Estadísticas y Big Data

Estoy tratando de construir un clasificador de etiquetas múltiples para asignar temas a documentos existentes usando scikit Estoy procesando mis documentos pasándolos a través de las TfidfVectorizeretiquetas MultiLabelBinarizery creando un OneVsRestClassifiercon un SGDClassifierestimador. Sin embargo, cuando pruebo mi clasificador solo obtengo puntajes de hasta .29, que según lo que he …

19 scikit-learn  multi-class  multilabel 

Esto es esencialmente una réplica de una pregunta que encontré en math.se , que no obtuvo las respuestas que esperaba. Sea una secuencia de variables aleatorias independientes, distribuidas idénticamente, con y .{Xi}i∈N{Xi}i∈N\{ X_i \}_{i \in \mathbb{N}}E[Xi]=1E[Xi]=1\mathbb{E}[X_i] = 1V[Xi]=1V[Xi]=1\mathbb{V}[X_i] = 1 Considere la evaluación de limn→∞P(1n−−√∑i=1nXi≤n−−√)limn→∞P(1n∑i=1nXi≤n) \lim_{n \to \infty} \mathbb{P}\left(\frac{1}{\sqrt{n}} \sum_{i=1}^n …

19 probability  mathematical-statistics  asymptotics 

El tocón de decisión es un árbol de decisión con una sola división. También se puede escribir como una función por partes. Por ejemplo, suponga que es un vector, y es el primer componente de , en la configuración de regresión, se puede usar un tocón de decisiónx 1 xXxxX1x1x_1Xxx …

19 machine-learning  cart  linear  boosting 

¿Hay una palabra que significa "inverso de la varianza"? Es decir, si tiene una varianza alta, entonces tiene bajos . ¿No le interesa un antónimo cercano (como 'acuerdo' o 'similitud') pero significa específicamente ?XXXXXX......\dots1 / σ21/ /σ21/\sigma^2

19 bayesian  variance  terminology  precision 

¿Puede ser útil la regularización si solo estamos interesados ​​en estimar (e interpretar) los parámetros del modelo, no en el pronóstico o la predicción? Veo cómo la regularización / validación cruzada es extremadamente útil si su objetivo es hacer buenos pronósticos sobre nuevos datos. Pero, ¿qué pasa si estás haciendo …

19 cross-validation  econometrics  model-selection  interpretation  regularization 

Entonces, en una distribución normal, tenemos dos parámetros: media y varianza . En el libro Pattern Recognition and Machine Learning , de repente aparece un hiperparámetro en los términos de regularización de la función de error.μμ\muσ2σ2\sigma^2λλ\lambda ¿Qué son los hiperparámetros? ¿Por qué son nombrados como tales? ¿Y cómo son intuitivamente …

19 terminology  definition  parameterization  hyperparameter 

Me he unido recientemente como miembro de la facultad en un departamento de matemáticas. de una reputada institución. Enseñaré el curso Probabilidad y Estadística a nivel de pregrado. La institución ya tiene un plan de estudios para este curso con el que no estoy muy satisfecho. En ese programa, las …

19 teaching 

Deje que las coordenadas cartesianas x,yx,yx,y de un punto aleatorio se seleccionen st (x,y)∼U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10) . Por lo tanto, el radio, ρ=x2+y2−−−−−−√ρ=x2+y2\rho = \sqrt{x^2 + y^2} , no se distribuye uniformemente como lo implica el pdf de \ rho .ρρ\rho No obstante, esperaría que θ=arctanyxθ=arctan⁡yx\theta = \arctan{\frac{y}{x}} …

19 normal-distribution  matlab  pdf  uniform 

Me pregunto por qué skip-gram es mejor para palabras poco frecuentes que CBOW en word2vec. He leído el reclamo en https://code.google.com/p/word2vec/ .

19 natural-language  word2vec  word-embeddings 

Soy nuevo en el aprendizaje automático y busco algunos conjuntos de datos a través de los cuales puedo comparar y contrastar las diferencias entre los diferentes algoritmos de aprendizaje automático (árboles de decisión, refuerzo, SVM y redes neuronales) ¿Dónde puedo encontrar dichos conjuntos de datos? ¿Qué debería estar buscando al …

19 machine-learning  dataset 

Las estadísticas frecuentes para mí son sinónimo de intentar tomar decisiones que sean buenas para todas las muestras posibles. Es decir, una regla de decisión frecuentista siempre debe tratar de minimizar el riesgo frecuentista, que depende de una función de pérdida y del verdadero estado de la naturaleza :δδ\deltaLLLθ0θ0\theta_0 Rfreq=Eθ0(L(θ0,δ(Y))Rfreq=Eθ0(L(θ0,δ(Y))R_\mathrm{freq}=\mathbb{E}_{\theta_0}(L(\theta_0,\delta(Y)) …

19 maximum-likelihood  frequentist 

Esta puede ser una pregunta simple para muchos, pero aquí está: ¿Por qué no se define la varianza como la diferencia entre cada valor que se sigue entre sí en lugar de la diferencia con el promedio de los valores? Esta sería la opción más lógica para mí, supongo que …

19 variance 

El parámetro de velocidad de aprendizaje ( ) en Gradient Boosting reduce la contribución de cada nuevo modelo base, típicamente un árbol poco profundo, que se agrega en la serie. Se demostró que aumenta drásticamente la precisión del conjunto de pruebas, lo cual es comprensible ya que con pasos más …

19 machine-learning  data-mining  predictive-models  boosting  overfitting 

Tengo un problema muy simple pero no puedo encontrar una herramienta adecuada para resolverlo. Tengo una secuencia de vectores de la misma longitud. Ahora me gustaría entrenar LSTM RNN en la muestra de tren de estas secuencias y luego hacer que prediga una nueva secuencia de vectores de longitud función …

19 neural-networks  python  lstm 

Estoy tratando de obtener una comprensión intuitiva de cómo funciona el análisis de componentes principales (PCA) en el espacio sujeto (dual) . Considere el conjunto de datos 2D con dos variables, y , puntos de datos (matriz de datos es y se supone que está centrado). La presentación habitual de …

19 pca  linear-algebra  intuition  geometry