Estadísticas y Big Data

La función de covarianza de Matérn se usa comúnmente como función de núcleo en el proceso gaussiano. Se define así Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} donde ddd es una función de distancia …

19 spatial  gaussian-process  kernel-trick 

Pensé en este problema en la ducha, estaba inspirado en las estrategias de inversión. Digamos que había un árbol de dinero mágico. Todos los días, puede ofrecer una cantidad de dinero al árbol de dinero y lo triplicará o lo destruirá con una probabilidad de 50/50. Inmediatamente nota que, en …

19 probability  mathematical-statistics  econometrics  random-walk  martingale 

¿Cuál sería la mejor manera de tomar muestras de la distribución de Cantor ? Solo tiene cdf y no podemos invertirlo.

19 distributions  simulation  random-generation 

Tengo un conjunto de datos de 140000 ejemplos y 30 características para las que estoy entrenando a varios clasificadores para una clasificación binaria (SVM, Regresión logística, Bosque aleatorio, etc.) En muchos casos, el ajuste de hiperparámetros en todo el conjunto de datos mediante Grid o Búsqueda aleatoria es demasiado costoso …

19 machine-learning  cross-validation  hyperparameter 

Estoy construyendo un modelo VAR para pronosticar el precio de un activo y me gustaría saber si mi método es estadísticamente sólido, si las pruebas que he incluido son relevantes y si se necesitan más para garantizar un pronóstico confiable basado en mis variables de entrada. A continuación se muestra …

19 r  forecasting  modeling  var 

Entiendo las capas convolucionales y de agrupación, pero no puedo ver la razón de una capa totalmente conectada en las CNN. ¿Por qué la capa anterior no está directamente conectada a la capa de salida?

19 neural-networks  deep-learning  conv-neural-network 

Si arreglo los valores de los nodos observados de un MRF, ¿se convierte en un CRF?

19 probability  graphical-model  graph-theory  conditional-random-field  markov-random-field 

Tengo una gráfica de valores residuales de un modelo lineal en función de los valores ajustados donde la heterocedasticidad es muy clara. Sin embargo, no estoy seguro de cómo proceder ahora porque, por lo que entiendo, esta heterocedasticidad invalida mi modelo lineal. (¿Está bien?) Use un ajuste lineal robusto usando …

19 r  generalized-linear-model  heteroscedasticity  lm 

Leí esta declaración en un antiguo examen verdadero / falso: Podemos obtener múltiples soluciones óptimas locales si resolvemos un problema de regresión lineal minimizando la suma de los errores al cuadrado utilizando el gradiente de descenso. Solución: falso Mi pregunta es, ¿qué parte de esta pregunta está mal? ¿Por qué …

19 least-squares  gradient-descent  convex 

Necesito algunos consejos sobre dos dilemas principales en mi investigación, que es un estudio de caso de 3 grandes productos farmacéuticos e innovación. El número de patentes por año es la variable dependiente. Mis preguntas son ¿Cuáles son los criterios más importantes para un buen modelo? ¿Qué es más / …

19 regression  generalized-linear-model  linear-model  goodness-of-fit  poisson-regression 

Para usar SVM o red neuronal, necesita transformar (codificar) variables categóricas en variables numéricas, el método normal en este caso es usar valores binarios 0-1 con el k-ésimo valor categórico transformado para ser (0,0, .. ., 1,0, ... 0) (1 está en la posición k-ésima). ¿Hay otros métodos para hacer …

19 machine-learning  neural-networks  categorical-data  svm  categorical-encoding 

Si entendí correctamente, en un algoritmo de aprendizaje automático, el modelo tiene que aprender de su experiencia, es decir, cuando el modelo da la predicción incorrecta para los nuevos casos, debe adaptarse a las nuevas observaciones, y con el tiempo, el modelo se vuelve cada vez mejor . No veo …

19 machine-learning  logistic  random-forest 

La terminología aquí es un desastre. La "ecuación estructural" es tan vaga como el "puente arquitectónico" y la "red bayesiana" no es intrínsecamente bayesiana . Aún mejor, Dios de la causalidad, Judea Pearl dice que las dos escuelas de modelos son casi idénticas. Entonces, ¿cuáles son las diferencias importantes? (Increíble …

19 sem  bayesian-network  causality 

Según Wikipedia, entiendo que la distribución t es la distribución de muestreo del valor t cuando las muestras son observaciones en una población normalmente distribuida. Sin embargo, no entiendo intuitivamente por qué eso hace que la forma de la distribución t cambie de cola gruesa a casi perfectamente normal. Entiendo …

19 normal-distribution  t-distribution 

Este es un tratamiento más general del problema planteado por esta pregunta . Después de deducir la distribución asintótica de la varianza de la muestra, podemos aplicar el método Delta para llegar a la distribución correspondiente para la desviación estándar. Deje una muestra de tamaño de iid variables aleatorias no …

19 mathematical-statistics  variance  central-limit-theorem  asymptotics