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
Densità precedente non informativa su normale
Bayesian Data Analysis (p. 64) dice, per quanto riguarda un modello normale : una sensibile vaga densità precedente per e , assumendo una precedente indipendenza dei parametri di posizione e scala, è uniforme su o, equivalentemente,μμ\muσσ\sigma( μ , logσ)(μ,log⁡σ)(\mu, \log \sigma)p ( μ ,σ2) ∝ (σ2)- 1.p(μ,σ2)∝(σ2)−1. p(\mu, \sigma^2) \propto …


1
voto duro, voto morbido nei metodi basati su ensemble
Sto leggendo l' apprendimento automatico pratico con Scikit-Learn e TensorFlow: concetti, strumenti e tecniche per costruire sistemi intelligenti . Quindi non sono in grado di capire la differenza tra voto duro e voto morbido nel contesto di metodi basati su ensemble. Cito le loro descrizioni dal libro. Le prime due …


2
perché l'imparzialità non implica coerenza
Sto leggendo il deep learning di Ian Goodfellow et al. Introduce la distorsione come dove e sono rispettivamente il parametro stimato e il parametro reale sottostante.Bias(θ)=E(θ^)−θBias(θ)=E(θ^)−θBias(\theta)=E(\hat\theta)-\thetaθ^θ^\hat\thetaθθ\theta La coerenza, d'altra parte, è definita da che significa che per qualsiasi , comel i mm → ∞θ^m= θlimm→∞θ^m=θ\mathrm{lim}_{m\to\infty}\hat\theta_m=\thetaϵ > 0ϵ>0\epsilon > 0P( |θ^m- …


4
Valore atteso da Worm e Apple
Una mela si trova a vertici di pentagono , e un verme si trova a due vertici di distanza, a . Ogni giorno il worm striscia con uguale probabilità su uno dei due vertici adiacenti. Quindi dopo un giorno il worm si trova al vertice o , ciascuno con probabilità …








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.