Estadísticas y Big Data

Estoy tratando de simular un conjunto de datos que coincida con los datos empíricos que tengo, pero no estoy seguro de cómo estimar los errores en los datos originales. Los datos empíricos incluyen la heterocedasticidad, pero no estoy interesado en transformarlos, sino en utilizar un modelo lineal con un término …

9 r  simulation  heteroscedasticity  gamlss  dglm 

Hastie y Tibshirani mencionan en la sección 4.3.2 de su libro que en la configuración de regresión lineal, el enfoque de mínimos cuadrados es, de hecho, un caso especial de máxima verosimilitud. ¿Cómo podemos probar este resultado? PD: no ahorres detalles matemáticos.

9 regression  maximum-likelihood  least-squares 

Estoy pasando por los problemas en los problemas de asignación escrita de la clase de aprendizaje profundo de Stanford NLP http://cs224d.stanford.edu/assignment1/assignment1_soln Estoy tratando de entender la respuesta para 3a donde están buscando la derivada del vector para la palabra central. Suponga que se le da un vector de palabras pronosticado …

9 self-study  neural-networks  backpropagation  word2vec 

¿Cuál es la diferencia entre aprendizaje múltiple y reducción de dimensionalidad no lineal ? He visto que estos dos términos se usan indistintamente. Por ejemplo: http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html : El aprendizaje múltiple (a menudo también denominado reducción de dimensionalidad no lineal) persigue el objetivo de incrustar datos que originalmente se encuentran en …

9 terminology  dimensionality-reduction  manifold-learning 

Estoy ajustando un modelo de efectos mixtos con un término de spline en una aplicación donde se sabe que la tendencia a lo largo del tiempo es curvi-lineal. Sin embargo, lo que me gustaría evaluar es si la tendencia curvilínea se produce debido a la desviación individual de la linealidad, …

9 r  splines  lme4-nlme 

Estoy aprendiendo sobre bootstrapping como un medio para estimar la varianza de una estadística de muestra. Tengo una duda básica Citando de http://web.stanford.edu/class/psych252/tutorials/doBootstrapPrimer.pdf : • ¿Cuántas observaciones deberíamos volver a muestrear? Una buena sugerencia es el tamaño de muestra original. ¿Cómo podemos volver a muestrear tantas observaciones como en la …

9 sampling  bootstrap  resampling 

Quiero calcular la importancia de cada característica de entrada usando el modelo profundo. Pero solo encontré un artículo sobre la selección de características mediante el aprendizaje profundo: la selección de características profundas . Insertan una capa de nodos conectados a cada entidad directamente, antes de la primera capa oculta. Escuché …

9 feature-selection  deep-learning  deep-belief-networks  rbm 

Estoy tratando de crear un modelo reducido para predecir muchas variables dependientes (DV) (~ 450) que están altamente correlacionadas. Mis variables independientes (IV) también son numerosas (~ 2000) y altamente correlacionadas. Si utilizo el lazo para seleccionar un modelo reducido para cada salida individualmente, no tengo la garantía de obtener …

9 r  lasso  multivariate-regression 

y=β0+β1x1+ε0y=β0+β1x1+ε0y = \beta_{0} + \beta_{1}x_{1} + \varepsilon_{0} El lenguaje para describir modelos de regresión, como la regresión lineal muy simple especificada anteriormente, a menudo varía y estas variaciones a menudo conllevan cambios sutiles en los significados. Por ejemplo, la parte del modelo en el lado izquierdo de la ecuación puede …

9 regression  terminology 

Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 10 meses . Necesito aplicar la función de activación Softmax al Perceptrón multicapa en scikit. La documentación de scikit …

9 neural-networks  scikit-learn  multi-class  softmax 

Estoy tratando de implementar el modelo de mezcla gaussiana con inferencia variacional estocástica, siguiendo este artículo . Esta es la pgm de Gaussian Mixture. Según el artículo, el algoritmo completo de inferencia variacional estocástica es: Y todavía estoy muy confundido con el método para escalarlo a GMM. Primero, pensé que …

9 machine-learning  bayesian  clustering  gaussian-mixture  variational-bayes 

Tengo un conjunto de datos con el siguiente formato. Hay un resultado binario cáncer / no cáncer. Todos los médicos del conjunto de datos han visto a cada paciente y han emitido un juicio independiente sobre si el paciente tiene cáncer o no. Luego, los doctores dan su nivel de …

9 forecasting  binary-data  psychometrics 

Estoy leyendo esta preimpresión en papel , y tengo dificultades para seguir su derivación de las ecuaciones para la regresión del proceso gaussiano. Utilizan la configuración y la notación de Rasmussen y Williams . Por lo tanto, se supone un aditivo, de media cero, estacionario y normalmente distribuido con varianza …

9 regression  bayesian  gaussian-process 

Los estadísticos bayesianos sostienen que "las estadísticas bayesianas pueden estimar parámetros que son muy difíciles de estimar mediante métodos frecuentistas". ¿La siguiente cita tomada de esta documentación de SAS dice lo mismo? Proporciona inferencias que son condicionales a los datos y son exactas, sin depender de la aproximación asintótica. La …

9 bayesian  inference  sas  frequentist 

Tengo un conjunto de datos de imágenes anchas: 1760x128. He leído tutoriales y libros, y la mayoría de ellos declaran que las imágenes de entrada deben ser cuadradas y, si no, se transforman en cuadradas para que se entrenen en CNN ya entrenadas (en imágenes cuadradas). ¿Hay alguna forma de …

9 conv-neural-network