Statistiche e Big Data

4

Qual è la differenza tra un test stazionario e un test radice dell'unità?

Qual è la differenza tra il test Kwiatkowski – Phillips – Schmidt – Shin (KPSS) e il test Dickey-Fuller (ADF) aumentato? Stanno testando la stessa cosa? O dobbiamo usarli in diverse situazioni?

27 time-series stationarity unit-root augmented-dickey-fuller kpss-test

4

Significato delle notazioni di probabilità

Qual è la differenza di significato tra la notazione e che sono comunemente usati in molti libri e documenti?P(z;d,w)P(z;d,w)P(z;d,w)P(z|d,w)P(z|d,w)P(z|d,w)

27 probability notation

2

Funzione di perdita del coefficiente di dadi vs entropia crociata

Durante l'addestramento di reti neurali a segmentazione di pixel, come reti convoluzionali, come si decide di utilizzare la funzione di perdita tra entropia e la funzione di perdita a coefficiente di dadi? Mi rendo conto che questa è una domanda breve, ma non sono del tutto sicuro di quali altre …

27 neural-networks loss-functions cross-entropy

2

Quando è appropriato utilizzare una regola di punteggio impropria?

Merkle & Steyvers (2013) scrivono: Per definire formalmente una regola di punteggio adeguata, sia una previsione probabilistica di una prova di Bernoulli d con probabilità di successo reale p . Le regole di punteggio corrette sono metriche i cui valori previsti sono ridotti al minimo se f = p .fffdddpppf= …

27 classification forecasting scoring-rules

1

Esempio dettagliato di differenziazione automatica in modalità inversa

Non sono sicuro che questa domanda appartenga qui, ma è strettamente correlata ai metodi di gradiente nell'ottimizzazione, che qui sembra essere in argomento. Ad ogni modo, sentiti libero di migrare se ritieni che un'altra comunità abbia una migliore esperienza in materia. In breve, sto cercando un esempio dettagliato della differenziazione …

27 optimization derivative tensorflow automatic-differentiation

1

Come capire intuitivamente SARIMAX?

Sto cercando di capire un documento sulla previsione del carico elettrico ma sto lottando con i concetti all'interno, in particolare il modello SARIMAX . Questo modello viene utilizzato per prevedere il carico e utilizza molti concetti statistici che non capisco (sono uno studente di informatica - mi puoi considerare un …

27 regression time-series arima autoregressive intuition

5

La rete neurale profonda può approssimare la moltiplicazione senza normalizzazione?

Supponiamo di voler fare una regressione per l' f = x * yutilizzo semplice di una rete neurale profonda standardizzata. Ricordo che ci sono delle ricerche che dicono che NN con uno strato hiden può apoximare qualsiasi funzione, ma ho provato e senza normalizzazione NN non è stato in grado …

27 regression machine-learning neural-networks deep-learning

4

Come determinare la soglia ottimale per un classificatore e generare una curva ROC?

Diciamo che abbiamo un classificatore SVM, come possiamo generare la curva ROC? (Come in teoria) (perché generiamo TPR e FPR con ciascuna soglia). E come possiamo determinare la soglia ottimale per questo classificatore SVM?

27 machine-learning svm

1

Che cos'è uno studio sull'ablazione? E c'è un modo sistematico per eseguirlo?

Che cos'è uno studio sull'ablazione? E c'è un modo sistematico per eseguirlo? Ad esempio, ho predittori in una regressione lineare che chiamerò come modello.nnn Come eseguirò uno studio di ablazione a questo? Quali metriche dovrei usare? Una fonte completa o un libro di testo sarebbe apprezzato.

27 regression machine-learning neural-networks

1

Perché la PCA è sensibile ai valori anomali?

Ci sono molti post su questo SE che discutono di solidi approcci all'analisi dei componenti principali (PCA), ma non riesco a trovare una sola buona spiegazione del perché il PCA sia sensibile agli outlier in primo luogo.

26 machine-learning pca outliers

3

Perché la regressione Beta / Dirichlet non è considerata un modello lineare generalizzato?

La premessa è questa citazione dalla vignetta del pacchetto R betareg1 . Inoltre, il modello condivide alcune proprietà (come predittore lineare, funzione di collegamento, parametro di dispersione) con modelli lineari generalizzati (GLM; McCullagh e Nelder 1989), ma non è un caso speciale di questo framework (nemmeno per dispersione fissa ) …

26 generalized-linear-model beta-regression dirichlet-regression

1

Perché le funzioni di attivazione non centrate sullo zero sono un problema nella backpropagation?

Ho letto qui il seguente: Le uscite Sigmoid non sono centrate sullo zero . Ciò è indesiderabile poiché i neuroni nei livelli successivi di elaborazione in una rete neurale (ne parleremo presto) riceveranno dati che non sono centrati sullo zero. Ciò ha implicazioni sulla dinamica durante la discesa del gradiente, …

26 neural-networks deep-learning backpropagation

5

Perché prendiamo la radice quadrata della varianza per creare la deviazione standard?

Mi dispiace se questo è stato risposto altrove, non sono stato in grado di trovarlo. Mi chiedo perché prendiamo la radice quadrata , in particolare, della varianza per creare la deviazione standard? Cosa significa prendere la radice quadrata che produce un valore utile?

26 variance standard-deviation

7

Due tiri di dado - stesso numero in sequenza

Attualmente sto studiando lezione di inferenza statistica su Coursera. In uno dei compiti, viene visualizzata la seguente domanda. | Suppose you rolled the fair die twice. What is the probability of rolling the same number two times in a row? 1: 2/6 2: 1/36 3: 0 4: 1/6 Selection: 2 …

26 probability self-study conditional-probability

2

Che cos'è esattamente l'alfa nella distribuzione di Dirichlet?

Sono abbastanza nuovo nelle statistiche bayesiane e mi sono imbattuto in una misura di correlazione corretta, SparCC , che utilizza il processo Dirichlet nel backend del suo algoritmo. Ho provato ad analizzare l'algoritmo passo dopo passo per capire davvero cosa sta succedendo, ma non sono sicuro di cosa alphafaccia esattamente …

26 distributions bayesian dirichlet-distribution