Preguntas etiquetadas con nonparametric-bayes

Estoy empezando a incursionar con el uso de glmnetla LASSO regresión donde mi resultado de interés es dicotómica. He creado un pequeño marco de datos simulados a continuación: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …

78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Estoy interesado para estimar la densidad de una variable aleatoria continua . Una forma de hacerlo que aprendí es el uso de la Estimación de la densidad del núcleo.XXX Pero ahora estoy interesado en un enfoque bayesiano que siga las siguientes líneas. En principio creo que sigue una distribución . …

22 bayesian  pdf  nonparametric-bayes  dirichlet-process 

¿Hay alguna manera de realizar la regresión de proceso gaussiana en la salida multidimensional (posiblemente correlacionada) usando GPML ? En el script de demostración solo pude encontrar un ejemplo de 1D. Una pregunta similar sobre CV que aborda el caso de entrada multidimensional. Revisé su libro para ver si podía …

13 regression  machine-learning  matlab  gaussian-process  nonparametric-bayes 

Estoy leyendo este documento sobre Procesos Wishart Generalizados (GWP). El documento calcula las covarianzas entre diferentes variables aleatorias (siguiendo el Proceso Gaussiano ) utilizando la función de covarianza exponencial al cuadrado, es decir, . Luego dice que esta matriz de covarianza sigue a GWP.K(x,x′)=exp(−|(x−x′)|22l2)K(x,x′)=exp⁡(−|(x−x′)|22l2)K(x,x') = \exp\left(-\frac{|(x-x')|^2}{2l^2}\right) Solía ​​pensar que una …

11 machine-learning  normal-distribution  covariance  wishart  nonparametric-bayes 

Configuración del problema Uno de los primeros problemas con los juguetes a los que quería aplicar PyMC es la agrupación no paramétrica: dado algunos datos, modelarlo como una mezcla gaussiana y conocer el número de grupos y la media y covarianza de cada grupo. La mayor parte de lo que …

10 bayesian  clustering  python  pymc  nonparametric-bayes 

El Proceso de Dirichlet y el Proceso Gaussiano a menudo se denominan "distribuciones sobre funciones" o "distribuciones sobre distribuciones". En ese caso, ¿puedo hablar significativamente sobre la densidad de una función en un GP? Es decir, ¿el Proceso Gaussiano o el Proceso de Dirichlet tienen alguna noción de densidad de …

10 machine-learning  probability  bayesian  nonparametric  nonparametric-bayes 

Actualmente estoy viendo un documento del modelo de efectos aleatorios del proceso de Dirichlet y la especificación del modelo es la siguiente: dondeαes el parámetro de escala yG0es la medida base. Más adelante en el artículo, sugiere que integremos una función sobre la medida baseG0como ∫f(y j |θ,ψ j )yyoψyosol= …

9 bayesian  dirichlet-distribution  dirichlet-process  nonparametric-bayes  measure-theory 

Me gustaría entender este tema, pero aprender de los libros blancos y los tutoriales es difícil porque hay muchas lagunas que generalmente se llenan en los libros de texto. Si es importante, tengo una base matemática relativamente sólida como lo hice con mi Ph.D. en matemática aplicada (CFD para ser …

9 bayesian  nonparametric  references  nonparametric-bayes 

La mayor parte de esto es de fondo, salte al final si ya sabe lo suficiente sobre las mezclas de proceso de Dirichlet . Supongamos que estoy modelando algunos datos como provenientes de una mezcla de procesos de Dirichlet, es decir, deje que y condicional en supongaF Y i i …

9 bayesian  nonparametric-bayes