Statistiken und Big Data

4

Ich dachte an dieses Problem in der Dusche, es wurde von Anlagestrategien inspiriert. Nehmen wir an, es gab einen magischen Geldbaum. Jeden Tag können Sie dem Geldbaum einen Geldbetrag anbieten, der entweder verdreifacht oder mit einer Wahrscheinlichkeit von 50/50 zerstört wird. Sie merken sofort, dass Sie damit im Durchschnitt Geld …

19 probability mathematical-statistics econometrics random-walk martingale

1

Wie probiert man aus der Cantor-Distribution?

Was wäre der beste Weg, um von Cantor Distribution zu probieren ? Es hat nur cdf und wir können es nicht invertieren.

19 distributions simulation random-generation

6

Ist die Optimierung von Hyperparametern für eine Stichprobe eines Datensatzes eine schlechte Idee?

Ich habe einen Datensatz mit 140000 Beispielen und 30 Funktionen, für die ich mehrere Klassifikatoren für eine binäre Klassifizierung trainiere (SVM, Logistic Regression, Random Forest usw.). In vielen Fällen ist die Optimierung von Hyperparametern für den gesamten Datensatz mithilfe der Raster- oder Zufallssuche zeitlich zu kostspielig. Ich begann mit der …

19 machine-learning cross-validation hyperparameter

2

Was machen die vollständig verbundenen Schichten in CNNs?

Ich verstehe die Faltungs- und Bündelungsschichten, kann aber den Grund für eine vollständig verbundene Schicht in CNNs nicht sehen. Warum ist die vorherige Ebene nicht direkt mit der Ausgabeebene verbunden?

19 neural-networks deep-learning conv-neural-network

2

VAR-Prognosemethode

Ich erstelle ein VAR-Modell, um den Preis eines Vermögenswerts zu prognostizieren, und möchte wissen, ob meine Methode statistisch fundiert ist, ob die von mir eingeschlossenen Tests relevant sind und ob weitere erforderlich sind, um eine zuverlässige Prognose auf Grundlage meiner Eingabevariablen zu gewährleisten. Nachstehend ist mein aktueller Prozess zur Überprüfung …

19 r forecasting modeling var

3

Was ist der Unterschied zwischen einem Markov-Zufallsfeld und einem bedingten Zufallsfeld?

Wenn ich die Werte der beobachteten Knoten eines MRF festlege, wird es dann zu einem CRF?

19 probability graphical-model graph-theory conditional-random-field markov-random-field

4

Der beste Weg, um mit Heteroskedastizität umzugehen?

Ich habe eine Darstellung der Restwerte eines linearen Modells in Abhängigkeit von den angepassten Werten, wobei die Heteroskedastizität sehr klar ist. Ich bin mir jedoch nicht sicher, wie ich jetzt vorgehen soll, da diese Heteroskedastizität meines Wissens mein lineares Modell ungültig macht. (Ist das richtig?) Verwenden Sie eine robuste lineare …

19 r generalized-linear-model heteroscedasticity lm

11

Warum wird logistische Regression als Algorithmus für maschinelles Lernen bezeichnet?

Wenn ich in einem maschinellen Lernalgorithmus richtig verstanden habe, muss das Modell aus seiner Erfahrung lernen, dh wenn das Modell die falsche Vorhersage für die neuen Fälle liefert, muss es sich an die neuen Beobachtungen anpassen und mit der Zeit wird das Modell immer besser . Ich sehe nicht, dass …

19 machine-learning logistic random-forest

3

Kann es mehrere lokale optimale Lösungen geben, wenn wir eine lineare Regression lösen?

Ich habe diese Aussage auf einer alten True / False-Prüfung gelesen: Wir können mehrere lokale optimale Lösungen erhalten, wenn wir ein lineares Regressionsproblem lösen, indem wir die Summe der Fehlerquadrate mithilfe des Gradientenabfalls minimieren. Lösung: Falsch Meine Frage ist, welcher Teil dieser Frage ist falsch? Warum ist diese Aussage falsch?

19 least-squares gradient-descent convex

5

Neucodieren von kategorialen Variablen in numerische Variablen bei Verwendung von SVM oder Neural Network

Um SVM oder Neural Network zu verwenden, müssen kategoriale Variablen in numerische Variablen umgewandelt (kodiert) werden. In diesem Fall werden normalerweise 0-1 Binärwerte verwendet, wobei der k-te kategoriale Wert in (0,0, .. ., 1,0, ... 0) (1 ist auf der k-ten Position). Gibt es andere Methoden, um dies zu tun, …

19 machine-learning neural-networks categorical-data svm categorical-encoding

1

Passgenauigkeit und welches Modell für lineare Regression oder Poisson verwendet werden soll

Ich benötige einige Ratschläge in Bezug auf zwei Hauptprobleme in meiner Forschung, die eine Fallstudie von drei großen Pharmazeutika und Innovationen ist. Anzahl der Patente pro Jahr ist die abhängige Variable. Meine Fragen sind Was sind die wichtigsten Kriterien für ein gutes Modell? Was ist mehr / weniger wichtig? Sind …

19 regression generalized-linear-model linear-model goodness-of-fit poisson-regression

2

Structural Equation Models (SEMs) gegen Bayesian Networks (BNs)

Die Terminologie hier ist ein Durcheinander. "Strukturgleichung" ist ungefähr so vage wie "Architekturbrücke" und "Bayes'sches Netzwerk" ist an sich nicht Bayes'sch . Noch besser, Judea Pearl , Gott der Kausalität, sagt, dass die beiden Schulen der Modelle fast identisch sind. Also, was sind die wichtigen Unterschiede? (Erstaunlicherweise enthält die Wikipedia-Seite …

19 sem bayesian-network causality

3

Warum normalisiert sich die t-Verteilung mit zunehmender Stichprobengröße?

Gemäß Wikipedia ist die t-Verteilung meines Wissens die Stichprobenverteilung des t-Werts, wenn die Stichproben Beobachtungen einer normalverteilten Population sind. Ich verstehe jedoch nicht intuitiv, warum sich dadurch die Form der t-Verteilung von fettschwänzig zu fast vollkommen normal ändert. Ich verstehe, dass, wenn Sie aus einer Normalverteilung probieren, eine große Stichprobe …

19 normal-distribution t-distribution

3

Asymptotische Verteilung der Probenvarianz einer nicht normalen Probe

Dies ist eine allgemeinere Behandlung des Problems, das durch diese Frage aufgeworfen wird . Nachdem wir die asymptotische Verteilung der Stichprobenvarianz abgeleitet haben, können wir die Delta-Methode anwenden, um die entsprechende Verteilung für die Standardabweichung zu erhalten. Lassen Sie eine Stichprobe der Größe von iid nicht normalen Zufallsvariablen { X …

19 mathematical-statistics variance central-limit-theorem asymptotics

2

Bedeutung eines neuronalen Netzwerks als Black-Box?

Ich höre oft Leute, die über neuronale Netze als eine Art Black-Box sprechen, die Sie nicht verstehen, was sie tun oder was sie bedeuten. Ich kann eigentlich nicht verstehen, was sie damit meinen! Wenn Sie verstehen, wie Backpropagation funktioniert, wie ist es dann eine Blackbox? Bedeuten sie, dass wir nicht …

19 machine-learning neural-networks