Teil einer Reihe von Versuchen, Bayesian gegen Frequentist zu verstehen: 1 2 3 4 5 6 7 Ich glaube, ich verstehe, wie Bayesianer und Frequentisten zwischen Hypothesen wählen , aber ich bin mir nicht ganz sicher, ob oder wie mir das erklären soll, wie sie die Wahrscheinlichkeit sehen. Nach meinem...
Ein Bayes-Faktor wird beim Bayes'schen Testen der Hypothese und der Bayes'schen Modellauswahl durch das Verhältnis zweier Grenzwahrscheinlichkeiten definiert: bei gegebener iid-Stichprobe und entsprechenden Abtastdichten und mit den entsprechenden Prioritäten und ist der Bayes-Faktor für den...
Ich habe in einem Buch über maschinelles Lernen gelesen, dass Parameter der linearen Regression (unter anderem) durch Gradientenabstieg geschätzt werden können, während Parameter der logistischen Regression normalerweise durch Schätzung der maximalen Wahrscheinlichkeit geschätzt werden. Ist es...
Diese Frage fragt nach der Wahrscheinlichkeit eines Erfolgs in einem Rollenspiel. Die Frage und ihre Antworten decken jedoch einige der Komplexitäten der Würfelmechanik nicht ab. Insbesondere werden Pfuschereien (ein mögliches Ergebnis) überhaupt nicht behandelt. Ein Spieler hat einen Würfelpool,...
In diesem ( Bayesianische Inferenz für Varianzkomponenten, die nur Fehlerkontraste verwenden , Harville, 1974) behauptet der Autor als "bekannt" Beziehung ", für eine lineare Regression wobei y = X
Betrachten Sie einen zufälligen Prozess für den der Mittelwert existiert und für alle Zeiten konstant ist , dh für alle Zeiten und Zeitverschiebungen (oder "Verzögerungen") . Ich lege weder höheren Momenten noch der Verteilungsfunktion weitere Bedingungen auf. Wie kann ich einen solchen Prozess...
Betrachten Sie ein lineares Regressionsmodell: yi=xi⋅β+εi,i=1,…,n,yi=xi⋅β+εi,i=1,…,n, y_i = \mathbf x_i \cdot \boldsymbol \beta + \varepsilon _i, \, i=1,\ldots ,n, wobei εi∼L(0,b)εi∼L(0,b)\varepsilon _i \sim \mathcal L(0, b) , das heißt , Laplace-Verteilung mit 000 Mittelwert und bbb...
Ich versuche, meine Faktorspalte in Dummy-Variablen umzuwandeln: str(cards$pointsBin) # Factor w/ 5 levels ".lte100",".lte150",..: 3 2 3 1 4 4 2 2 4 4 ... labels <- model.matrix(~ pointsBin, data=cards) head(labels) # (Intercept) pointsBin.lte150 pointsBin.lte200 pointsBin.lte250...
Ich versuche , die genaue Definition der Position / Skala / Formparameter zu verstehen (zB der Formparameter genannt wird und ist Skalenparameter in Pareto Typ I). Die Bücher, auf die ich mich bezog ( das Cambridge Dictionary of Statistics , HMCs Einführung in die mathematische Statistik , Fellers...
Ist es möglich, eine Reihe von Variablen zu haben, die nicht korreliert, aber linear abhängig sind?KK.K dh und∑ K i = 1 a i x i = 0cor(xi, xj) = 0cÖr(xich,xj)=0cor(x_i, x_j)=0∑K.i = 1einichxich= 0∑ich=1K.einichxich=0 \sum_{i=1}^K a_ix_i=0 Wenn ja, können Sie ein Beispiel schreiben? EDIT: Aus den...
Wenn ich einen k-fachen CV zur Auswahl unter Regressionsmodellen verwende, berechne ich normalerweise den CV-Fehler für jedes Modell separat zusammen mit seinem Standardfehler SE und wähle das einfachste Modell innerhalb von 1 SE des Modells mit dem niedrigsten CV-Fehler (der 1) aus...
Mir wurde eine Frage zu einem linearen Modell gestellt, das mit Rs erstellt wurde lm: "Hat die Regression lineare oder nichtlineare iterative kleinste Quadrate verwendet?" Ich habe ein bisschen gesucht und [glaube, ich] verstehe den Unterschied zwischen den beiden, konnte aber keine Beweise dafür...
Autoencoder- Netzwerke scheinen viel schwieriger zu sein als normale Klassifikator-MLP-Netzwerke. Nach mehreren Versuchen mit Lasagne ist alles, was ich in der rekonstruierten Ausgabe bekomme, etwas, das im besten Fall einer verschwommenen Mittelung aller Bilder der MNIST- Datenbank ähnelt, ohne zu...
Was halten Sie von der Verwendung von Regression für Projekte außerhalb des Datenbereichs? Wenn wir sicher sind, dass es einer linearen oder Potenzmodellform folgt, könnte das Modell dann nicht über den Datenbereich hinaus nützlich sein? Zum Beispiel habe ich das Volumen vom Preis getrieben. Wir...
Es wurde viel über die Bedeutung von Normalverteilungen in der Natur gesagt. Viele Maße wie Größe oder Gewicht sind ungefähr normal verteilt. Aber keiner von ihnen ist genau normal, soweit ich verstehe. Angesichts der Tatsache, dass die Normalverteilung eine der maximalen Entropieverteilungen ist ,...
Sei eine diskrete Zufallsvariable, die ihre Werte in annimmt . Ich möchte diese Variable halbieren , dh eine Zufallsvariable wie zum Beispiel:X.X.XN.N.\mathbb{N}Y.Y.Y X.= Y.+ Y.∗X.=Y.+Y.∗X = Y + Y^* wobei eine unabhängige Kopie von .Y.∗Y.∗Y^*Y.Y.Y Ich bezeichne diesen Prozess als Halbierung ; Dies...
Ich versuche, die Dimensionalität und das Rauschen eines Datensatzes zu reduzieren, indem ich eine PCA für den Datensatz durchführe und die letzten PCs wegwerfe. Danach möchte ich einige Algorithmen für maschinelles Lernen auf den verbleibenden PCs verwenden und daher die Daten normalisieren, indem...
Wie wirkt sich die Auswahl von Wortvektoren aus (Eingabewortmatrix) im Vergleich zu Wortvektoren aus W ' (Ausgabewortmatrix) in den CBOW- und Sprunggrammmodellen von word2vec auf die Qualität der resultierenden Wortvektoren aus?W.WWW′W′W' CBOW: Skip-Gramm:
Ich versuche, verschiedene Datensätze mit unbeaufsichtigten Algorithmen (Clustering) zu gruppieren. Das Problem ist, dass ich viele Funktionen (~ 500) und eine kleine Anzahl von Fällen (200-300) habe. Bisher habe ich nur Klassifizierungsprobleme gemacht, für die ich Daten immer als Trainingssätze...
Ich dachte daran, Lasso mit Vanille-Subgradienten-Methoden zu lösen. Aber ich habe Leute gelesen, die vorschlagen, den proximalen Gradientenabstieg zu verwenden. Kann jemand hervorheben, warum für Lasso proximale GD anstelle von Vanille-Subgradienten-Methoden verwendet