Preguntas etiquetadas con numerics

Usualmente escucho sobre "mínimos cuadrados ordinarios". ¿Es ese el algoritmo más utilizado para la regresión lineal? ¿Hay razones para usar una diferente?

42 regression  least-squares  algorithms  computational-statistics  numerics 

Estoy estudiando PCA del curso Coursera de Andrew Ng y otros materiales. En el curso de Stanford NLP, la primera asignación de cs224n , y en el video de la conferencia de Andrew Ng , hacen una descomposición de valores singulares en lugar de la descomposición de vectores propios de …

29 pca  linear-algebra  svd  eigenvalues  numerics 

¿Cuál es la mejor manera de calcular la descomposición de valores singulares (SVD) de una matriz positiva muy grande (65M x 3.4M) donde los datos son extremadamente escasos? Menos del 0.1% de la matriz no es cero. Necesito una forma que: cabe en la memoria (sé que existen métodos en …

26 svd  numerics 

Observo un comportamiento muy extraño en el resultado SVD de datos aleatorios, que puedo reproducir tanto en Matlab como en R. Parece un problema numérico en la biblioteca LAPACK; ¿Lo es? Extraigo muestras de la Gaussiana dimensional con media cero y covarianza de identidad: . Les reunir en un datos …

21 pca  svd  linear-algebra  numerics 

Hace poco leí el libro de Skillicorn sobre descomposiciones de matrices, y me decepcionó un poco, ya que estaba dirigido a un público universitario. Me gustaría compilar (para mí y para otros) una breve bibliografía de documentos esenciales (encuestas, pero también documentos innovadores) sobre descomposiciones de matrices. Lo que tengo …

18 matrix-decomposition  svd  numerics 

Supongamos que tengo una matriz densa de tamaño m × n , con descomposición SVD A = U S V ⊤ . En puedo calcular la SVD de la siguiente manera: .AA \textbf{A}m×nm×nm \times nA=USV⊤.A=USV⊤.\mathbf{A}=\mathbf{USV}^\top.Rsvd(A) Si se agrega una nueva fila a A , ¿se puede calcular la nueva descomposición …

17 algorithms  svd  linear-algebra  matrix-decomposition  numerics 

El artículo de Wikipedia sobre análisis de componentes principales establece que Existen algoritmos eficientes para calcular la SVD de sin tener que formar la matriz , por lo que calcular la SVD es ahora la forma estándar de calcular un análisis de componentes principales a partir de una matriz de …

17 pca  algorithms  svd  numerics 

Posiblemente fuera de tema aquí, pero ya existen varias ( una , dos ) preguntas relacionadas. Escudriñar la literatura (o una búsqueda en Google de Algoritmos SVD truncados) muestra muchos documentos que usan SVD truncados de varias maneras y afirman (frustrantemente, a menudo sin citas) que existen algoritmos rápidos para …

14 algorithms  svd  numerics 

TL; DR: la lme4optimización parece ser lineal en la cantidad de parámetros del modelo por defecto, y es mucho más lenta que un glmmodelo equivalente con variables ficticias para grupos. ¿Hay algo que pueda hacer para acelerarlo? Estoy tratando de ajustar un modelo logit jerárquico bastante grande (~ 50k filas, …

12 r  mixed-model  optimization  lme4-nlme  numerics 

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 . Esperando el próximo curso de Andrew Ng en Coursera, estoy tratando de programar en Python un …

11 softmax  numerics 

Traté de implementar una estimación numérica de la divergencia Kullback-Leibler para dos muestras. Para depurar la implementación, extraiga las muestras de dos distribuciones normales y .N ( 1 , 2 )norte( 0 , 1 )N(0,1)\mathcal N (0,1)norte( 1 , 2 )N(1,2)\mathcal N (1,2) Para una estimación simple, generé dos histogramas …

10 estimation  intuition  kullback-leibler  numerics 

Estoy buscando agrupar / fusionar nodos en un gráfico usando la agrupación de gráficos en 'r'. Aquí hay una variación asombrosamente juguetona de mi problema. Hay dos "grupos" Hay un "puente" que conecta los grupos Aquí hay una red de candidatos: Cuando miro la distancia de conexión, el "conteo", si …

10 r  clustering  data-visualization  numerics 

Motivación : estoy escribiendo un estimador de estado en MATLAB (el filtro de Kalman sin perfume), que requiere la actualización de la raíz cuadrada (triangular superior) de una matriz de covarianza en cada iteración (es decir, para una matriz de covarianza , es cierto que ). Para poder realizar los …

9 matlab  covariance-matrix  numerics 

El problema proviene de la página 377-379 de este [0] documento. Dada una distribución continua y una fija , considere:FFFz∈Rz∈Rz\in\mathbb{R} Lz(t)=PF(|z−Z|≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) y H(z)=L−1z(0.5)=medZ∼F|z−Z|H(z)=Lz−1(0.5)=medZ∼F|z−Z|H(z)=L^{-1}_z(0.5)=\underset{Z\sim F}{\mbox{med}}|z-Z| donde es el inverso continuo correcto. Entonces, para una z fija , esta es la distancia media de todos los Z \ sim F a …

8 mathematical-statistics  quantiles  cdf  numerics  quantile-function 

Supongamos que tengo una función como: f <- function(x){ exp(x) / (1 + exp(x)) } se supone que funciona para cualquier valor real de x, pero en realidad devuelve NaN cuando x es 710 o mayor. Me pregunto cuál es la forma correcta de manejar este problema. Me doy cuenta …

8 r  function  numerics