Statistiche e Big Data

2

Qual è la logica della funzione di covarianza di Matérn?

La funzione di covarianza di Matérn è comunemente usata come funzione del kernel nel processo gaussiano. È definito così Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} dove è una funzione di distanza (come la …

19 spatial gaussian-process kernel-trick

4

Il problema dell'albero magico dei soldi

Ho pensato a questo problema sotto la doccia, è stato ispirato da strategie di investimento. Diciamo che c'era un albero di soldi magici. Ogni giorno, puoi offrire una somma di denaro all'albero dei soldi e lo triplicherà o lo distruggerà con probabilità 50/50. Noterai immediatamente che in media guadagnerai facendo …

19 probability mathematical-statistics econometrics random-walk martingale

1

Come campionare dalla distribuzione Cantor?

Quale sarebbe il modo migliore per campionare dalla distribuzione Cantor ? Ha solo cdf e non possiamo invertirlo.

19 distributions simulation random-generation

6

L'ottimizzazione dell'iperparametro su un campione di set di dati è una cattiva idea?

Ho un set di dati di 140000 esempi e 30 funzionalità per le quali sto addestrando diversi classificatori per una classificazione binaria (SVM, Regressione logistica, Foresta casuale ecc.) In molti casi l'ottimizzazione dell'iperparametro sull'intero set di dati utilizzando la ricerca Grid o Random è troppo dispendiosa in termini di tempo. …

19 machine-learning cross-validation hyperparameter

2

Cosa fanno i layer completamente connessi nelle CNN?

Comprendo i livelli convoluzionali e di raggruppamento, ma non riesco a vedere il motivo di un livello completamente connesso nelle CNN. Perché il livello precedente non è collegato direttamente al livello di output?

19 neural-networks deep-learning conv-neural-network

2

Metodologia di previsione VAR

Sto costruendo un modello VAR per prevedere il prezzo di una risorsa e vorrei sapere se il mio metodo è statisticamente valido, se i test che ho incluso sono pertinenti e se ne sono necessari altri per garantire una previsione affidabile basata sulle mie variabili di input. Di seguito è …

19 r forecasting modeling var

3

Qual è la differenza tra un campo casuale Markov e un campo casuale condizionale?

Se aggiusto i valori dei nodi osservati di un MRF, diventa un CRF?

19 probability graphical-model graph-theory conditional-random-field markov-random-field

4

Il modo migliore per affrontare l'eteroscedasticità?

Ho una trama di valori residui di un modello lineare in funzione dei valori adattati in cui l'eteroscedasticità è molto chiara. Tuttavia non sono sicuro di come procedere ora perché, per quanto ho capito, questa eteroscedasticità rende il mio modello lineare non valido. (È giusto?) Usa un robusto raccordo lineare …

19 r generalized-linear-model heteroscedasticity lm

1

Bontà di adattamento e quale modello scegliere la regressione lineare o Poisson

Ho bisogno di un consiglio riguardo a due dilemmi principali nella mia ricerca, che è un caso studio di 3 grandi prodotti farmaceutici e innovazione. Il numero di brevetti all'anno è la variabile dipendente. Le mie domande sono Quali sono i criteri più importanti per un buon modello? Cosa è …

19 regression generalized-linear-model linear-model goodness-of-fit poisson-regression

3

Possono esserci più soluzioni ottimali locali quando risolviamo una regressione lineare?

Ho letto questa affermazione su un vecchio esame vero / falso: Siamo in grado di ottenere soluzioni ottimali locali multiple se risolviamo un problema di regressione lineare riducendo al minimo la somma degli errori al quadrato mediante la discesa del gradiente. Soluzione: falsa La mia domanda è: quale parte di …

19 least-squares gradient-descent convex

5

Come ricodificare la variabile categoriale in variabile numerica quando si utilizza SVM o Neural Network

Per utilizzare SVM o la rete neurale è necessario trasformare (codificare) le variabili categoriali in variabili numeriche, il metodo normale in questo caso è utilizzare 0-1 valori binari con il k-esimo valore categoriale trasformato in (0,0, .. ., 1,0, ... 0) (1 è sulla posizione k-esima). Esistono altri metodi per …

19 machine-learning neural-networks categorical-data svm categorical-encoding

11

Perché la regressione logistica è chiamata algoritmo di apprendimento automatico?

Se ho capito bene, in un algoritmo di apprendimento automatico, il modello deve imparare dalla sua esperienza, ovvero quando il modello fornisce una previsione errata per i nuovi casi, deve adattarsi alle nuove osservazioni e, nel tempo, il modello diventa sempre più migliore . Non vedo che la regressione logistica …

19 machine-learning logistic random-forest

2

Modelli di equazioni strutturali (SEM) contro reti bayesiane (BN)

La terminologia qui è un casino. L '"equazione strutturale" è vaga quanto il "ponte architettonico" e la "rete bayesiana" non è intrinsecamente bayesiana . Ancora meglio, la dea della causalità Judea Pearl afferma che le due scuole di modelli sono quasi identiche. Quindi, quali sono le differenze importanti? (Incredibile per …

19 sem bayesian-network causality

3

Perché la distribuzione t diventa più normale all'aumentare della dimensione del campione?

Come da Wikipedia, capisco che la distribuzione t è la distribuzione campionaria del valore t quando i campioni sono osservati da una popolazione normalmente distribuita. Tuttavia, non capisco intuitivamente il motivo per cui ciò fa sì che la forma della distribuzione a T cambi da coda grassa a quasi perfettamente …

19 normal-distribution t-distribution

1

Tracciare e interpretare la regressione logistica ordinale

Ho una variabile dipendente ordinale, facilità, che varia da 1 (non facile) a 5 (molto facile). L'aumento dei valori dei fattori indipendenti è associato ad un aumento del grado di facilità. Due delle mie variabili indipendenti ( condAe condB) sono categoriche, ognuna con 2 livelli e 2 ( abilityA, abilityB) …

19 r regression logistic interpretation ordered-logit