Einfaches lineares Modell: x=αt+ϵtx=αt+ϵtx=\alpha t + \epsilon_t wobei ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) mit undE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=σ2Var(x)=σ2Var(x)=\sigma^2 AR (1): Xt=αXt−1+ϵtXt=αXt−1+ϵtX_t =\alpha X_{t-1} + \epsilon_t wobei ~ iidϵtϵt\epsilon_tN(0,σ2)N(0,σ2)N(0,\sigma^2) mit undE(x)=αtE(x)=αtE(x) = \alpha tVar(x)=tσ2Var(x)=tσ2Var(x)=t\sigma^2 Ein einfaches lineares Modell wird also als deterministisches Modell angesehen, während ein AR (1) -Modell als stokahstisches Modell angesehen wird. …
Ich habe mich gefragt , ob wir angesichts einer einseitigen (einseitigen) Hypothese mit einem Alpha-Level von 95% -Konfidenzintervallen.05 sprechen können . Können wir zum Beispiel getrennte "einseitige" und "zweiseitige" Konfidenzintervalle für einen einseitigen Z- oder t-Test konstruieren ? Was wäre die "Interpretation" jedes dieser Konfidenzintervalle angesichts des einseitigen Tests? Ich …
Angenommen, YYY ist eine kontinuierliche Zufallsvariable und XXX ist eine diskrete. Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} Wie wir wissen, ist Pr(Y=y)=0Pr(Y=y)=0\Pr(Y=y) = 0 weil YYY eine kontinuierliche Zufallsvariable ist. Und auf dieser Grundlage bin ich versucht zu schließen, dass die Wahrscheinlichkeit Pr(X=x|Y=y)Pr(X=x|Y=y)\Pr(X=x|Y=y) undefiniert ist. Jedoch behauptet Wikipedia hier , dass es …
Nach einem Jahr in der Graduiertenschule verstehe ich die "gewichteten kleinsten Quadrate" wie folgt: Sei , eine Entwurfsmatrix, \ boldsymbol \ beta \ in \ mathbb {R} ^ p ist ein Parametervektor, \ boldsymbol \ epsilon \ in \ mathbb {R} ^ n ist ein Fehlervektor, so dass \ boldsymbol …
Ich bin fasziniert von einer Frage bei math.stackexchange und untersuche sie empirisch. Ich wundere mich über die folgende Aussage über die Quadratwurzel von Summen von iid-Zufallsvariablen. Angenommen, sind iid Zufallsvariablen mit einem endlichen Mittelwert ungleich Null und Varianz und . Der zentrale Grenzwertsatz besagt wenn zunimmt. μ σ 2 Y …
Kürzlich habe ich den XGBoost-Algorithmus überprüft und festgestellt, dass dieser Algorithmus fehlende Daten (ohne Imputation) in der Trainingsphase verarbeiten kann. Ich habe mich gefragt, ob XGboost fehlende Daten verarbeiten kann (ohne dass eine Imputation erforderlich ist), wenn sie zur Vorhersage neuer Beobachtungen verwendet werden oder die fehlenden Daten unterstellt werden …
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
In allen modernen Empfehlungssystemen, die ich gesehen habe und die auf einer Matrixfaktorisierung beruhen, wird eine nicht negative Matrixfaktorisierung für die Benutzerfilmmatrix durchgeführt. Ich kann verstehen, warum Nicht-Negativität für die Interpretierbarkeit wichtig ist und / oder wenn Sie spärliche Faktoren wünschen. Aber wenn Sie sich nur für die Prognoseleistung interessieren, …
Ich habe eine Liste von Wörtern, die zu verschiedenen selbst definierten Kategorien gehören. Jede Kategorie hat ein eigenes Muster (zum Beispiel hat eine eine feste Länge mit Sonderzeichen, eine andere besteht aus Zeichen, die nur in dieser Kategorie von "Wörtern" vorkommen, ...). Zum Beispiel: "ABC" -> type1 "ACC" -> type1 …
Was ist bei einer Zufallsvariablen der Mittelwert und die Varianz von ?Y=Exp(λ)Y=Exp(λ)Y = Exp(\lambda)G=1YG=1YG=\dfrac{1}{Y} Ich betrachte die inverse Gammaverteilung, aber der Mittelwert und die Varianz sind nur für bzw. ...α>1α>1\alpha>1α>2α>2\alpha>2
Ich bin sehr neu in Worteinbettungen. Ich möchte visualisieren, wie die Dokumente nach dem Lernen aussehen. Ich habe gelesen, dass t-SNE der Ansatz ist, dies zu tun. Ich habe 100.000 Dokumente mit 250 Dimensionen als Größe der Einbettung. Es gibt auch mehrere Pakete zur Verfügung. Für t-SNE weiß ich jedoch …
Oft sehe ich Autoren, die ein "Log-Differenz" -Modell schätzen, z log(yt)−log(yt−1)=log(yt/yt−1)=α+βxtlog(yt)−log(yt−1)=log(yt/yt−1)=α+βxt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Ich bin einverstanden dies angemessen ist , in Beziehung auf eine prozentuale Änderung der während ist .xtxtx_tytyty_tlog(yt)log(yt)\log (y_t)I(1)I(1)I(1) Aber der logarithmische Unterschied ist eine Annäherung, und es scheint, dass man ein …
Okay, nur ein bisschen verschwommen in ein paar Dingen, jede Hilfe wäre sehr dankbar. Nach meinem Verständnis wird das lineare Regressionsmodell über eine bedingte Erwartung vorhergesagt E(Y|X)=b+Xb+eE(Y|X)=b+Xb+eE(Y|X)=b+Xb+e Nehmen wir an, dass sowohl als auch Zufallsvariablen mit einer unbekannten Wahrscheinlichkeitsverteilung sind? Nach meinem Verständnis waren nur die Residuen und die geschätzten …
Für zwei diskrete Verteilungen und ist die Kreuzentropie definiert alspppqqq H(p,q)=−∑xp(x)logq(x).H(p,q)=−∑xp(x)logq(x).H(p,q)=-\sum_x p(x)\log q(x). Ich frage mich, warum dies ein intuitives Maß für den Abstand zwischen zwei Wahrscheinlichkeitsverteilungen wäre. Ich sehe, dass die Entropie von , die die "Überraschung" von misst . ist das Maß, das teilweise durch . Ich verstehe …
Ich interessiere mich für (Deep) Reinforcement Learning (RL) . Sollte ich vor dem Eintauchen in dieses Gebiet einen Kurs in Spieltheorie (GT) belegen ? Wie hängen GT und RL zusammen?
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.