Ich suche einen Kurs für maschinelles Lernen, der die Mathematik hinter Algorithmen vermittelt, anstatt nur zu lehren, wie man sie anwendet. Ich habe mir Udacity Into to Machine Learning und Andrew Ngs Kurs über Coursera angesehen, und beide scheinen mir zu zutreffend zu sein. Empfehlungen von...
Ich verstehe das Konzept des Bias-Varianz-Kompromisses. Eine nach meinem Verständnis basierende Verzerrung stellt den Fehler dar, weil ein einfacher Klassifikator (z. B. linear) verwendet wird, um eine komplexe nichtlineare Entscheidungsgrenze zu erfassen. Daher habe ich erwartet, dass der...
Ich habe einen kleinen Datensatz, der zeigt, dass die Anzahl junger Patienten in einem Krankheitsregister im Laufe der Zeit zunimmt. Ich vermute, dass dies nur darauf zurückzuführen ist, dass die Registrierung im Laufe der Zeit erfolgreicher geworden ist und jetzt einen größeren Anteil der Fälle...
Ich möchte in der Lage sein, Werte aus einer dimensionalen multivariaten Gaußschen Verteilung zu generieren mit gegebenen Mitteln und einer Kovarianzmatrix auf den Bereich abgeschnitten ist, so dass sie sich zu eins summieren.nnn[0,1][0,1][0, 1] Ich denke, dies ist dasselbe wie das Abtasten aus...
Ich lerne selbst über die Wahrscheinlichkeit mithilfe von R, linearen Modellen und Wahrscheinlichkeitsberechnungen. Ich bin derzeit nicht sicher, wie ich zwei Vorhersagen aus einem Modell vergleichen kann. Die von mir verwendeten Daten werden (kostenlos) von hier heruntergeladen:...
Die bei der binären Klassifizierung verwendete logistische Regression verwendet die logistische Funktion als Modell für die zugrunde liegende Wahrscheinlichkeit der Ergebnisvariablen. Es hat einige nützliche und wesentliche Eigenschaften für die Anpassung eines solchen Modells. Zum Beispiel nimmt...
Lassen XXX eine Zufallsvariable sein, die Werte in einer Menge annimmt XX\mathcal{X}. Die Verteilung vonXXXist nicht einheitlich, aber es gibt eine TeilmengeA∈XA∈XA\in\mathcal{X} Das ist "einheitlich": alle Ereignisse in AAA mit gleicher Wahrscheinlichkeit auftreten. Können wir die Entropie von...
Bei einer Beta-Verteilung mit a = 2, b = 3 können wir einen erwarteten Wert (Mittelwert) für das Intervall [0, 1] = a / (a + b) = 2/5 = 0,4 und den Median = (a - finden) 1/3) / (a + b-2/3) = 0,39, die nahe beieinander liegen. Ich suche nach einer Lösung in Python. Ich kann scipy.stats.beta...
Wenn ich es richtig verstehe, verwendet glmnet den zyklischen Koordinatenabstieg nicht nur für Lasso- und Gummibänder, sondern auch für die Ridge-Regression. Warum wird dieser Algorithmus verwendet, der manchmal leicht ungenaue Ergebnisse liefert, obwohl tatsächlich eine einfache Lösung in...
Ich wäre dankbar für Ratschläge, wie ich mit der folgenden Situation umgehen soll: Ich habe eine Zählvariable X und vier binäre Variablen A, B, C, D. Die Zählvariable ist die unabhängige Variable (sie bezieht sich auf die Anzahl der nachteiligen Erfahrungen in der Kindheit ) und die Binärdateien...
Ich leite die Wahrscheinlichkeit einer logistischen Regression ab. Ich habe zwei verschiedene Versionen gesehen: f(y|β)=∏i=1Nniyi!(ni−yi)!πyii(1−πi)ni−yi(1)(1)f(y|β)=∏i=1Nniyi!(ni−yi)!πiyi(1−πi)ni−yi\begin{equation} f(y|\beta)={\displaystyle \prod_{i=1}^{N} \frac{n_i} {y_i!(n_i-y_i)!}}...
Ich habe einige Schwierigkeiten zu verstehen, wie Dualität zu der häufigen Form des LASSO-Problems und der Karush-Kuhn-Tucker-Bedingung führt, die als komplementäre Schlaffheit bezeichnet wird. Ich habe zwei Fragen: Wir wissen das angesichts eines Optimierungsproblems
Ich versuche zu verstehen, wie Menschen die Wahrscheinlichkeit für eine einfache lineare Regression ableiten. Nehmen wir an, wir haben nur ein Merkmal x und das Ergebnis y. Ich bezweifle nicht den Ausdruck mit der normalen Dichte selbst und ich bezweifle auch nicht, dass man das Produkt aufgrund...
Der Apriori-Algorithmus findet einige Implikationsregeln. Ähnliche Ergebnisse liefern Bayes'sche Netzwerke. Was ist der wesentliche Unterschied? Was sind die spezifischen Vor- und Nachteile? Bearbeiten: Der Apriori-Algorithmus generiert Zuordnungsregeln als eine Art Implikation, die auf dem...
Ein Bayes-Schätzer minimiert das Bayes-Risiko. Insbesondere genau dann, wenn δΛ=argminBR(Λ,δ):=∫R(θ,δ)dΛ(θ)=∫(∫L(θ,δ(x))dx)dΛ(θ)δΛ=argminBR(Λ,δ):=∫R(θ,δ)dΛ(θ)=∫(∫L(θ,δ(x))dx)dΛ(θ)\delta_{\Lambda} = \arg\min \operatorname{BR}(\Lambda,\delta) := \int R(\theta, \delta) d \Lambda(\theta) = \int...
Angenommen, ich habe X.1,X.2,X.3, . . .X.nX1,X2,X3,...XnX_1,X_2,X_3,...X_n iid Zufallsvariablen aus einer Poisson-Verteilung von Parametern λλ\lambda. Angesichts dessenX.1+X.2+X.3+ . . . +X.n= tX1+X2+X3+...+Xn=tX_1 +X_2+X_3 +...+X_n = t, wie hoch ist die Wahrscheinlichkeit, dass genau kkk von...
Nachdem ich über studentisierte Residuen gelesen habe, verstehe ich nicht, wie die Idee unterschiedlicher Residuenvarianzen, die von bestimmten Werten eines Prädiktors abhängig sind (wie dies durch das Konzept studentisierter Residuen impliziert wird), nicht inhärent im Widerspruch zur Annahme der...
Ich habe eine Frage zu Methoden der Schauspielerkritik beim Lernen zur Stärkung. In diesen Folien ( https://hadovanhasselt.files.wordpress.com/2016/01/pg1.pdf ) werden verschiedene Arten von Schauspieler-Kritikern erläutert. Vorteil Schauspieler Kritiker und TD Schauspieler Kritiker werden auf der...
Diese Frage wurde bereits gestellt, aber es gab keine Antworten, daher dachte ich, ich könnte sie noch einmal stellen. Ich bin daran interessiert, eine Lasso-Strafe auf eine Untergruppe der Regressoren anzuwenden, dh mit objektiver Funktion E=||y−X1β1−X2β2||2+λ||β1||1E=||y−X1β1−X2β2||2+λ||β1||1E...
Ich arbeite an einer bestimmten Distribution, deren inverses cdf nicht in geschlossener Form existiert. Das cdf der Distribution ist gegeben durch F(x;d,m,p,α,β)=1−(1+xm)−dexp(−βxα)1−p(1+xm)−dexp(−βxα)F(x;d,m,p,α,β)=1−(1+xm)−dexp(−βxα)1−p(1+xm)−dexp(−βxα)F(x; d, m, p, \alpha, \beta) =...