Estadísticas y Big Data

En "Aprendizaje automático: una perspectiva probabilística" de Kevin Murphy, capítulo 3.2, el autor demuestra el concepto de aprendizaje bayesiano en un ejemplo llamado "juego de números": después de observar muestras de , queremos escoja una hipótesis que describa mejor la regla que generó las muestras. Por ejemplo, "números pares" o …

8 self-study  bayesian  maximum-likelihood  convergence 

TLDR: ¿Las estrías de regresión de placa delgada tienen una interpretación probabilística / bayesiana? Dados pares de entrada-salida , ; Quiero estimar una función siguiente manera donde es una función del núcleo y es un vector de características de tamaño . Los coeficientes y se pueden encontrar resolviendo donde las …

8 regression  bayesian  gaussian-process  smoothing  semiparametric 

¿Es cierto lo siguiente? sesgo bajo = varianza alta sesgo alto = varianza baja Entiendo el sesgo alto y bajo, pero ¿cómo es diferente la varianza? ¿O son los sinónimos anteriores?

8 machine-learning  neural-networks  variance  sampling  bias 

No estoy seguro de lo que entiendo de la documentación oficial, que dice: Devuelve: Un par (salidas, estado) donde: outputs: El tensor de salida RNN. Si time_major == False(por defecto), esta será la forma de un tensor: [batch_size, max_time, cell.output_size]. Si time_major == True, esta será una forma Tensor: [max_time, …

8 deep-learning  lstm  tensorflow  rnn  gru 

Recientemente me encontré con un artículo fascinante sobre la predicción de futuros rendimientos del mercado de valores. El autor presenta el siguiente gráfico y cita un R ^ 2 de 0.913. Esto haría que el método del autor fuera muy superior a cualquier cosa que haya visto sobre el tema …

8 machine-learning  time-series  forecasting  predictive-models 

¿El teorema de aproximación universal para redes neuronales es válido para cualquier función de activación (sigmoide, ReLU, Softmax, etc.) o se limita a las funciones sigmoideas? Actualización: como señala shimao en los comentarios, no cumple absolutamente ninguna función. Entonces, ¿para qué clase de funciones de activación tiene?

8 neural-networks  approximation 

Estoy tirando un dado justo. ¿Cuál es la distribución de probabilidad del número de tiradas hasta que primero acumulo: 1) Cinco unidades 2) 20 ocurrencias de caras que no son una? Estoy feliz de compartir la aplicación real si eso ayudara.

8 probability  negative-binomial 

Mi objetivo final es poder tener una forma de generar un vector de tamaño de variables aleatorias de Bernoulli correlacionadas. Una forma en que estoy haciendo esto es usar el enfoque de Gaussian Coupla. Sin embargo, el enfoque de Gaussian Coupla me deja con un vector:norteNN (pags1, ... ,pagsnorte) ∈ …

8 correlation  mathematical-statistics  simulation  copula 

Esta podría ser una pregunta vaga, pero me pregunto cómo se implementa la transformación cuantil de Scikit-Learn . Me pregunto cómo se puede transformar un conjunto de datos sesgado en una distribución normal como esta . Por lo general, scikit-learn proporciona un enlace a la wiki, pero no esta transformación. …

8 data-transformation  quantiles 

He seguido tutoriales en línea para kriging espacial con ambos geoRy gstat(y también automap). Puedo realizar kriging espacial y entiendo los conceptos principales detrás de él. Sé cómo construir un semivariograma, cómo ajustarle un modelo y cómo realizar kriging ordinario. Lo que no entiendo es cómo se determinan los pesos …

8 prediction  spatial  weights  kriging 

Recientemente me he encontrado con varias fuentes "informales" que indican que, en algunas circunstancias, si usamos el AIC o el BIC para entrenar un modelo de serie temporal, no necesitamos dividir los datos en prueba y entrenamiento, podemos usar todos Los datos para el entrenamiento. (Las fuentes incluyen, entre otras, …

8 time-series  cross-validation  aic  train  bic 

Encontré la fórmula para obtener los límites superiores de confianza en el problema del bandido armado k: clnNini−−−−−√clnNinic\sqrt{\frac{\text{ln} N_i}{n_i}} donde es la cantidad de muestras que tenemos para este bandido particular y es la cantidad total de muestras que tenemos de todos los bandidos. El mismo algoritmo se usa en …

8 machine-learning  mathematical-statistics  confidence-interval  reinforcement-learning  multiarmed-bandit 

Supongamos que se le han dado algunos datos de un diseño de bloques al azar con 4 repeticiones y 23 tratamientos. Después de una inspección inicial de los datos, observa que para 8 tratamientos todas las repeticiones son idénticas, lo que obviamente es incorrecto. Después de informar el problema, se …

8 probability  anova  dataset  fraud 

Estoy buscando estimar un GLM jerárquico pero con selección de características para determinar qué covariables son relevantes a nivel de población para incluir. Supongamos que tengo grupos con observaciones y posibles covariables. Es decir, tengo una matriz de diseño de covariables , resultados \ boldsymbol {y} _ {(N \ cdot …

8 machine-learning  bayesian  feature-selection  hierarchical-bayesian  shrinkage 

Estoy leyendo un impresionante artículo introductorio de HMC del profesor Michael Betancourt, pero me quedo atascado en la comprensión de cómo hacemos para elegir la distribución del impulso. Resumen La idea básica de HMC es introducir una variable de impulso junto con la variable objetivo . Conjuntamente forman un espacio …

8 mcmc  monte-carlo  hmc