Statistiken und Big Data

4

Eine L1L1L_1 -Norm ist (zumindest teilweise) eindeutig, da p=1p=1p=1 an der Grenze zwischen nicht konvex und konvex liegt. Eine L1L1L_1 -Norm ist die 'spärlichste' konvexe Norm (oder?). Ich verstehe, dass die euklidische Norm p=2p=2p=2 Wurzeln in der Geometrie hat und eine klare Interpretation hat, wenn Dimensionen die gleichen Einheiten haben. …

13 regression regularization sparse

1

Wenn

Ich bin auf einen Beweis für eine der Eigenschaften des ARCH-Modells gestoßen, der besagt, dass, wenn , { X t } stationär ist, wenn ∑ p i = 1 b i < 1 ist, wobei das ARCH-Modell:E ( X2t) < ∞E(Xt2)<∞\mathbb{E}(X_t^2) < \infty{ Xt}{Xt}\{X_t\}∑pi=1bi<1∑ich=1pbich<1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t = \sigma_t\epsilon_t σ2t=b0+b1X2t−1+...bpX2t−pσt2=b0+b1Xt−12+...bpXt−p2\sigma_t^2 …

13 mathematical-statistics stationarity garch

3

Woher kommt die Beta-Distribution?

Wie hier sicher jeder weiß, ist das PDF der Beta-Distribution X∼B(a,b)X∼B(a,b)X \sim B(a,b) von f(x)=1B(a,b)xa−1(1−x)b−1f(x)=1B(a,b)xa−1(1−x)b−1f(x) = \frac{1}{B(a,b)}x^{a-1}(1-x)^{b-1} Ich habe überall nach einer Erklärung der Ursprünge dieser Formel gesucht, aber ich kann sie nicht finden. Jeder Artikel, den ich in der Beta-Distribution gefunden habe, scheint diese Formel zu geben, einige ihrer …

13 probability mathematical-statistics pdf beta-distribution history

4

Warum muss bei der linearen Regression die Antwortvariable stetig sein?

Ich weiß, dass bei der linearen Regression die Antwortvariable stetig sein muss, aber warum ist das so? Ich kann nichts online finden, was erklärt, warum ich keine diskreten Daten für die Antwortvariable verwenden kann.

13 regression linear

4

Sollte man sich Gedanken über Multi-Kollinearität machen, wenn man nichtlineare Modelle verwendet?

Angenommen, wir haben ein Binärklassifizierungsproblem mit hauptsächlich kategorialen Merkmalen. Wir verwenden ein nichtlineares Modell (z. B. XGBoost oder Random Forests), um es zu lernen. Sollte man sich immer noch Sorgen um Multi-Kollinearität machen? Warum? Wenn die Antwort auf das oben Gesagte zutrifft, wie sollte man dagegen vorgehen, wenn man bedenkt, …

13 classification random-forest multicollinearity xgboost

2

Neuronale Netze: One-Hot-Variable überwältigend kontinuierlich?

Ich habe Rohdaten mit etwa 20 Spalten (20 Features). Zehn von ihnen sind kontinuierliche Daten und zehn von ihnen sind kategorisch. Einige der kategorialen Daten können bis zu 50 verschiedene Werte haben (US-Bundesstaaten). Nachdem ich die Daten vorverarbeitet habe, werden die 10 fortlaufenden Spalten zu 10 vorbereiteten Spalten, und die …

13 machine-learning neural-networks tensorflow data-preprocessing theano

1

Warum ist intensives Lernen nicht stabil?

In DeepMinds 2015 veröffentlichtem Artikel über vertieftes Lernen heißt es, dass "frühere Versuche, RL mit neuronalen Netzen zu kombinieren, größtenteils aufgrund von instabilem Lernen gescheitert waren". Der Aufsatz listet dann einige Ursachen auf, die auf Korrelationen zwischen den Beobachtungen beruhen. Könnte mir bitte jemand erklären, was das bedeutet? Handelt es …

13 machine-learning neural-networks deep-learning reinforcement-learning

2

Widersprüchliche Ansätze zur Variablenauswahl: AIC, p-Werte oder beides?

Soweit ich weiß, ist die Variablenauswahl basierend auf p-Werten (zumindest im Regressionskontext) stark fehlerhaft. Es sieht so aus, als ob die Variablenauswahl basierend auf AIC (oder ähnlichem) auch von einigen aus ähnlichen Gründen als fehlerhaft angesehen wird, obwohl dies ein wenig unklar erscheint (siehe z. B. meine Frage und einige …

13 hypothesis-testing multiple-regression feature-selection model-selection aic

2

Das harmonische Mittel minimiert die Summe der quadratischen relativen Fehler

Ich suche eine Referenz, bei der nachgewiesen ist, dass die Harmonischen bedeuten x¯h=n∑ni=11xix¯h=n∑i=1n1xi\bar{x}^h = \frac{n}{\sum_{i=1}^n \frac{1}{x_i}} minimiert (in ) die Summe der quadratischen relativen Fehlerzzz ∑i=1n((xi−z)2xi).∑i=1n((xi−z)2xi).\sum_{i=1}^n \left( \frac{(x_i - z)^2}{x_i}\right).

13 references mean error weighted-regression harmonic-mean

2

Was sagen r, r im Quadrat und die Reststandardabweichung über eine lineare Beziehung aus?

Wenig Hintergrund Ich arbeite an der Interpretation der Regressionsanalyse, aber ich bin sehr verwirrt über die Bedeutung von r, r im Quadrat und der restlichen Standardabweichung. Ich kenne die Definitionen: Charakterisierungen r misst die Stärke und Richtung einer linearen Beziehung zwischen zwei Variablen in einem Streudiagramm Das R-Quadrat ist ein …

13 r regression regression-coefficients linear pearson-r

1

Vorhersageintervall für binomische Zufallsvariable

Wie lautet die (ungefähre oder genaue) Formel für ein Vorhersageintervall für eine Binomial-Zufallsvariable? Es sei angenommen , Y∼Binom(n,p)Y∼Binom(n,p)Y \sim \mathsf{Binom}(n, p) , und wir beobachten , yyy (aus gezogenem YYY ). Das nnn ist bekannt. Unser Ziel ist es, ein Vorhersageintervall von 95% für eine neue Ziehung von YYY . …

13 confidence-interval binomial prediction-interval

4

Wie kann die Summe zweier Variablen mehr Varianz erklären als die einzelnen Variablen?

Ich erhalte einige verwirrende Ergebnisse für die Korrelation einer Summe mit einer dritten Variablen, wenn die beiden Prädiktoren negativ korreliert sind. Was verursacht diese verwirrenden Ergebnisse? Beispiel 1: Korrelation zwischen der Summe zweier Variablen und einer dritten Variablen Betrachten Sie die Formel 16.23 auf Seite 427 von Guildfords Text von …

13 correlation multiple-regression

1

Zeitreihenmodellierung von zirkulären Daten

Ich baue ARIMA-Modelle für einige Wind- / Wellendaten. Ich erstelle für jede Variable ein eigenes Modell. Zwei der Variablen, die ich modellieren muss, sind Wellen- und Windrichtung. Die Werte sind in Grad (0-360 °) angegeben. Ist es möglich, diese Art von Daten zu modellieren, bei denen das Werteintervall kreisförmig ist? …

13 time-series arima circular-statistics

2

KKT in aller Kürze grafisch

Zielsetzung Bestätigen Sie, ob das Verständnis von KKT korrekt ist oder nicht. Weitere Erklärungen und Bestätigungen finden Sie auf KKT. Hintergrund Der Versuch, die KKT-Bedingungen zu verstehen, insbesondere die komplementären, die in SVM-Artikeln immer aus heiterem Himmel auftauchen. Ich brauche keine Liste abstrakter Formeln, sondern eine konkrete, intuitive und grafische …

13 svm optimization lagrange-multipliers

3

Auswahl der Hyperparameter mit T-SNE zur Klassifizierung

Als spezifisches Problem, mit dem ich arbeite (einen Wettbewerb), habe ich die folgende Einstellung: 21 Funktionen (numerisch auf [0,1]) und einen Binärausgang. Ich habe ca. 100 K Zeilen. Die Einstellung scheint sehr laut zu sein. Ich und andere Teilnehmer wenden die Feature-Generierung für eine Weile an, und das Einbetten von …

13 machine-learning dimensionality-reduction unsupervised-learning tsne