Statistiken und Big Data

2

Was ist Energieminimierung beim maschinellen Lernen?

Ich las über die Optimierung für ein schlecht gestelltes Problem in der Bildverarbeitung und fand die folgende Erklärung zur Optimierung in Wikipedia. Was ich nicht verstehe ist, warum nennen sie diese Optimierung in Computer Vision " Energieminimierung "? Ein Optimierungsproblem kann folgendermaßen dargestellt werden: Gegeben: eine Funktion von einer Menge …

14 machine-learning optimization computer-vision

1

Müssen Sie das Wahrscheinlichkeitsprinzip einhalten, um Bayesianer zu sein?

Diese Frage ergibt sich aus der Frage: Wann (wenn überhaupt) ist ein frequentistischer Ansatz wesentlich besser als ein bayesianischer? Wie ich in meiner Lösung zu dieser Frage geschrieben habe, müssen Sie meiner Meinung nach, wenn Sie ein Frequentist sind, nicht an das Wahrscheinlichkeitsprinzip glauben / sich daran halten, da die …

14 bayesian likelihood likelihood-principle

2

Regression zum Mittelwert in „Denken, schnell und langsam“

Daniel Kahneman wirft in " Denken, schnell und langsam" die folgende hypothetische Frage auf: (S. 186) Julie ist derzeit Seniorin an einer staatlichen Universität. Sie las fließend, als sie vier Jahre alt war. Was ist ihr Notendurchschnitt (GPA)? Seine Absicht ist es zu veranschaulichen, wie wir es oft versäumen, die …

14 standard-deviation regression-coefficients regression-to-the-mean

3

Was sind für die Intuition einige Beispiele für unkorrelierte, aber abhängige Zufallsvariablen im wirklichen Leben?

Um zu erklären, warum unkorreliert nicht unabhängig bedeutet, gibt es mehrere Beispiele, die eine Reihe von Zufallsvariablen beinhalten, die jedoch alle so abstrakt erscheinen: 1 2 3 4 . Diese Antwort scheint sinnvoll zu sein. Meine Interpretation: Eine Zufallsvariable und ihr Quadrat mögen unkorreliert sein (da scheinbar fehlende Korrelation so …

14 correlation independence non-independent garch intuition

3

Warum hat die Anzahl der stetigen einheitlichen Variablen auf (0,1), die erforderlich sind, damit ihre Summe eine überschreitet, einen Mittelwert für

Summieren wir einen Strom von Zufallsvariablen, X i i i d ∼ U ( 0 , 1 )Xi∼iidU(0,1)X_i \overset{iid}\sim \mathcal{U}(0,1) ; Sei YYY die Anzahl der Terme, die wir benötigen, damit die Summe eins überschreitet, dh YYY ist die kleinste Zahl, so dass X 1 + X 2 + ⋯ …

14 probability self-study expected-value uniform

3

Referenzen, die die Verwendung von Gaußschen Gemischen rechtfertigen

Gaußsche Mischungsmodelle (GMMs) sind ansprechend, weil sie sowohl analytisch als auch praktisch einfach zu handhaben sind und in der Lage sind, einige exotische Verteilungen ohne zu große Komplexität zu modellieren. Es gibt einige analytische Eigenschaften, die wir erwarten sollten und die im Allgemeinen nicht klar sind. Im Speziellen: SnSnS_nnnnPPPnnnPPPlimn→∞infP^∈SnD(P||P^)=0?limn→∞infP^∈SnD(P||P^)=0?\lim_{n\rightarrow \infty}\inf_{\hat{P}\in …

14 probability normal-distribution references gaussian-mixture information-theory

2

Statistische Inferenz unter falscher Angabe

Die klassische Behandlung der statistischen Inferenz beruht auf der Annahme, dass eine korrekt spezifizierte Statistik verwendet wird. Das heißt, die Verteilung P∗(Y)P∗(Y)\mathbb{P}^*(Y) , die die beobachteten Daten yyy ist Teil des statistischen Modells MM\mathcal{M} : P∗(Y)∈M={Pθ(Y):θ∈Θ}P∗(Y)∈M={Pθ(Y):θ∈Θ}\mathbb{P}^*(Y) \in \mathcal{M}=\{\mathbb{P}_\theta(Y) :\theta \in \Theta\} In den meisten Situationen ist dies jedoch nicht möglich …

14 hypothesis-testing confidence-interval model frequentist misspecification

1

Was bedeuten die Eigenvektoren einer gegenseitigen Informationsmatrix?

Wenn wir die Eigenvektoren der Kovarianzmatrix betrachten, erhalten wir die Richtungen der maximalen Varianz (der erste Eigenvektor ist die Richtung, in der die Daten am stärksten variieren, usw.); Dies wird als Hauptkomponentenanalyse (PCA) bezeichnet. Ich fragte mich, was es bedeuten würde, auf die Eigenvektoren / Werte der gegenseitigen Informationsmatrix zu …

14 pca entropy mutual-information eigenvalues

3

Tiefe neuronale Netze - Nur zur Bildklassifizierung?

Alle Beispiele, die ich mit Deep-Believe- oder Faltungs-Neuronalen Netzen gefunden habe, verwenden sie zur Bildklassifizierung, zur Erkennung von Chat-Zeichen oder zur Spracherkennung. Sind tiefe neuronale Netze auch für klassische Regressionsaufgaben nützlich, bei denen die Merkmale nicht strukturiert sind (z. B. nicht in einer Sequenz oder einem Gitter angeordnet sind)? Wenn …

14 regression machine-learning neural-networks deep-learning

1

Der Unterschied zwischen durchschnittlichem und geringem Behandlungseffekt

Ich habe einige Artikel gelesen und bin mir nicht sicher, was die spezifischen Definitionen des durchschnittlichen Behandlungseffekts (ATE) und des marginalen Behandlungseffekts (MTE) angeht. Sind sie gleich Nach Austin ... Ein bedingter Effekt ist der durchschnittliche Effekt auf Subjektebene, wenn ein Subjekt von unbehandelt zu behandelt verschoben wird. Der Regressionskoeffizient …

14 causality hazard propensity-scores marginal-effect marginal-model

3

Wie wird eine Datenerweiterung und eine Aufteilung der Zugvalidierung durchgeführt?

Ich mache eine Bildklassifizierung mit maschinellem Lernen. Angenommen, ich habe einige Trainingsdaten (Bilder) und teile die Daten in Trainings- und Validierungssätze auf. Außerdem möchte ich die Daten durch zufällige Rotationen und Rauschinjektion erweitern (neue Bilder aus den Originalen erstellen). Die Erweiterung erfolgt offline. Welches ist die richtige Methode zur Datenerweiterung? …

14 machine-learning classification cross-validation dataset data-augmentation

4

Lehrbücher / Lesungen darüber, was zu tun ist, wenn Sie kein ideales Experiment erstellen können?

Meine statistische Ausbildung ist in der mathematischen Statistik verwurzelt, und diese Methodenklassen in meiner MS zu belegen, ist im Moment ein kleiner Schock. es ist derzeit schwierig für mich, einige dieser "angewandten" methoden zu verstehen, da mir die erfahrung in der branche fehlt. Eines der Themen, über die wir in …

14 references experiment-design

1

Grundlegendes zur Gaußschen Prozessregression in der Funktionsansicht mit unbegrenzter Dimensionsbasis

Es wird oft gesagt, dass die Gaußsche Prozessregression (GPR) der Bayes'schen linearen Regression mit einer (möglicherweise) unendlichen Anzahl von Basisfunktionen entspricht. Ich versuche derzeit, dies im Detail zu verstehen, um eine Vorstellung davon zu bekommen, welche Art von Modellen ich mit GPR ausdrücken kann. Glauben Sie, dass dies ein guter …

14 gaussian-process kernel-trick basis-function

5

Weg zur mathematischen Statistik ohne Analysehintergrund: Ideales Lehrbuch zum Selbststudium

Ich bin ziemlich mathematisch veranlagt - hatte 6 Semester Mathematik in meinem Grundstudium - obwohl ich ein bisschen außer Übung bin und langsam mit partiellen Differentialgleichungen und Pfadintegralen bin, kommen meine Konzepte mit ein bisschen Übung zurück. Ich habe keinen Kurs über mathematische Beweise (mathematisches Denken) oder einen über Analyse …

14 mathematical-statistics references

3

Welche schnellen Algorithmen gibt es für die Berechnung der abgeschnittenen SVD?

Möglicherweise nicht zum Thema hier, aber es gibt bereits mehrere ( eine , zwei ) verwandte Fragen. Durch Stöbern in der Literatur (oder bei einer Google-Suche nach abgeschnittenen SVD-Algorithmen) tauchen viele Artikel auf , die abgeschnittene SVDs auf verschiedene Weise verwenden, und behaupten (frustrierend, oft ohne Angabe ), dass es …

14 algorithms svd numerics