Estadísticas y Big Data

¿Alguien puede decirme cuál es el nombre de este tipo de diagrama (si lo hay)? ¿Alguien puede sugerir alguna herramienta, por simple que sea, para trazar un diagrama así?

10 categorical-data  proportion 

El sistema de calificación Elo utiliza un algoritmo de minimización de descenso de gradiente de la función de pérdida de entropía cruzada entre la probabilidad esperada y observada de un resultado en comparaciones pareadas. Podemos escribir las funciones de pérdida general como mi= - ∑n , ipagyoL o g( qyo)E=−∑n,ipiLog(qi) …

10 regression  optimization  rating 

¿Cuándo se querría realizar un recorte de gradiente al entrenar un RNN o CNN? Estoy especialmente interesado en lo último. ¿Cuál sería un buen valor inicial para el recorte? (por supuesto, se puede ajustar)

10 deep-learning 

Tome una expectativa de la forma para alguna variable aleatoria univariada y una función completa (es decir, el intervalo de convergencia es toda la línea real)E(f(X))E(f(X))E(f(X))XXXf(⋅)f(⋅)f(\cdot) Tengo una función de generación de momentos para y, por lo tanto, puedo calcular fácilmente momentos enteros. Use una serie de Taylor alrededor de …

10 expected-value  approximation 

Me preguntaba si era posible entrenar un SVM (digamos uno lineal, para facilitar las cosas) usando la propagación hacia atrás. Actualmente, estoy en un obstáculo, porque solo puedo pensar en escribir la salida del clasificador como f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b))f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b)) f(\mathbf{x};\theta,b) = \text{sgn}(\theta\cdot\mathbf{x} - (b+1)) = \text{sgn}(g(\mathbf{x};\theta,b)) Por lo tanto, cuando intentamos calcular …

10 machine-learning  neural-networks  svm  gradient-descent  backpropagation 

Tengo un conjunto de datos que consta de 10 variables. Ejecuté mínimos cuadrados parciales (PLS) para predecir una variable de respuesta única por estas 10 variables, extraje 10 componentes PLS y luego calculé la varianza de cada componente. En los datos originales tomé la suma de las varianzas de todas …

10 regression  pca  covariance-matrix  partial-least-squares 

Quiero comparar 2 medias de muestra para devoluciones de existencias de 1 minuto. Supongo que están distribuidos en Laplace (ya marcados) y dividí los retornos en 2 grupos. ¿Cómo puedo verificar si son significativamente diferentes? Creo que no puedo tratarlos como una distribución Normal, porque a pesar de que son …

10 r  confidence-interval  laplace-distribution 

En una configuración binomial, la variable aleatoria, X, que da el número de éxitos se distribuye binomialmente. La proporción de la muestra se puede calcular como dondenes el tamaño de su muestra. Mi libro de texto dice queXnorteXn\frac{X}{n}nortenn Esta proporción no tiene una distribución binomial. sin embargo desde es simplemente …

10 distributions  binomial  proportion  sample 

Dadas dos distribuciones continuas FXFX\mathcal{F}_X y , no me queda claro si la relación de dominio convexo entre ellas:FYFY\mathcal{F}_Y ( 0 )FX&lt;CFY(0 0)FX&lt;CFY(0)\quad \mathcal{F}_X <_c \mathcal{F}_Y implica que ( 1 )F- 1Y( q) ≤ F- 1X( q) ,∀ q∈ [ 0.5 , 1 ](1)FY-1(q)≤FX-1(q),∀q∈[0.5 0.5,1](1)\quad F_Y^{-1}(q) \leq F_X^{-1}(q),\quad \forall q\in[0.5,1] …

10 probability  probability-inequalities  distributions 

Si es decir, X∈Rn, X∼N(0–,σ2I)X∈Rn, X∼N(0_,σ2I)X\in\mathbb{R}^n,~X\sim \mathcal{N}(\underline{0},\sigma^2\mathbf{I})fX(x)=1(2πσ2)n/2exp(−||x||22σ2)fX(x)=1(2πσ2)n/2exp⁡(−||x||22σ2) f_X(x) = \frac{1}{{(2\pi\sigma^2)}^{n/2}} \exp\left(-\frac{||x||^2}{2\sigma^2}\right) Quiero una versión análoga de una distribución normal truncada en un caso multivariante. Más precisamente, quiero generar una norma restringida (a un valor ≥a≥a\geq a ) Gaussiano multivariante YYY st fY(y)={c.fX(y), if ||y||≥a0, otherwise .fY(y)={c.fX(y), if ||y||≥a0, otherwise . …

10 normal-distribution  simulation  random-generation 

La prueba de Durbin-Watson prueba la autocorrelación de residuos en el retraso 1. Pero también lo hace la prueba de la autocorrelación en el retraso 1 directamente. Además, puede probar la autocorrelación en el retraso 2,3,4 y hay buenas pruebas de portmanteau para la autocorrelación en varios retrasos, y obtener …

10 time-series  autocorrelation 

¿La ponderación basada en la precisión es central para el metanálisis? Borenstein y col. (2009) escriben que para que el metanálisis sea posible, todo lo que se necesita es que: Los estudios informan una estimación puntual que se puede expresar como un solo número. La varianza se puede calcular para …

10 variance  sample-size  missing-data  meta-analysis 

En la lmerfunción dentro lme4de Rhay una llamada para la construcción de una matriz de modelo de efectos aleatorios, , como se explica aquí , páginas 7 - 9.ZZZ El cálculo de implica productos de KhatriRao y / o Kronecker de dos matrices, y . ZZZJyoJyoJ_iXyoXyoX_i La matriz es un …

10 r  mixed-model  lme4-nlme  matrix 

Entiendo que las redes neuronales (NN) pueden considerarse aproximadores universales a ambas funciones y sus derivadas, bajo ciertos supuestos (tanto en la red como en la función para aproximar). De hecho, he realizado una serie de pruebas en funciones simples pero no triviales (p. Ej., Polinomios), y parece que realmente …

10 machine-learning  neural-networks  function  derivative 

Estoy trabajando en un problema en el que necesito usar Kriging para predecir el valor de algunas variables en función de algunas variables circundantes. Quiero implementar su código por mí mismo. Entonces, revisé demasiados documentos para entender cómo funciona, pero estaba muy confundido. En general, entiendo que es un promedio …

10 spatial  interpolation  kriging