Preguntas etiquetadas con mse

Los estimadores de máxima verosimilitud (MLE) son asintóticamente eficientes; vemos el resultado práctico en que a menudo les va mejor que las estimaciones del método de momentos (MoM) (cuando difieren), incluso con tamaños de muestra pequeños Aquí 'mejor que' significa en el sentido de tener típicamente una varianza menor cuando …

57 estimation  maximum-likelihood  mse  method-of-moments  efficiency 

Estoy ejecutando la clasificación en Weka para un determinado conjunto de datos y he notado que si estoy tratando de predecir un valor nominal, la salida muestra específicamente los valores predichos de forma correcta e incorrecta. Sin embargo, ahora lo estoy ejecutando para un atributo numérico y el resultado es: …

41 machine-learning  error  weka  mse  rms 

Mirando las definiciones de Wikipedia de: Error Cuadrático Medio (MSE) Suma residual de cuadrados (RSS) Me parece que MSE=1NRSS=1N∑(fi−yi)2MSE=1NRSS=1N∑(fi−yi)2\text{MSE} = \frac{1}{N} \text{RSS} = \frac{1}{N} \sum (f_i -y_i)^2 donde es el número de muestras y es nuestra estimación de .NNNfifif_iyiyiy_i Sin embargo, ninguno de los artículos de Wikipedia menciona esta relación. …

31 residuals  mse 

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 2 años . Estoy usando caret para ejecutar un bosque aleatorio validado cruzado sobre un conjunto de datos. La …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Al demostrar que MSE se puede descomponer en varianza más el cuadrado de Bias, la prueba en Wikipedia tiene un paso, resaltado en la imagen. ¿Como funciona esto? ¿Cómo se empuja la expectativa al producto desde el tercer paso hasta el cuarto paso? Si los dos términos son independientes, ¿no …

23 random-variable  expected-value  mse 

Estoy experimentando un poco de autoencoders, y con tensorflow creé un modelo que intenta reconstruir el conjunto de datos MNIST. Mi red es muy simple: X, e1, e2, d1, Y, donde e1 y e2 son capas de codificación, d2 e Y son capas de decodificación (e Y es la salida …

21 mse  autoencoders  tensorflow  cross-entropy 

Estoy leyendo el capítulo de equilibrio de sesgo-varianza de Los elementos del aprendizaje estadístico y tengo dudas en la fórmula de la página 29. Deje que los datos surjan de un modelo tal que donde es aleatorio número con valor esperado y varianza . Supongamos que el valor esperado de …

20 machine-learning  unbiased-estimator  mse  bias-variance-tradeoff 

MAD = Desviación absoluta media MSE = Error cuadrado medio He visto sugerencias de varios lugares sobre el uso de MSE a pesar de algunas cualidades indeseables (por ejemplo , http://www.stat.nus.edu.sg/~staxyc/T12.pdf , que establece en p8 "Se cree comúnmente que MAD es un criterio mejor que MSE. Sin embargo, matemáticamente …

15 forecasting  error  mse  mae 

Supongamos que tenemos dos estimadores α1α1\alpha_1 y α2α2\alpha_2 para algún parámetro xxx . Para determinar qué estimador es "mejor", ¿miramos el MSE (error cuadrático medio)? En otras palabras, nos fijamos en MSE=β2+σ2MSE=β2+σ2MSE = \beta^2+ \sigma^2 donde ββ\beta es el sesgo del estimador y σ2σ2\sigma^2 es la varianza del estimador? ¿Cuál …

13 estimation  mse 

Tengo varias series de tiempo en un VAR (1) y, debido a que algunas de ellas no tienen la misma unidad de medida, me gustaría estimar el RMSE en porcentaje. Sé que se podría hacer de varias maneras (ver a continuación), pero no sé exactamente cuál es el que mejor …

10 time-series  mse  rms 

Estoy leyendo el teorema de Guass-Markov en Wikipedia , y esperaba que alguien pudiera ayudarme a descubrir el punto principal del teorema. Suponemos un modelo lineal, en forma de matriz, está dada por: y que estamos buscando la BLUE, β .y=Xβ+ηy=Xβ+η y = X\beta +\eta βˆβ^ \widehat\beta De acuerdo con …

9 regression  least-squares  mse  blue 

Supongamos que reemplazamos la función de pérdida de la regresión logística (que normalmente es log-verosimilitud) con el MSE. Es decir, que la razón de probabilidad logarítmica sea una función lineal de los parámetros, pero minimice la suma de las diferencias al cuadrado entre la probabilidad estimada y el resultado (codificado …

9 logistic  maximum-likelihood  unbiased-estimator  mse 

Como hablante de inglés no nativo, me preguntaba cuál de las expresiones cuadradas o cuadradas debería usar. Por ejemplo, en medio de la plaza de error o de media al cuadrado de error. Según Internet, parece que ambas formas se usan indistintamente. ¿Es una expresión más cuadrada que la otra?

9 terminology  mse 

TL; DR (demasiado largo, no leído): Estoy trabajando en un problema de predicción de series temporales, que formulo como un problema de regresión usando Deep Learning (keras). Quiero optimizar la correlación de Pearson entre mi predicción y las etiquetas verdaderas. Estoy confundido por el hecho de que usar MSE como …

8 machine-learning  deep-learning  loss-functions  pearson-r  mse