre regularización, y a menudo veo párrafos que vinculan la regulación de L2 con Gaussian anterior, y L1 con Laplace centrada en cero. Sé cómo se ven estos anteriores, pero no entiendo cómo se traduce, por ejemplo, a los pesos en el modelo lineal. En L1, …

22 regression  bayesian  prior  regularization  laplace-distribution