Estadísticas y Big Data

Bueno, la pregunta lo dice todo. ¿Qué se entiende por "preentrenamiento de una red neuronal"? ¿Alguien puede explicar en inglés simple y puro? Parece que no puedo encontrar ningún recurso relacionado con él. Sería genial si alguien me puede señalar a ellos.

22 neural-networks  pre-training 

Soy un entusiasta de la programación y el aprendizaje automático. Hace solo unos meses comencé a aprender sobre programación de aprendizaje automático. Al igual que muchos que no tienen una formación científica cuantitativa, también comencé a aprender sobre ML jugando con los algoritmos y conjuntos de datos en el paquete …

22 machine-learning 

A menudo se dice que las pruebas de permutación no tienen suposiciones, sin embargo, esto ciertamente no es cierto. Por ejemplo, si mis muestras están de alguna manera correlacionadas, puedo imaginar que permutar sus etiquetas no sería lo correcto. Solo creo que encontré sobre este problema esta frase de wikipedia: …

22 hypothesis-testing  permutation-test  resampling 

Esta pregunta se migró de Stack Overflow porque se puede responder en Cross Validated. Migrado hace 5 años . He leído otros temas sobre las parcelas de dependencia parcial y la mayoría de ellos tratan sobre cómo los trazas realmente con diferentes paquetes, no cómo puedes interpretarlos con precisión, entonces: …

22 r  classification  data-visualization  random-forest  interpretation 

El error escalado absoluto medio (MASE) es una medida de la precisión del pronóstico propuesta por Koehler y Hyndman (2006) . MASE=MAEMAEin−sample,naiveMASE=MAEMAEin−sample,naiveMASE=\frac{MAE}{MAE_{in-sample, \, naive}} donde es el error absoluto medio producido por el pronóstico real; mientras que es el error absoluto medio producido por un pronóstico ingenuo (por ejemplo, pronóstico …

22 time-series  forecasting  accuracy  mase 

La declaración La distribución muestral de la varianza muestral es una distribución chi-cuadrado con un grado de libertad igual a , donde n es el tamaño de la muestra (dado que la variable aleatoria de interés se distribuye normalmente).n−1n−1n-1nnn Fuente Mi intuicion Para mí tiene un sentido intuitivo 1) porque …

22 distributions  normal-distribution  sampling  chi-squared  sample-size 

Tengo datos históricos de ventas de una panadería (diariamente, durante 3 años). Ahora quiero construir un modelo para predecir ventas futuras (usando características como día de la semana, variables climáticas, etc.). ¿Cómo debo dividir el conjunto de datos para ajustar y evaluar los modelos? ¿Tiene que ser un tren cronológico …

22 cross-validation  partitioning 

Hemos ejecutado una regresión logística de efectos mixtos utilizando la siguiente sintaxis; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Sujeto y elemento son los efectos aleatorios. Estamos obteniendo un resultado impar, que es el coeficiente …

22 r  mixed-model  stata  glmm  lme4-nlme 

Cuando realizamos experimentos (en tamaños de muestra pequeños (generalmente el tamaño de muestra por grupo de tratamiento es de aproximadamente 7 ~ 8)) en dos grupos, utilizamos una prueba t para comprobar la diferencia. Sin embargo, cuando realizamos un ANOVA (obviamente para más de dos grupos), usamos algo similar a …

22 anova  multiple-comparisons  post-hoc  bonferroni  fishers-lsd 

¿Por qué es tan común obtener estimaciones de máxima verosimilitud de parámetros, pero prácticamente nunca se oye hablar de las estimaciones esperadas de parámetros de verosimilitud (es decir, en función del valor esperado en lugar del modo de una función de verosimilitud)? ¿Es esto principalmente por razones históricas, o por …

22 probability  mathematical-statistics  maximum-likelihood  optimization  expected-value 

Sabemos que en el caso de una distribución previa adecuada, P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ∣X)=P(X∣θ)P(θ)P(X)P(\theta \mid X) = \dfrac{P(X \mid \theta)P(\theta)}{P(X)} ∝P(X∣θ)P(θ)∝P(X∣θ)P(θ) \propto P(X \mid \theta)P(\theta) . La justificación habitual para este paso es que la distribución marginal de , , es constante con respecto a y, por lo tanto, puede ignorarse al derivar …

22 distributions  bayesian  prior  posterior 

Cuando comienzo un análisis exploratorio en un gran conjunto de datos (muchas muestras, muchas variables), a menudo me encuentro con cientos de variables derivadas y toneladas de tramas diferentes, y no hay una forma real de realizar un seguimiento de lo que está sucediendo. El código termina como espagueti, porque …

22 eda  project-management 

Tengo una matriz semi-pequeña de características binarias de dimensión 250k x 100. Cada fila es un usuario y las columnas son "etiquetas" binarias de algún comportamiento del usuario, por ejemplo, "likes_cats". user 1 2 3 4 5 ... ------------------------- A 1 0 1 0 1 B 0 1 0 1 …

22 r  clustering  binary-data 

Andrew Gelman en una de sus publicaciones de blog recientes dice: No creo que sean necesarios hechos contrafactuales o posibles resultados para la paradoja de Simpson. Digo esto porque uno puede configurar la paradoja de Simpson con variables que no pueden ser manipuladas, o para las cuales las manipulaciones no …

22 regression  interaction  simpsons-paradox 

Recientemente he estado leyendo sobre la prueba U de Mann-Whitney. Resulta que para llevar a cabo esta prueba en R, ¡realmente necesitas ejecutar una prueba de Wilcoxon! Mi pregunta: ¿es la estadística W de wilcox.testR idéntica a la estadística U?

22 r  wilcoxon-mann-whitney