Statistiche e Big Data

Domande e risposte per le persone interessate alle statistiche, all'apprendimento automatico, all'analisi dei dati, al data mining e alla visualizzazione dei dati

1
Valori P e principio di probabilità
Questa domanda è emersa in classe: se utilizziamo i valori p per valutare le ipotesi su un esperimento, a quale parte del Principio di verosimiglianza non stiamo obbedendo: sufficienza o condizionalità ? La mia intuizione sarebbe quella di dire Sufficienza , dal momento che il calcolo di un valore p …
1
Quando utilizzare la regressione Deming
Attualmente sto lavorando a un modo per trasformare due diversi valori di test del fosforo l'uno nell'altro. sfondo Esistono molti metodi (di estrazione) per misurare il fosforo disponibile nel suolo nel terreno. Paesi diversi applicano metodi diversi, quindi per confrontare la fertilità P tra paesi è necessario calcolare il valore …
1
Quale modello di apprendimento profondo può classificare categorie che non si escludono a vicenda
Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
1
Naive Bayes sta diventando più popolare? Perché?
Questo è il risultato delle tendenze di Google ottenuto per la frase "Naive Bayes" da gennaio 2004 ad aprile 2017 ( link ). Secondo questa cifra, il rapporto di ricerca di "Naive Bayes" nell'aprile 2017 è circa del 25% superiore al massimo nell'intero periodo di tempo. Ciò implica che questo …
2
Decomposizione della varianza: termine per errore di previsione al quadrato atteso meno errore irriducibile
Hastie et al. "The Elements of Statistical Learning" (2009) considera un processo di generazione di dati con e .E ( ε ) = 0 Var ( ε ) = σ 2 εY=f(X)+εY=f(X)+ε Y = f(X) + \varepsilon E(ε)=0E(ε)=0\mathbb{E}(\varepsilon)=0Var(ε)=σ2εVar(ε)=σε2\text{Var}(\varepsilon)=\sigma^2_{\varepsilon} Presentano la seguente decomposizione della variazione di polarizzazione dell'errore di previsione al …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.