Statistiken und Big Data

2

Ist die multiple lineare Regression in drei Dimensionen eine Ebene mit der besten Anpassung oder eine Linie mit der besten Anpassung?

Unser Professor befasst sich nicht mit der Mathematik oder sogar der geometrischen Darstellung multipler linearer Regression, und das hat mich etwas verwirrt. Einerseits wird es auch in höheren Dimensionen immer noch als multiple lineare Regression bezeichnet. Auf der anderen Seite, wenn wir zum Beispiel haben Y = b 0 + …

11 multiple-regression high-dimensional

1

Interpretation der TBATS-Modellergebnisse und Modelldiagnose

Ich habe halbstündliche Nachfragedaten, bei denen es sich um eine multisaisonale Zeitreihe handelt. Ich habe tbatsin forecastPaket in R verwendet und habe folgende Ergebnisse erhalten: TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>}) Bedeutet dies, dass die Serie nicht unbedingt die Box-Cox-Transformation verwenden muss und der Fehlerterm ARMA (5, 4) ist und …

11 r time-series diagnostic multiple-seasonalities tbats

2

Techniken des maschinellen Lernens für Längsschnittdaten

Ich habe mich gefragt, ob es (unbeaufsichtigt) maschinelle Lerntechniken zur Modellierung von Längsschnittdaten gibt. Ich habe immer Modelle mit gemischten Effekten verwendet (meistens nicht linear), aber ich habe mich gefragt, ob es andere Möglichkeiten gibt (maschinelles Lernen). Mit maschinellem Lernen meine ich zufällige Gesamtstruktur, Klassifizierung / Clustering, Entscheidungsbäume und sogar …

11 machine-learning mixed-model

1

Wann muss ich aufhören, nach einem Modell zu suchen?

Ich suche ein Modell zwischen den Energiekursen und dem Wetter. Ich habe den Preis des MWatt zwischen den Ländern Europas gekauft und viele Werte auf das Wetter (Grib-Dateien). Jede Stunde in einem Zeitraum von 5 Jahren (2011-2015). Preis / Tag Dies ist pro Tag für ein Jahr. Ich habe dies …

11 time-series forecasting predictive-models modeling large-data

1

Gradient für die logistische Verlustfunktion

Ich würde eine Frage zu diesem Thema stellen . Ich habe hier ein Beispiel für das Schreiben einer benutzerdefinierten Verlustfunktion für xgboost gefunden : loglossobj <- function(preds, dtrain) { # dtrain is the internal format of the training data # We extract the labels from the training data labels <- …

11 r machine-learning gradient-descent boosting loss-functions

4

Gute Beispiele / Bücher / Ressourcen zum Erlernen des angewandten maschinellen Lernens (nicht nur ML selbst)

Ich habe zuvor einen ML-Kurs besucht, aber jetzt, da ich an meinem Arbeitsplatz mit ML-bezogenen Projekten arbeite, habe ich große Probleme, ihn tatsächlich anzuwenden. Ich bin mir sicher, dass das, was ich mache, schon einmal recherchiert / behandelt wurde, aber ich kann keine spezifischen Themen finden. Alle Beispiele für maschinelles …

11 machine-learning references train application

1

Was ist der Unterschied zwischen asymptotischer Unparteilichkeit und Konsistenz?

Bedeutet jeder den anderen? Wenn nicht, impliziert das eine das andere? Warum Warum nicht? Dieses Problem trat als Antwort auf einen Kommentar zu einer Antwort auf, die ich hier gepostet habe . Obwohl die Google-Suche in den relevanten Begriffen nichts hervorbrachte, was besonders nützlich schien, bemerkte ich eine Antwort auf …

11 mathematical-statistics bias unbiased-estimator estimators consistency

1

Was ist eine Erklärung für das Beispiel, warum die Chargennormalisierung mit einiger Sorgfalt durchgeführt werden muss?

Ich habe das Batch-Normalisierungspapier [1] gelesen und es hatte einen Abschnitt, in dem ein Beispiel behandelt wird, um zu zeigen, warum die Normalisierung sorgfältig durchgeführt werden muss. Ich kann ehrlich gesagt nicht verstehen, wie das Beispiel funktioniert, und ich bin wirklich sehr neugierig zu verstehen, dass sie so viel Papier …

11 machine-learning neural-networks conv-neural-network

2

Beziehen sich verbleibende Netzwerke auf die Erhöhung des Gradienten?

Kürzlich haben wir die Entstehung des verbleibenden neuronalen Netzes gesehen, bei dem jede Schicht aus einem Rechenmodul cicic_i und einer Verknüpfungsverbindung besteht, die die Eingabe in die Schicht beibehält, wie die Ausgabe der i-ten Schicht zeigt: yi+1=ci+yiyi+1=ci+yi y_{i+1} = c_i + y_i Das Netzwerk ermöglicht das Extrahieren von Restmerkmalen und …

11 machine-learning neural-networks deep-learning gradient-descent residual-networks

4

Neuronales Netz - Bedeutung von Gewichten

Ich verwende Feed-Forward NN. Ich verstehe das Konzept, aber meine Frage betrifft Gewichte. Wie können Sie sie interpretieren, dh was stellen sie dar oder wie können sie ungestört sein (nur Funktionskoeffizienten)? Ich habe etwas gefunden, das "Raum der Gewichte" genannt wird, bin mir aber nicht ganz sicher, was es bedeutet.

11 neural-networks weights

2

Kreuzvalidierung nach LASSO in komplexen Umfragedaten

Ich versuche, mit LASSO eine Modellauswahl für einige Kandidaten-Prädiktoren mit einem kontinuierlichen Ergebnis durchzuführen. Das Ziel besteht darin, das optimale Modell mit der besten Vorhersageleistung auszuwählen, was normalerweise durch K-fache Kreuzvalidierung erfolgen kann, nachdem ein Lösungspfad der Abstimmungsparameter von LASSO erhalten wurde. Das Problem hierbei ist, dass die Daten aus …

11 cross-validation survey lasso glmnet

2

Die Interpretation der Modellmittelung führt zu R.

Ich versuche zu verstehen und zu wissen, was ich aus meiner Analyse einiger Daten mithilfe der Modellmittelung in R berichten soll. Ich verwende das folgende Skript, um die Auswirkung der Messmethode auf eine bestimmte Variable zu analysieren: Hier ist der Datensatz: https://www.dropbox.com/s/u9un273gzw9o30u/VMT4.csv?dl=0 Zu montierendes Modell: LM.1 <- gls(VMTf ~ turn+sex+method, …

11 r model-averaging

1

Unterschied zwischen ElasticNet in Scikit-Learn Python und Glmnet in R.

Hat jemand versucht zu überprüfen, ob das Anpassen eines Elastic Net-Modells mit ElasticNetin scikit-learn in Python und glmnetin R an denselben Datensatz identische arithmetische Ergebnisse liefert? Ich habe mit vielen Kombinationen der Parameter experimentiert (da sich die beiden Funktionen in den Standardwerten unterscheiden, die sie an die Argumente übergeben) und …

11 machine-learning scikit-learn glmnet elastic-net

3

Hauptvorteile von Gaußschen Prozessmodellen

Das Gaußsche Verfahren ist weit verbreitet, insbesondere bei der Emulation. Es ist bekannt, dass der Rechenaufwand hoch ist ( ).0(n3)0(n3)0(n^3) Was macht sie beliebt? Was sind ihre wichtigsten und verborgenen Vorteile? Warum werden sie anstelle von parametrischen Modellen verwendet (mit parametrischem Modell meine ich eine typische lineare Regression, bei der …

11 gaussian-process

3

Regression mit verzerrten Daten

Der Versuch, die Anzahl der Besuche anhand der demografischen Daten und des Service zu berechnen. Die Daten sind sehr verzerrt. Histogramme: qq-Diagramme (links ist log): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityund servicesind Faktorvariablen. Ich bekomme einen niedrigen p-Wert *** für alle Variablen, aber ich bekomme auch ein niedriges r-Quadrat …

11 regression multiple-regression predictive-models exponential qq-plot