In mehreren Antworten habe ich gesehen, dass CrossValidated-Benutzer OP vorschlagen, frühe Artikel über Lasso, Ridge und Elastic Net zu finden. Was sind für die Nachwelt die wegweisenden Arbeiten zu Lasso, Ridge und Elastic Net?
Der Versuch, die Beziehung zwischen Kreuzentropie und Ratlosigkeit zu verstehen. Im allgemeinen für ein Modell M , Perplexity (M) = 2 ^ Entropie (M) . Gilt diese Beziehung für alle verschiedenen n-Gramme, dh Unigramm, Bigram
In dem kürzlich erschienenen WaveNet-Artikel beziehen sich die Autoren auf ihr Modell mit gestapelten Schichten erweiterter Windungen. Sie erstellen auch die folgenden Diagramme, in denen der Unterschied zwischen "regulären" und erweiterten Faltungen erläutert wird. Die regulären Faltungen sehen...
Ich habe bereits Erfahrungen mit der "normalen" K-fachen Kreuzvalidierung für die Modelloptimierung gesammelt und bin durch die Anwendung in Zeitreihenmodellen leicht verwirrt. Nach meinem Verständnis ist die Folge für die Kreuzvalidierung für Zeitreihenmodelle das von Hyndman beschriebene...
Ich lese ein Buch "Maschinelles Lernen mit Funken" von Nick Pentreath und auf Seite 224-225 diskutiert der Autor über die Verwendung von K-Mitteln als Form der Dimensionsreduktion. Ich habe diese Art der Dimensionsreduktion noch nie gesehen. Hat sie einen Namen oder / und ist sie für bestimmte...
Ich bin auf den Begriff Inlier in der LOF-Kennzahl (Local Outlier Factor) gestoßen. Ich bin mit dem Begriff Ausreißer vertraut (im Grunde genommen Liers - Instanzen, die sich nicht wie die übrigen Instanzen verhalten). Was bedeutet "Lieferanten" im Zusammenhang mit der Erkennung von Anomalien? und...
Stellen Sie sich das folgende Problem vor. Ich habe wöchentliche Schnappschüsse von Preisdaten von K Artikeln sowie von verschiedenen Funktionen / Prädiktoren. Ich möchte vorhersagen, um wie viel sich der Preis in 2 Jahren ändern wird. Ich setze meinen Datensatz wie folgt zusammen: Jede Zeile...
Ich habe ursprünglich Folgendes als Teilantwort auf eine Frage gepostet, warum ein 95% -Konfidenzintervall nicht bedeutet, dass eine 95% ige Wahrscheinlichkeit besteht, dass das Intervall den wahren Mittelwert enthält (siehe: Warum nicht ein 95% -Konfidenzintervall (CI)? implizieren eine 95% ige...
Geschlossen. Diese Frage ist nicht zum Thema . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage so dass es beim Thema für Kreuz Validated. Geschlossen vor 2 Jahren . Während ich auf den...
Angenommen, wir haben 3 Zufallsvariablen und kennen die paarweise Randverteilung , aber wir wissen nichts anderes (wie z als bedingte Unabhängigkeit). Können wir die gemeinsame Verteilung ?X1,X2,X3X1,X2,X3X_1,X_2,X_3P(X1,X2),P(X2,X3),P(X3,X1)P(X1,X2),P(X2,X3),P(X3,X1)P(X_1,X_2), P(X_2,X_3),...
Für eine kontinuierliche Zufallsvariable XXX , wenn E(|X|)E(|X|)E(|X|) endlich ist, ist limn→∞nP(|X|>n)=0limn→∞nP(|X|>n)=0\lim_{n\to\infty}n P(|X|>n)=0 ? Dies ist ein Problem, das ich im Internet gefunden habe, aber ich bin mir nicht sicher, ob es gilt oder nicht. Ich weiß, dass...
Ich arbeite an der Arbeit von Cho 2014 , in der die Encoder-Decoder-Architektur für die seq2seq-Modellierung vorgestellt wurde. In der Arbeit scheinen sie die Wahrscheinlichkeit der Ausgabe bei gegebener Eingabe (oder deren negative Log-Wahrscheinlichkeit) als Verlustfunktion für eine Eingabe der...
Wie heißt der Operator, der einen kategorialen Vektor nimmt und ihn mithilfe einer One-Hot-Codierung in die binäre Darstellung umwandelt? Ich frage mich, da ich eine wissenschaftliche Arbeit schreibe und dafür einen richtigen Namen
Das Pitman-Koopman-Darmois-Theorem besagt, dass es sich um eine exponentielle Familie handelt, wenn eine iid-Stichprobe aus einer parametrisierten Familie von Wahrscheinlichkeitsverteilungen eine ausreichende Statistik zulässt, deren Anzahl skalarer Komponenten nicht mit der Stichprobengröße...
Eine häufige Vereinfachung bei der Modellierung und Simulation besteht darin, eine Zufallsvariable durch ihren Mittelwert zu ersetzen. Wann würde diese Vereinfachung zu einer falschen Schlussfolgerung
Diese Frage hat hier bereits eine Antwort : Wie kann die Wahrscheinlichkeitsvorhersage für mehrere Klassen begrenzt werden, um eine Verwirrungsmatrix zu erhalten? (1 Antwort) Geschlossen vor 3 Monaten . Das Obige ist ein sehr einfaches Beispiel für die Ausgabe eines
Seit einem Jahr höre ich viel über PP-Frameworks ( Probabilistic Programming ) wie PyMC3 und Stan und wie großartig PP ist. Und heute hat mir jemand diesen Link mitgeteilt: Pyro: eine Deep Probabilistic Programming Language Ich verfolge jedoch nicht wirklich das Besondere daran, da es sich so...
Sei unabhängige normale Standard-Zufallsvariablen. Es gibt viele (langwierige) Beweise, die das zeigenZ1,⋯,ZnZ1,⋯,ZnZ_1,\cdots,Z_n ∑i=1n(Zi−1n∑j=1nZj)2∼χ2n−1∑i=1n(Zi−1n∑j=1nZj)2∼χn−12 \sum_{i=1}^n \left(Z_i - \frac{1}{n}\sum_{j=1}^n Z_j \right)^2 \sim \chi^2_{n-1} Viele Beweise sind ziemlich lang...
Dies wird sehr oft zitiert, wenn der Fluch der Dimensionalität erwähnt wird und geht (rechte Formel genannt relativer Kontrast) limd→∞var(||Xd||kE[||Xd||k])=0,then:Dmaxkd−DminkdDminkd→0limd→∞var(||Xd||kE[||Xd||k])=0,then:Dmaxdk−DmindkDmindk→0 \lim_{d\rightarrow \infty} \text{var}...
Zufällige Fourier-Funktionen liefern Annäherungen an Kernelfunktionen. Sie werden für verschiedene Kernelmethoden wie SVMs und Gaußsche Prozesse verwendet. Heute habe ich versucht, die TensorFlow-Implementierung zu verwenden, und für die Hälfte meiner Funktionen wurden negative Werte angezeigt . So...