Im Wikipedia-Eintrag für das Akaike-Informationskriterium lesen wir unter Vergleich mit BIC (Bayesianisches Informationskriterium), dass ... AIC / AICc hat theoretische Vorteile gegenüber BIC ... AIC / AICc leitet sich aus Informationsprinzipien ab; BIC ist nicht ... BIC hat einen Prior von 1 / R...
Ich habe irgendwo festgestellt, dass der Testsatz nicht als Validierungssatz verwendet werden darf. Warum? Der Validierungssatz wird angewendet, wenn die Modellparameter festgelegt sind und das Lernen nur durch Backprop auf dem Trainingsstapel erfolgt. Warum kann ich Testdaten nicht als...
Ich schätze 15 Parameter meines Modells unter Verwendung eines Bayes'schen Ansatzes und einer Markov-Ketten-Monte-Carlo-Methode (MCMC). Meine Daten nach dem Ausführen einer MCMC-Kette von 100000 Proben sind daher eine 100000 × 15-Tabelle mit Parameterwerten. Ich möchte 15-dimensionale Regionen mit...
Es gibt bereits Beiträge zu Warnungen von R, die sich mit logistischer Regression und linearer Trennung wie dieser befassen . Ich möchte nur sicherstellen, dass in Python Scikit Learn dieses Problem durch den L1 / L2-Regularisierungsteil in der Optimierungsfunktion gelöst wird. Mit anderen Worten,...
Herauszufinden, wie man etwas simuliert, ist oft der beste Weg, um die zugrunde liegenden Prinzipien zu verstehen. Ich weiß nicht genau, wie ich Folgendes simulieren soll. Angenommen, und hat eine vorherige Verteilung, die . Basierend auf einer Stichprobe von Beobachtungen abgekürzt mit nur ,...
Was ist eine Indikatorfunktion? Was ist die Intuition hinter einer Indikatorfunktion? Warum ist die Anzeigefunktion IAIAI_A im folgenden Beispiel benötigt? Kann das folgende Beispiel ohne Verwendung der Anzeigefunktion umgeschrieben werden? Lassen AAAsei irgendein Ereignis. Wir können...
Ich versuche, die Grundlagen der Bayes'schen Entscheidung zu lernen, und bin auf den Ausdruck "richtiger Prior" gestoßen, aber ich verstehe nicht wirklich, was das bedeutet. Weiß
Ich versuche, die Variabilität innerhalb von zwei Stichproben zu vergleichen, die sich in ihrer Skala stark unterscheiden (Schülerkapazität verschiedener Arten von Bildungseinrichtungen (Kindergarten, Grund- und weiterführende Schulen)). Mein Ansatz besteht darin, die Standardabweichung für jede...
Ich sah mich einer begrenzenden Verteilung mit einer Kovarianz von Null zwischen zwei Variablen gegenüber, aber ihre Korrelation ist . Gibt es eine solche Verteilung? Wie kann es erklärt werden?111 Sie haben Recht, vielleicht muss ich mehr Details geben. OK, X und Y sind bivariate...
Ich bin wirklich verwirrt über die Verwendung von Solver bei der Computeroptimierung. Ich habe mich einen Monat lang umgesehen, um zu sehen, ob ich ein gutes Gefühl dafür bekommen kann, was dieser Begriff bedeutet, aber ich habe immer noch kein gutes Verständnis dafür. Es scheint, dass ich, wenn...
Wie von Wand und Jones (1995) festgestellt, können die meisten Standardkerne als ein Fall von angesehen werden K.( x ; p ) = { 22 p + 1B (p+1,p+1) }- 1( 1 - x2)p1{ | x | < 1 }K(x;p)={22p+1B(p+1,p+1)}−1(1−x2)p1{|x|<1} K(x;p) = \{ 2^{2p+1} \; \mathrm{B}(p+1,p+1) \}^{-1} \; (1-x^2)^p...
Angenommen, ich kann die SVD einer Matrix :X = U S V T.XXXX=USVTX=USVTX = USV^T Wenn ich eine orthogonale Matrix haben ( das heißt, ist quadratisch und orthonormal Spalten), dann wird der SVD von istA X A.AAAAAAXAXAXA XA=USWTXA=USWTXA = USW^T wobei .W=ATVW=ATVW = A^TV Aber kann etwas über die SVD...
Angenommen, wir haben . Was bedeutet die Stichprobenverteilung der Stichprobe?X.∼ Beta ( α , β)X.∼Beta(α,β)X \sim \text{Beta}(\alpha, \beta) Mit anderen Worten, welcher Verteilung folgt die Stichprobe einer
Betrachten Sie eine logistische Regression dieser Daten: X1 X2 Y 1 0 0 1 0 1 0 1 0 0 1 0 0 1 0 0 1 1 1 1 1 R akzeptiert drei verschiedene Darstellungen der Daten: eine Zeile pro Tabelleneintrag und zwei komprimierte Darstellungen (eine mit Gewichten, eine mit Erfolgen und Misserfolgen). Meiner...
Ich mache eine lineare Regression für Kompositionsdaten unter Verwendung der Log-Ratio-Transformation mit Volkszählungsdaten. Die IVs sind zusammengesetzt (Prozent summiert sich auf 100). Der DV ist nicht kompositorisch und kontinuierlich. Die alr- und clr-Ergebnisse lassen sich leichter...
Ich verstehe, dass die Formel für die Wahrscheinlichkeit der Konvergenz und ich kann Probleme mit der Formel lösen. Kann jemand es intuitiv erklären (als wäre ich fünf Jahre alt), insbesondere in Bezug auf das, was ist?P[|Xn−X∞|>ϵ]→0P[|Xn−X∞|>ϵ]→0P[|X_n − X_\infty| \gt \epsilon ]\to...
Ich lese Chris Bishops Lehrbuch zur Mustererkennung und zum maschinellen Lernen . Ich bin mehrmals auf den Begriff probabilistische Folgerung gestoßen. Ich habe ein paar Fragen. Ist probabilistische Inferenz nur in einem grafischen Modellierungskontext anwendbar? Was ist der Unterschied zwischen...
Sei , ..., identisch unabhängig verteilte Zufallsvariablen mitX1X1X_1X.nXnX_nN.( μ ,σ2)N(μ,σ2)N(\mu, \sigma^2) Es ist leicht zu zeigen, dass der Stichprobenmittelwert eine Zufallsvariable mit .X.¯=1n∑ni = 0X.ichX¯=1n∑i=0nXi\bar{X} = \frac{1}{n}\sum^n_{i = 0}{X_i}N.( μ ,σ2n)N(μ,σ2n)N(\mu,...
Ich stehe vor einer posterioren Verteilung in einer MCMC- Anwendung, die darauf abzielt, eine nicht beobachtbare Variable bei einer beobachteten Reihe y = \ {y_t \} ^ T_ {t = abzutasten 0} .x={xt}Tt=0x={xt}t=0Tx=\{x_t\}_{t=0}^{T}y={yt}Tt=0y={yt}t=0Ty=\{y_t\}^T_{t=0} Die bedingten Posterioren...
Ich habe einen Datensatz mit Wassertemperaturmessungen, die über einen Zeitraum von Jahrzehnten in unregelmäßigen Abständen an einem großen Wasserkörper durchgeführt wurden. (Galveston Bay, TX, wenn Sie interessiert sind) Hier ist der Kopf der Daten: STATION_ID DATE TIME LATITUDE LONGITUDE YEAR...