Estadísticas y Big Data

Entiendo que cuando se utiliza un enfoque bayesiano para estimar los valores de los parámetros: La distribución posterior es la combinación de la distribución previa y la distribución de probabilidad. Simulamos esto generando una muestra de la distribución posterior (por ejemplo, usando un algoritmo de Metropolis-Hasting para generar valores, y …

19 bayesian  inference  simulation  mcmc  posterior 

La arquitectura AlexNet utiliza rellenos cero como se muestra en la imagen: Sin embargo, no hay explicación en el documento por qué se introduce este relleno. El curso Standford CS 231n enseña que usamos relleno para preservar el tamaño espacial: Me pregunto si es la única razón por la que …

19 conv-neural-network  convolution 

Al tratar de explicar los análisis de conglomerados, es común que las personas malinterpreten el proceso como si estuviera relacionado con las variables. Una forma de hacer que la gente supere esa confusión es una trama como esta: Esto muestra claramente la diferencia entre la pregunta de si hay grupos …

19 clustering  categorical-data  independence 

¿Alguien puede explicar los pros y los contras de la agrupación jerárquica? ¿El agrupamiento jerárquico tiene los mismos inconvenientes que K significa? ¿Cuáles son las ventajas del agrupamiento jerárquico sobre K? ¿Cuándo debemos usar los medios K sobre el agrupamiento jerárquico y viceversa? Las respuestas a esta publicación explican los …

19 clustering  k-means  unsupervised-learning  hierarchical-clustering 

Sobre todo una pregunta teórica. ¿Hay ejemplos de distribuciones no normales que tengan los primeros cuatro momentos iguales a los normales? ¿Podrían existir en teoría?

19 normal-distribution  skewness  moments  theory  kurtosis 

¿Es la prueba t de Student una prueba de Wald? He leído la descripción de las pruebas de Wald de Todas las estadísticas de Wasserman . Me parece que la prueba de Wald incluye pruebas t. ¿Es eso correcto? Si no, ¿qué hace que una prueba t no sea una …

19 hypothesis-testing  t-test 

¿Hay alguna manera de determinar qué características / variables del conjunto de datos son las más importantes / dominantes dentro de una solución de clúster de k-means?

19 machine-learning  clustering  k-means  importance 

Mirando una situación ANOVA entre grupos, ¿qué obtienes al hacer una prueba ANOVA de este tipo primero, y luego hacer pruebas post-hoc (Bonferroni, Šidák, etc.) o comparaciones planificadas? ¿Por qué no omitir el paso ANOVA por completo? Entiendo que en tal situación, el único beneficio de ANOVA entre grupos es …

19 hypothesis-testing  anova  multiple-comparisons  post-hoc 

Estoy leyendo un libro sobre series de tiempo y comencé a rascarme la cabeza en la siguiente parte: ¿Podría alguien explicarme la intuición? No pude obtenerlo de este texto. ¿Por qué necesitamos que el proceso sea invertible? ¿Cuál es el panorama general aquí? Gracias por cualquier ayuda. Soy nuevo en …

19 time-series  arma 

Tengo dos conjuntos de datos que representan los parámetros de las estrellas: uno observado y uno modelado. Con estos conjuntos creo lo que se llama un diagrama de dos colores (TCD). Una muestra se puede ver aquí: A son los datos observados y B los datos extraídos del modelo (no …

19 goodness-of-fit  histogram 

Una prueba habitual de importancia cuando se observan dos poblaciones es la prueba t, prueba t pareada si es posible. Esto supone que la distribución es normal. ¿Existen supuestos simplificadores similares que producen una prueba de significación para una serie de tiempo? Específicamente tenemos dos poblaciones bastante pequeñas de ratones …

19 time-series  hypothesis-testing  statistical-significance 

Tengo una ligera confusión sobre el algoritmo de retropropagación utilizado en el perceptrón multicapa (MLP). El error se ajusta mediante la función de costo. En la retropropagación, estamos tratando de ajustar el peso de las capas ocultas. El error de salida que puedo entender, es decir, e = d - …

19 machine-learning  neural-networks  backpropagation 

Estoy tratando de comprender cuál es el propósito de la función de pérdida y no puedo entenderlo. Entonces, hasta donde yo entiendo, la función de pérdida es para introducir algún tipo de métrica con la que podamos medir el "costo" de una decisión incorrecta. Digamos que tengo un conjunto de …

19 machine-learning  loss-functions 

Estoy tratando de estimar los parámetros de una distribución gamma que mejor se ajusta a mi muestra de datos. Solo quiero usar la media , estándar (y, por lo tanto, la varianza ) de la muestra de datos, no los valores reales, ya que estos no siempre estarán disponibles en …

19 distributions  estimation  gamma-distribution 

Al trabajar en el problema de regresión, comencé a pensar en la representación de la función "día de la semana". Me pregunto qué enfoque funcionaría mejor: una característica valor 1/7 para el lunes; 2/7 para el martes ... 7 características: (1, 0, 0, 0, 0, 0, 0) para el lunes; …

19 machine-learning  neural-networks  feature-construction