Statistiken und Big Data

1

Meine Frage zeigt mein schlechtes Verständnis der Poisson-Regression und der GLMs im Allgemeinen. Hier sind einige gefälschte Daten, um meine Frage zu veranschaulichen: ### some fake data x=c(1:14) y=c(0, 1, 2, 3, 1, 4, 9, 18, 23, 31, 20, 25, 37, 45) Einige benutzerdefinierte Funktionen zur Rückgabe von pseudo-R2: ### …

11 generalized-linear-model poisson-distribution

3

Nichtlinearität vor der endgültigen Softmax-Schicht in einem Faltungsnetzwerk

Ich studiere und versuche, Faltungs-Neuronale Netze zu implementieren, aber ich nehme an, diese Frage gilt für mehrschichtige Perzeptrone im Allgemeinen. Die Ausgangsneuronen in meinem Netzwerk stellen die Aktivierung jeder Klasse dar: Das aktivste Neuron entspricht der vorhergesagten Klasse für eine bestimmte Eingabe. Um die Cross-Entropie-Kosten für das Training zu berücksichtigen, …

11 neural-networks deep-learning conv-neural-network nonlinear softmax

2

So simulieren Sie zensierte Daten

Ich frage mich, wie ich eine Stichprobe von n Weibull-Verteilungslebensdauern simulieren kann, die rechtszensierte Beobachtungen vom Typ I enthalten. Zum Beispiel haben wir n = 3, Form = 3, Skala = 1 und die Zensurrate = 0,15 und die Zensurzeit = 0,88. Ich weiß, wie man eine Weibull-Stichprobe erzeugt, aber …

11 r survival simulation random-generation

1

Scikit Binomial Deviance Loss-Funktion

Dies ist die Binomial-Deviance-Loss-Funktion von scikit GradientBoosting. def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() * …

11 machine-learning scikit-learn boosting loss-functions

1

Ist Support Vector Machine empfindlich gegenüber der Korrelation zwischen den Attributen?

Ich möchte eine SVM trainieren, um Fälle (TRUE / FALSE) anhand von 20 Attributen zu klassifizieren. Ich weiß, dass einige dieser Attribute stark korrelieren. Daher lautet meine Frage: Ist SVM empfindlich gegenüber der Korrelation oder Redundanz zwischen den Merkmalen? Irgendeine Referenz?

11 svm multicollinearity kernel-trick

1

Interpretieren von gekerbten Boxplots

Während ich eine EDA durchführte, entschied ich mich, ein Box-Diagramm zu verwenden, um den Unterschied zwischen zwei Ebenen eines Faktors zu veranschaulichen. Die Art und Weise, wie ggplot das Box-Diagramm renderte, war zufriedenstellend, aber leicht vereinfacht (erstes Diagramm unten). Während ich die Eigenschaften von Boxplots untersuchte, begann ich mit Kerben …

11 data-visualization ggplot2 eda

3

Markov-Ketten gegen HMM

Markov-Ketten machen für mich Sinn, ich kann sie verwenden, um probabilistische Zustandsänderungen in realen Problemen zu modellieren. Dann kommt das HMM. HMMs sollen besser geeignet sein, viele Probleme zu modellieren als MCs. Die genannten Probleme sind jedoch etwas komplex zu verstehen, beispielsweise die Sprachverarbeitung. Meine Frage ist also, können Sie …

11 hidden-markov-model

2

Warum gibt die STL-Funktion eine signifikante saisonale Variation mit zufälligen Daten?

Ich habe mit folgendem Code mit der Funktion stl (Seasonal Decomposition of Time Series by Loess) gezeichnet: plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Es zeigt signifikante saisonale Schwankungen mit zufälligen Daten, die in den obigen Code eingegeben wurden (rnorm-Funktion). Jedes Mal, wenn dies ausgeführt wird, werden signifikante Abweichungen festgestellt, obwohl das Muster unterschiedlich …

11 time-series seasonality loess

2

Kann

Wenn , kann‖ β ∗ ‖β∗= a r gm i nβ∥ y- X.β∥22+ λ ∥ β∥1β∗=argminβ‖y−Xβ‖22+λ‖β‖1\beta^*=\mathrm{arg\,min}_{\beta} \|y-X\beta\|^2_2+\lambda\|\beta\|_1 zunehmen, wenn λ zunimmt?∥ β∗∥2‖β∗‖2\|\beta^*\|_2λλ\lambda Ich denke das ist möglich. Obwohl nicht zunimmt, wenn λ zunimmt (mein Beweis ), kann ‖ β ∗ ‖ 2 zunehmen. Die folgende Abbildung zeigt eine Möglichkeit. Wenn …

11 lasso

1

Kann ich ReLU im Autoencoder als Aktivierungsfunktion verwenden?

Bei der Implementierung eines Autoencoders mit einem neuronalen Netzwerk verwenden die meisten Benutzer Sigmoid als Aktivierungsfunktion. Können wir stattdessen ReLU verwenden? (Da ReLU keine Begrenzung für die Obergrenze hat, bedeutet dies im Grunde, dass das Eingabebild Pixel größer als 1 haben kann, im Gegensatz zu den eingeschränkten Kriterien für Autoencoder, …

11 machine-learning neural-networks deep-learning autoencoders

4

Teilen Sie die Daten in N gleiche Gruppen auf

Ich habe einen Datenrahmen, der Werte in 4 Spalten enthält: Zum Beispiel: ID, price, click count,rating Was ich tun möchte, ist, diesen Datenrahmen in N verschiedene Gruppen "aufzuteilen", wobei jede Gruppe die gleiche Anzahl von Zeilen mit der gleichen Verteilung von Preis-, Klickzahl- und Bewertungsattributen hat. Jeder Rat wird sehr …

11 r distributions

1

Wie kann ich in geschlossener Form berechnen ?

Wie kann man die Erwartung des quadratischen normalen CDF in geschlossener Form bewerten? E[Φ(aZ+b)2]=∫∞−∞Φ(az+b)2ϕ(z)dzE[Φ(aZ+b)2]=∫−∞∞Φ(az+b)2ϕ(z)dz\mathbb{E}\left[\Phi\left(aZ+b\right)^{2}\right] = \int_{-\infty}^{\infty}\Phi\left(az+b\right)^{2}\phi(z)\,dz Hier sind , reelle Zahlen, und und sind die Dichte- und Verteilungsfunktionen einer normalen Standardzufallsvariablen. beziehungsweise.aaabbbZ∼N(0,1)Z∼N(0,1)Z\sim\mathcal{N}(0,1)ϕ(⋅)ϕ(⋅)\phi(\cdot)Φ(⋅)Φ(⋅)\Phi(\cdot)

11 mathematical-statistics

2

Frage zu Continuous Bag of Words

Ich habe Probleme, diesen Satz zu verstehen: Die erste vorgeschlagene Architektur ähnelt der Feedforward-NNLM, bei der die nichtlineare verborgene Schicht entfernt und die Projektionsschicht für alle Wörter (nicht nur für die Projektionsmatrix) gemeinsam genutzt wird. Somit werden alle Wörter an dieselbe Position projiziert (ihre Vektoren werden gemittelt). Was ist die …

11 machine-learning neural-networks natural-language word-embeddings language-models

3

Klassifikator mit einstellbarer Präzision gegen Rückruf

Ich arbeite an einem Problem der binären Klassifizierung, bei dem es viel wichtiger ist, keine falsch positiven Ergebnisse zu erzielen. ziemlich viele falsche Negative sind in Ordnung. Ich habe zum Beispiel eine Reihe von Klassifikatoren in sklearn verwendet, aber ich denke, keiner von ihnen hat die Möglichkeit, den Kompromiss zwischen …

11 classification precision-recall

2

Was versteht man unter Nähe in zufälligen Wäldern?

Ich bin auf den Begriff Nähe in zufälligen Wäldern gestoßen. Aber ich konnte nicht verstehen, was es in zufälligen Wäldern tut. Wie hilft es für Klassifizierungszwecke?

11 machine-learning random-forest