Statistiche e Big Data

1

Che cos'è la classificazione temporale dei connessionisti (CTC)?

Sto cercando di realizzare un progetto di riconoscimento ottico dei caratteri (OCR). Dopo aver fatto qualche ricerca mi sono imbattuto in un'architettura che sembra interessante: CNN + RNN + CTC. Ho familiarità con le reti neurali contorte (CNN) e le reti neurali ricorrenti (RNN), ma cos'è la classificazione temporale dei …

15 machine-learning deep-learning conv-neural-network rnn

2

Perché è necessario ridimensionare i dati in KNN

Qualcuno potrebbe spiegarmi perché è necessario normalizzare i dati quando si utilizzano i vicini K più vicini. Ho provato a cercarlo, ma non riesco ancora a capirlo. Ho trovato il seguente link: https://discuss.analyticsvidhya.com/t/why-it-is-necessary-to-normalize-in-knn/2715 Ma in questa spiegazione, non capisco perché un intervallo più ampio in una delle funzionalità influisca sulle …

15 k-nearest-neighbour

3

Zero distribuzioni gonfiate, che cosa sono veramente?

Sto lottando per capire distribuzioni gonfiate zero. Quali sono? Qual e il punto? Se avessi dati con molti zeri, allora potrei adattarmi a una regressione logistica prima calcolare la probabilità di zeri, quindi potrei rimuovere tutti gli zeri e quindi adattare una regressione regolare usando la mia scelta di distribuzione …

15 zero-inflation

6

Perché dovremmo mescolare i dati durante l'allenamento di una rete neurale?

Nell'allenamento mini-batch di una rete neurale, ho sentito che un'importante pratica è quella di mescolare i dati di allenamento prima di ogni epoca. Qualcuno può spiegare perché il mescolamento ad ogni epoca aiuta? Dalla ricerca su Google, ho trovato le seguenti risposte: aiuta l'addestramento a convergere velocemente impedisce qualsiasi pregiudizio …

15 neural-networks

2

Come spiegheresti Moment Generating Function (MGF) in parole povere?

Che cos'è una funzione di generazione del momento (MGF)? Puoi spiegarlo in parole povere e con un esempio semplice e facile? Per favore, limitare il più possibile l'uso delle notazioni matematiche formali.

15 moments intuition mgf

1

Perché è importante includere un termine di correzione della distorsione per l'ottimizzatore Adam per Deep Learning?

Stavo leggendo dell'ottimizzatore Adam per Deep Learning e mi sono imbattuto nella frase seguente nel nuovo libro Deep Learning di Begnio, Goodfellow e Courtville: Adam include correzioni di bias alle stime sia dei momenti del primo ordine (il termine momentum) sia dei momenti (non centrati) del secondo ordine per tenere …

15 machine-learning neural-networks optimization conv-neural-network adam

2

Differenza tra la selezione di funzioni in base a "regressione F" e in base ai valori di

Il confronto delle funzionalità utilizza F-regressionle stesse funzionalità correlate con l'etichetta individualmente e l'osservazione del valore ?R2R2R^2 Ho visto spesso i miei colleghi utilizzare una F regressionselezione di funzionalità nella loro pipeline di machine learning da sklearn: sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)` Alcuni, per favore, mi dicono: perché fornisce gli stessi risultati della semplice …

15 feature-selection python scikit-learn r-squared f-test

1

La maledizione della dimensionalità influenza alcuni modelli più di altri?

I luoghi che ho letto sulla maledizione della dimensionalità lo spiegano congiuntamente a kNN e ai modelli lineari in generale. Vedo regolarmente i migliori ranghi di Kaggle usando migliaia di funzionalità nel set di dati che difficilmente ha 100.000 punti dati. Usano principalmente alberi potenziati e NN, tra gli altri. …

15 neural-networks svm k-means k-nearest-neighbour high-dimensional

1

Cosa ci dice la dimensione VC del deep learning?

Nell'apprendimento automatico di base ci vengono insegnate le seguenti "regole pratiche": a) la dimensione dei tuoi dati dovrebbe essere almeno 10 volte la dimensione della dimensione VC del tuo set di ipotesi. b) una rete neurale con connessioni N ha una dimensione VC di circa N. Quindi, quando una rete …

15 machine-learning neural-networks deep-learning vc-dimension

2

Perché lrtest () non corrisponde ad anova (test = "LRT")

Stavo cercando modi per fare un test del rapporto di verosimiglianza in R per confrontare gli adattamenti del modello. L'ho prima codificato da solo, quindi ho trovato sia la anova()funzione predefinita che anche lrtest()nel lmtestpacchetto. Quando ho controllato, però, anova()produce sempre un valore p leggermente diverso dagli altri due anche …

15 r anova likelihood-ratio

1

La regressione logistica di glmnet può gestire direttamente le variabili fattoriali (categoriche) senza la necessità di variabili fittizie? [chiuso]

Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 3 anni fa . Sto costruendo una regressione logistica in R usando il metodo LASSO con le funzioni cv.glmnetper selezionare il …

15 r logistic categorical-data lasso glmnet

1

Relazione tra gamma e distribuzione chi-quadro

Se Y= ∑i = 1NX2ioY=∑i=1NXi2Y=\sum_{i=1}^{N}X_i^2 dove Xio∼ N( 0 , σ2)Xi∼N(0,σ2)X_i \sim \mathcal{N}(0,\sigma^2) , ovvero tutte le XioXiX_i sono le normali variabili casuali di zero significano con le stesse varianze, allora Y∼ Γ ( N2, 2 σ2) .Y∼Γ(N2,2σ2).Y \sim \Gamma\left(\frac{N}{2},2\sigma^2\right). So che la distribuzione del chi quadrato è un caso …

15 chi-squared gamma-distribution

1

Trasforma i dati in media desiderata e deviazione standard

Sto cercando un metodo per trasformare il mio set di dati dalla sua attuale media e deviazione standard in una media target e una deviazione standard target. Fondamentalmente, voglio ridurre / espandere la dispersione e ridimensionare tutti i numeri in una media. Non funziona fare due trasformazioni lineari separate, una …

15 data-transformation standard-deviation mean

3

Differenza nell'uso del gradiente e del gradiente normalizzati

Nell'impostazione generale dell'algoritmo di discesa gradiente, abbiamo dove x n è il punto corrente, η è la dimensione del gradino e g r a d i e n t x n è il gradiente valutato in x n . Xn + 1= xn- η∗ gr a dIo E n tXnxn+1=xn−η∗gradientxnx_{n+1} …

15 algorithms optimization

2

Qual è una buona distribuzione precedente per i gradi di libertà nella distribuzione?

Voglio utilizzare alla distribuzione per modellare i rendimenti degli asset a breve intervallo in un modello bayesiano. Vorrei stimare entrambi i gradi di libertà (insieme ad altri parametri nel mio modello) per la distribuzione. So che i rendimenti delle attività sono abbastanza non normali, ma non ne so molto oltre. …

15 distributions bayesian modeling prior