Estadísticas y Big Data

Preguntas y respuestas para personas interesadas en estadísticas, aprendizaje automático, análisis de datos, minería de datos y visualización de datos.

3
Para la intuición, ¿cuáles son algunos ejemplos de la vida real de variables aleatorias no correlacionadas pero dependientes?
Al explicar por qué no correlacionado no implica independiente, hay varios ejemplos que involucran un montón de variables aleatorias, pero todas parecen tan abstractas: 1 2 3 4 . Esta respuesta parece tener sentido. Mi interpretación: una variable aleatoria y su cuadrado pueden no estar correlacionados (ya que aparentemente la …
3
Referencias que justifican el uso de mezclas gaussianas
Los modelos de mezcla gaussiana (GMM) son atractivos porque son fáciles de trabajar tanto en el análisis como en la práctica, y son capaces de modelar algunas distribuciones exóticas sin demasiada complejidad. Hay algunas propiedades analíticas que deberíamos tener que no están claras en general. En particular: SnSnS_nnnnPPPnnnPPPlimn→∞infP^∈SnD(P||P^)=0?limn→∞infP^∈SnD(P||P^)=0?\lim_{n\rightarrow \infty}\inf_{\hat{P}\in S_n} …
3
¿Por qué el número de variables uniformes continuas en (0,1) necesarias para que su suma exceda una tiene media
Vamos a sumar un flujo de variables aleatorias, ; dejemos que sea ​​el número de términos que necesitamos para que el total exceda uno, es decir, es el número más pequeño tal queY YXi∼iidU(0,1)Xi∼iidU(0,1)X_i \overset{iid}\sim \mathcal{U}(0,1)YYYYYY X1+X2+⋯+XY>1.X1+X2+⋯+XY>1.X_1 + X_2 + \dots + X_Y > 1. ¿Por qué la media de …
2
Inferencia estadística bajo especificación errónea
El tratamiento clásico de la inferencia estadística se basa en el supuesto de que existe una estadística correctamente especificada. Es decir, la distribución P∗(Y)P∗(Y)\mathbb{P}^*(Y) que generó los datos observados yyy es parte del modelo estadístico MM\mathcal{M} : P∗(Y)∈M={Pθ(Y):θ∈Θ}P∗(Y)∈M={Pθ(Y):θ∈Θ}\mathbb{P}^*(Y) \in \mathcal{M}=\{\mathbb{P}_\theta(Y) :\theta \in \Theta\} Sin embargo, en la mayoría de las …
3
Redes neuronales profundas: ¿solo para clasificar imágenes?
Todos los ejemplos que encontré usando creencias profundas o redes neuronales convolucionales las usan para la clasificación de imágenes, detección de caracteres o reconocimiento de voz. ¿Las redes neuronales profundas también son útiles para las tareas de regresión clásicas, donde las características no están estructuradas (por ejemplo, no están organizadas …
3
¿Cómo hacer un aumento de datos y una división de validación de trenes?
Estoy haciendo clasificación de imágenes usando el aprendizaje automático. Supongamos que tengo algunos datos de entrenamiento (imágenes) y los dividiré en conjuntos de entrenamiento y validación. Y también quiero aumentar los datos (producir nuevas imágenes de las originales) mediante rotaciones aleatorias e inyección de ruido. El aumento se realiza sin …
3
¿Qué algoritmos rápidos existen para calcular SVD truncada?
Posiblemente fuera de tema aquí, pero ya existen varias ( una , dos ) preguntas relacionadas. Escudriñar la literatura (o una búsqueda en Google de Algoritmos SVD truncados) muestra muchos documentos que usan SVD truncados de varias maneras y afirman (frustrantemente, a menudo sin citas) que existen algoritmos rápidos para …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.