Ich lese den nützlichen Wikipedia-Eintrag zum Gradienten-Boosting ( https://en.wikipedia.org/wiki/Gradient_boosting ) und versuche zu verstehen, wie / warum wir die Residuen durch den steilsten Abstiegsschritt (auch Pseudo-Gradient genannt) approximieren können ). Kann mir jemand die Intuition...
Ich bin mir nicht ganz sicher, was genau VectorSource und VCorpus im 'tm'-Paket enthalten. Die Dokumentation dazu ist unklar. Kann mich jemand in einfachen Worten verstehen
Ich habe Probleme mit der Implementierung des Maximum-Likelihood-Schätzers für einen multivariaten Hawkes-Prozess (HP). Während der analytische Ausdruck für eine Log-Likelihood-Funktion eines univariaten HP leicht online zu finden ist (z. B. Ozaki, 1979), scheint es unterschiedliche (inkonsistente...
Ich verstehe die Gründe für die Division durch bei der Berechnung der Stichprobenvarianz, dh wenn wir durch dividieren, erhalten wir eine Schätzung der Populationsvarianz, die voreingenommen ist, um zu niedrig zu sein.n−1n−1n-1nnn Buglear (2013, S. 57) erklärt die Pearson-Korrelation: Wir...
Mein Lehrbuch listet die IDF als wol o g( 1 + N.nt)log(1+Nnt)log(1+\frac{N}{n_t}) : Anzahl der DokumenteN.NN : Anzahl der Dokumente, die den Begriff t enthaltenntntn_tttt Wikipedia listet diese Formel als eine geglättete Version des aktuellen . Das verstehe ich: es reicht
Ich beobachtete, dass Caffe (ein Deep-Learning-Framework) die Softmax-Verlustschicht SoftmaxWithLoss als Ausgabeschicht für die meisten Modellbeispiele verwendete . Soweit ich weiß, ist die Softmax-Verlustschicht die Kombination aus multinomialer logistischer Verlustschicht und Softmax-Schicht ....
Angenommen, ich habe ein Experiment mit zwei oder mehr Faktoren. Es wird eine Gesamt-ANOVA erstellt, und anschließend werden zwei oder mehr Sätze von Post-hoc- Tests durchgeführt, beispielsweise mehrere Vergleiche. Meine Frage ist, wie groß --- und wie viele --- Familien als Grundlage für die...
In meinem ökonometrischen Lehrbuch (Introductory Econometrics) über OLS schreibt der Autor: "SSR muss fallen, wenn eine weitere erklärende Variable hinzugefügt wird." Warum ist
Ich habe ein Problem mit den Dickey-Fuller-p-Werten und der Teststatistik für den Einheitswurzeltest in R. Ich habe versucht, Funktionen zu verwenden: urca::ur.df() fUnitRoots::adfTest() tseries::adf.test() Alle zeigten unterschiedliche Ergebnisse für die gleichen Testeinstellungen (Verzögerung,...
Ich verwende lmer in R, um die Auswirkung von condition ( cond) auf ein Ergebnis zu überprüfen . Hier sind einige aus Daten, wobei s der Objektidentifizierer und a, bund csind Bedingungen. library("tidyr") library("dplyr") set.seed(123) temp <- data.frame(s = paste0("S", 1:30), a = rnorm(30, -2,...
Ich habe monatliche Daten von 1993 bis 2015 und möchte diese Daten prognostizieren. Ich habe das tsoutliers-Paket verwendet, um die Ausreißer zu erkennen, aber ich weiß nicht, wie ich mit meinen Daten weiter prognostizieren soll. Das ist mein
Problem Ich möchte auf ein System schließen, das analog dazu ist, mit einer unbekannten Anzahl von Seiten zu sterben. Der Würfel wird mehrmals gewürfelt, wonach ich eine Wahrscheinlichkeitsverteilung über einen Parameter ableiten möchte, der der Anzahl der Seiten des Würfels entspricht, θ....
Ich suche nach einer Antwort, die einen Leser zufriedenstellt, der häufig auftretende p-Werte versteht, aber nur die Grundlagen der Bayes'schen Statistikansätze versteht. Derzeit enthüllen Google-Suchanfragen weder auf einer Wikipedia-Seite noch auf einer anderen allgemein akzeptierten Ressource...
Gratregression in RI haben entdeckt linearRidgeim ridgePaket - das zu einem Modell passt, Koeffizienten und p-Werte angibt, aber nichts, um die allgemeine Anpassungsgüte zu messen lm.ridgeim MASSPaket - das Koeffizienten und GCV, aber keine p-Werte für Parameter meldet Wie kann ich all diese...
Ist es rational (theoretisch, substanziell, statistisch), sich bei der Modellierung der Kundenabwanderung (oder allgemeiner Ereignisse) entweder für maschinelles Lernen oder für Gefahrenmodelle zu entscheiden
Ich habe (~ eine Million) Merkmalsvektoren. Es gibt (~ eine Million) binäre Merkmale, aber in jedem Vektor wären nur (~ tausend) von ihnen , der Rest ist . Ich suche nach Vektorpaaren, die mindestens (~ hundert) Merkmale gemeinsam haben ( in beiden). Die Anzahl solcher Paare ist ähnlich groß wie (~...
Ich habe versucht, die Ungleichung festzustellen |Ti|=∣∣Xi−X¯∣∣S≤n−1n−−√|Ti|=|Xi−X¯|S≤n−1n\left| T_i \right|=\frac{\left|X_i -\bar{X} \right|}{S} \leq\frac{n-1}{\sqrt{n}} Dabei ist der Stichprobenmittelwert und die Standardabweichung der Stichprobe, dh ....
Angenommen, wir haben es mit diesem Datensatz wobei eine stetige Variable (zum Beispiel Exponential) und eine diskrete Verteilung (zum Beispiel Poisson) für . Lassen Sie uns sagen , dass die Korrelation zwischen dem und . Wie kann jemand definieren ? X i N i i = 1 , . . . , n ρ X N ρ( X.ich,...
Ich habe einen Datensatz mit mehr als 1000 Beispielen mit 19 Variablen. Mein Ziel ist es, eine binäre Variable basierend auf den anderen 18 Variablen (binär und stetig) vorherzusagen. Ich bin ziemlich sicher, dass 6 der Vorhersagevariablen mit der binären Antwort verknüpft sind. Ich möchte jedoch...
Betrachten Sie eine zweimal differenzierbare und symmetrische Verteilung . Betrachten Sie nun eine zweite zweimal differenzierbare Verteilung rigth, die in dem Sinne verzerrt ist, dass:F Z.FXFX\mathcal{F}_XFZFZ\mathcal{F}_Z (1)FX⪯cFZ.(1)FX⪯cFZ.(1)\quad\mathcal{F}_X\preceq_c\mathcal{F}_Z. Dabei ist...