Estadísticas y Big Data

Entiendo cómo funciona la convolución, pero no entiendo cómo se aplican las convoluciones 1D a los datos 2D. En este ejemplo, puede ver una convolución 2D en datos 2D. Pero, ¿cómo sería si hubiera una convolución 1D? ¿Solo un kernel 1D deslizándose de la misma manera? ¿Y si el paso …

9 conv-neural-network 

Todos sabemos que los generadores de números aleatorios en las computadoras no generan números aleatorios verdaderos, sino que generan números pseudoaleatorios. Además, algunos RNG son mejores que otros, y algunos se implementan mejor que otros. ¿Cuáles son algunos ejemplos de cuando se ha utilizado un RNG deficiente o un RNG …

9 random-generation  history 

¿Cómo asigno más peso a las observaciones más recientes en R? Supongo que esto es una pregunta o deseo común, pero me resulta difícil descubrir exactamente cómo implementar esto. He intentado buscar mucho para esto, pero no puedo encontrar un buen ejemplo práctico. En mi ejemplo, tendría un gran conjunto …

9 r  time-series  regression  random-forest 

Usando R en algunos datos e intentando ver si mis datos son o no heteroscedásticos, he encontrado dos implementaciones de la prueba Breusch-Pagan, bptest (package lmtest) y ncvTest (package car). Sin embargo, estos producen resultados diferentes. ¿Cuál es la diferencia entre los dos? ¿Cuándo debería elegir usar uno u otro? …

9 r  regression  heteroscedasticity  assumptions  breusch-pagan 

En modelos de series de tiempo, como ARMA-GARCH, para seleccionar el retraso u orden apropiado del modelo, se utilizan diferentes criterios de información, como AIC, BIC, SIC, etc. Mi pregunta es muy simple, ¿por qué no usamos ajustado para elegir el modelo apropiado? Podemos seleccionar un modelo que conduzca a …

9 regression  time-series  model-selection  aic  bic 

El problema es: Derive el gradiente con respecto a la capa de entrada para una sola red neuronal de capa oculta usando sigmoide para entrada -> oculto, softmax para oculto -> salida, con una pérdida de entropía cruzada. Puedo pasar la mayor parte de la derivación usando la regla de …

9 neural-networks  gradient 

De acuerdo con "Efficient Backprop" de LeCun et al (1998) , es una buena práctica normalizar todas las entradas para que estén centradas alrededor de 0 y se encuentren dentro del rango de la segunda derivada máxima. Entonces, por ejemplo, usaríamos [-0.5,0.5] para la función "Tanh". Esto es para ayudar …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling 

¿Cómo puedo encontrar una expresión analítica en el siguiente problema?D ( n , l , L )D(n,l,L)D(n,l,L) Caigo aleatoriamente "barras" de longitud en un intervalo . Las "barras" pueden superponerse. Me gustaría encontrar la longitud total media del intervalo ocupada por al menos una "barra".nortennlll[ 0 , L ][0,L][0,L]rereD[ 0 …

9 probability  distributions 

Supongamos que tenemos la matriz de datos , que es -by- , y el vector de etiqueta , que es -by-one. Aquí, cada fila de la matriz es una observación, y cada columna corresponde a una dimensión / variable. (suponga )XX\mathbf{X}nortenortenpagpagpYYYnortenortenn > pnorte>pagn>p Entonces, ¿qué data space, variable space, observation …

9 regression  multiple-regression  terminology  geometry  biplot 

Si bien me gusta pensar que tengo una buena comprensión del concepto de información previa en el análisis estadístico bayesiano y la toma de decisiones, a menudo tengo problemas para comprender mi aplicación. Tengo en mente un par de situaciones que ejemplifican mis luchas, y siento que no se abordan …

9 bayesian  prior  rule-of-thumb  elicitation 

Espero que alguien pueda ayudar con lo que creo que es una pregunta relativamente simple, y creo que sé la respuesta, pero sin confirmación se ha convertido en algo de lo que no puedo estar seguro. Tengo algunos datos de conteo como una variable de respuesta y quiero medir cómo …

9 r  binomial  proportion  glmm  lme4-nlme 

Tengo la siguiente distribución discreta, donde son constantes conocidas:α,βα,β\alpha,\beta p ( x ; α , β) = Beta ( α + 1 , β+ x )Beta ( α , β)para x = 0 , 1 , 2 , ...pag(X;α,β)=Beta(α+1,β+X)Beta(α,β)para X=0 0,1,2,... p(x;\alpha,\beta) = \frac{\text{Beta}(\alpha+1, \beta+x)}{\text{Beta}(\alpha,\beta)} \;\;\;\;\text{for } x = 0,1,2,\dots …

9 sampling  mcmc  computational-statistics  importance-sampling  rejection-sampling 

Los valores típicos de AIC que he visto para modelos logísticos están en miles, al menos cientos. Por ejemplo, en http://www.r-bloggers.com/how-to-perform-a-logistic-regression-in-r/ el AIC es 727.39 Si bien siempre se dice que AIC debe usarse solo para comparar modelos, quería entender qué significa un valor AIC particular. Según la fórmula, AIC=−2log(L)+2KAIC=−2log⁡(L)+2KAIC= …

9 regression  model-selection  aic  accuracy 

Suponga la siguiente secuencia unidimensional: A, B, C, Z, B, B, #, C, C, C, V, $, W, A, % ... Las letras A, B, C, ..aquí representan eventos 'ordinarios'. Los símbolos #, $, %, ...aquí representan eventos 'especiales' El espacio temporal entre todos los eventos no es uniforme (cualquier …

9 time-series  deep-learning  rare-events  lstm  sequential-pattern-mining 

He estado luchando bastante para conciliar mi comprensión intuitiva de las distribuciones de probabilidad con las propiedades extrañas que poseen casi todas las topologías en las distribuciones de probabilidad. Por ejemplo, considere una variable aleatoria de mezcla : elija un gaussiano centrado en 0 con varianza 1 y con probabilidad …

9 mathematical-statistics  convergence  central-limit-theorem  topologies