Statistiche e Big Data

1

È possibile che l'esempio bootstrap sia esattamente uguale all'esempio originale

Voglio solo controllare alcuni ragionamenti. Se il mio campione originale è di dimensione e lo avvio, allora il mio processo di pensiero è il seguente:nnn è la possibilità di eventuali osservazioni tratte dal campione originale. Per garantire che il prossimo sorteggio non sia l'osservazione precedentemente campionata, limitiamo la dimensione del …

9 sampling bootstrap sample-size subsampling

1

Genera numeri casuali dalla "distribuzione uniforme inclinata" dalla teoria matematica

Per qualche motivo, ho bisogno di generare numeri casuali (dati) dalla distribuzione "uniforme inclinata". La "pendenza" di questa distribuzione può variare in un intervallo ragionevole, e quindi la mia distribuzione dovrebbe cambiare da uniforme a triangolare in base alla pendenza. Ecco la mia derivazione: Rendiamolo semplice e generiamo i dati …

9 r distributions python random-generation uniform

1

Leggera incoerenza tra la funzione R integrata di Kruskal-Wallis e il calcolo manuale

Sono confuso da quanto segue e non sono stato in grado di trovare la risposta altrove. Sto cercando di imparare R mentre faccio alcune statistiche e, come esercizio, provo a ricontrollare i risultati delle funzioni R incorporate facendo anche queste "manualmente", per così dire, in R. Tuttavia , per il …

9 r kruskal-wallis ties

1

Relazione tra MLE e minimi quadrati in caso di regressione lineare

Hastie e Tibshirani menzionano nella sezione 4.3.2 del loro libro che nell'impostazione della regressione lineare, l'approccio dei minimi quadrati è in realtà un caso speciale di massima probabilità. Come possiamo dimostrare questo risultato? PS: non risparmia dettagli matematici.

9 regression maximum-likelihood least-squares

2

Perché non riesco a ottenere un SVD valido di X tramite decomposizione autovalore di XX 'e X'X?

Sto cercando di fare SVD a mano: m<-matrix(c(1,0,1,2,1,1,1,0,0),byrow=TRUE,nrow=3) U=eigen(m%*%t(m))$vector V=eigen(t(m)%*%m)$vector D=sqrt(diag(eigen(m%*%t(m))$values)) U1=svd(m)$u V1=svd(m)$v D1=diag(svd(m)$d) U1%*%D1%*%t(V1) U%*%D%*%t(V) Ma l'ultima riga non ritorna mindietro. Perché? Sembra avere qualcosa a che fare con i segni di questi autovettori ... O ho frainteso la procedura?

9 r svd eigenvalues

2

Simula la regressione lineare con l'eteroscedasticità

Sto cercando di simulare un set di dati che corrisponde ai dati empirici che ho, ma non sono sicuro di come stimare gli errori nei dati originali. I dati empirici includono l'eteroscedasticità, ma non mi interessa trasformarlo via, ma piuttosto usare un modello lineare con un termine di errore per …

9 r simulation heteroscedasticity gamlss dglm

1

Sfumature per skipgram word2vec

Sto attraversando i problemi dei problemi di assegnazione scritta del corso di apprendimento profondo della PNL di Stanford http://cs224d.stanford.edu/assignment1/assignment1_soln Sto cercando di capire la risposta per 3a dove stanno cercando la derivata del vettore per la parola centrale. Supponiamo che ti venga dato un vettore di parola previsto corrispondente alla …

9 self-study neural-networks backpropagation word2vec

1

Regressione lineare multivariata con lazo in r

Sto cercando di creare un modello ridotto per prevedere molte variabili dipendenti (DV) (~ 450) che sono altamente correlate. Le mie variabili indipendenti (IV) sono anche numerose (~ 2000) e altamente correlate. Se utilizzo il lazo per selezionare singolarmente un modello ridotto per ciascun output, non sono garantito che ottenga …

9 r lasso multivariate-regression

3

Selezione delle funzionalità mediante l'apprendimento approfondito?

Voglio calcolare l'importanza di ogni funzione di input usando il modello profondo. Ma ho trovato solo un articolo sulla selezione delle funzionalità utilizzando l'apprendimento approfondito: selezione approfondita delle funzionalità . Inseriscono uno strato di nodi collegati direttamente a ciascuna funzione, prima del primo livello nascosto. Ho sentito che Deep Network …

9 feature-selection deep-learning deep-belief-networks rbm

1

Modello di effetti misti con spline

Sto inserendo un modello di effetti misti con un termine spline in un'applicazione in cui la tendenza nel tempo è nota per essere curvilinea. Tuttavia, ciò che vorrei valutare è se la tendenza curvilinea si verifica a causa della deviazione individuale dalla linearità o è un effetto a livello di …

9 r splines lme4-nlme

1

Qual è la differenza tra l'apprendimento molteplice e la riduzione della dimensionalità non lineare?

Qual è la differenza tra l' apprendimento molteplice e la riduzione della dimensionalità non lineare ? Ho visto questi due termini essere usati in modo intercambiabile. Per esempio: http://www.cs.cornell.edu/~kilian/research/manifold/manifold.html : L'apprendimento collettivo (spesso indicato anche come riduzione della dimensionalità non lineare) persegue l'obiettivo di incorporare dati che originariamente si trovano …

9 terminology dimensionality-reduction manifold-learning

2

Dimensione dei campioni bootstrap

Sto imparando il bootstrap come mezzo per stimare la varianza di una statistica campione. Ho un dubbio di base. Citando da http://web.stanford.edu/class/psych252/tutorials/doBootstrapPrimer.pdf : • Quante osservazioni dovremmo ricampionare? Un buon suggerimento è la dimensione del campione originale. Come possiamo ricampionare tante osservazioni quante nel campione originale? Se ho una dimensione …

9 sampling bootstrap resampling

1

Nomenclatura lato sinistro e lato destro nei modelli di regressione

y=β0+β1x1+ε0y=β0+β1x1+ε0y = \beta_{0} + \beta_{1}x_{1} + \varepsilon_{0} Il linguaggio per descrivere i modelli di regressione, come la regressione lineare molto semplice sopra specificata, spesso varia e tali variazioni comportano spesso sottili cambiamenti di significato. Ad esempio, la parte del modello sul lato sinistro dell'equazione può essere definita (tra le altre …

9 regression terminology

2

Applicazione dell'inferenza variazionale stocastica alla miscela bayesiana di gaussiana

Sto cercando di implementare il modello di miscela gaussiana con inferenza variazionale stocastica, seguendo questo articolo . Questa è la figura della miscela gaussiana. Secondo l'articolo, l'algoritmo completo dell'inferenza variazionale stocastica è: E sono ancora molto confuso del metodo per ridimensionarlo a GMM. In primo luogo, ho pensato che il …

9 machine-learning bayesian clustering gaussian-mixture variational-bayes

3

Come applicare Softmax come funzione di attivazione in Perceptron multistrato in scikit-learn? [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 11 mesi fa . Devo applicare la funzione di attivazione di Softmax al Perceptron multistrato in scikit. La documantazione di scikit …

9 neural-networks scikit-learn multi-class softmax