Statistiken und Big Data

2

Kann ein GAN zur Datenerweiterung verwendet werden?

Kann ein generatives kontradiktorisches Netzwerk (GAN) zur Datenerweiterung verwendet werden (dh um synthetische Beispiele zu generieren, die einem Datensatz hinzugefügt werden)? Würde sich dies auf die Leistung eines Modells auswirken, das auf dem erweiterten Datensatz trainiert wurde?

9 machine-learning neural-networks gan data-augmentation

2

Woher stammt die Terminologie „Receiver Operating Characteristic“ (ROC)?

Keine Entschuldigung: Ich habe nicht versucht, dies zu untersuchen (abgesehen von der Überprüfung der Liste der Fragen im Lebenslauf, sofern diese Frage möglicherweise beantwortet wurde). Ich habe dies letzte Woche im Unterricht unterrichtet, um logistische multiple Regressionsmodelle zu diagnostizieren, und ich habe die Schüler im Voraus gewarnt, dass ich die …

9 logistic roc history

1

Mehr Prädiktoren als Beobachtungen?

Was bedeutet es, wenn Statistiker davon sprechen, mehr Prädiktoren als Beobachtungen in einem Regressionsmodell zu haben? Wie könnte das überhaupt möglich sein? Warum ist es ein Problem bei der Regression? Entschuldigung, ich bin neu in der Quantanalyse und Statistik, also nicht ganz sicher, warum dies der Fall ist? Ich würde …

9 regression

1

Schauspieler-Kritiker-Verlustfunktion beim verstärkten Lernen

Ich verstehe, dass Sie beim Lernen von Schauspieler-Kritiker zum Lernen der Verstärkung einen "Schauspieler" haben, der über die zu treffenden Maßnahmen entscheidet, und einen "Kritiker", der diese Maßnahmen dann bewertet. Ich bin jedoch verwirrt darüber, was die Verlustfunktion tatsächlich aussagt mir. In Sutton und Bartons Buch Seite 274 (292 des …

9 machine-learning reinforcement-learning actor-critic

1

Was bedeutet es, dass die Trainingsdaten durch eine Wahrscheinlichkeitsverteilung über Datensätze generiert werden?

Ich habe das Deep Learning-Buch gelesen und bin auf folgenden Absatz gestoßen (Seite 109, zweiter Absatz): Die Trainings- und Testdaten werden durch eine Wahrscheinlichkeitsverteilung über Datensätze generiert, die als Datengenerierungsprozess bezeichnet wird. Wir machen normalerweise eine Reihe von Annahmen, die zusammen als iid-Annahmen bekannt sind. Diese Annahmen bestehen darin, dass …

9 deep-learning

3

Datenerweiterung nur für Trainingssätze?

Ist es üblich, die Datenerweiterung nur auf Trainingssätze oder sowohl auf Trainings- als auch auf Testsätze anzuwenden?

9 machine-learning deep-learning regularization data-augmentation

2

Anpassung des exponentiellen Zerfalls mit negativen y-Werten

Ich versuche, eine exponentielle Abklingfunktion an y-Werte anzupassen, die bei hohen x-Werten negativ werden, kann meine nlsFunktion jedoch nicht richtig konfigurieren . Ziel Ich interessiere mich für die Steigung der Abklingfunktion (λλ\lambdanach einigen Quellen ). Wie ich diese Steigung erhalte, ist nicht wichtig, aber das Modell sollte so gut wie …

9 r model exponential

2

Unterschied zwischen Conv- und FC-Schichten?

Was ist der Unterschied zwischen Conv-Schichten und FC-Schichten ? Warum kann ich keine Conv-Ebenen anstelle von FC-Ebenen verwenden ?

9 neural-networks conv-neural-network convolution

2

Eine einfache und klare Erklärung der Gini-Verunreinigung?

Im Zusammenhang mit der Aufteilung des Entscheidungsbaums ist nicht ersichtlich, warum die Gini-Verunreinigung vorliegt i ( t ) = 1 -∑j = 1kp2( j | t )i(t)=1−∑j=1kp2(j|t) i(t)=1-\sum\limits_{j=1}^k p^2(j|t) ist ein Maß für die Verunreinigung des Knotens t . Gibt es eine einfache Erklärung dafür?

9 cart intuition gini

3

Ist Feature Engineering wichtig, wenn Random Forest oder Gradient Boosting durchgeführt werden?

Für lineare Modelle (wie lineare Regression, logistische Regression usw.) ist das Feature-Engineering ein wichtiger Schritt, um die Leistung der Modelle zu verbessern. Meine Frage ist, ist es wichtig, ob wir Feature-Engineering durchführen, während wir zufällige Gesamtstruktur- oder Gradienten-Boosting verwenden? Zugegeben, diese Modelle sind keine Deep-Learning-Modelle. aber ， es scheint, dass …

9 machine-learning random-forest feature-construction gbm boosting

2

ANOVA zum Vergleichen von Modellen

Ich suche auf dieser Seite nach einem Workshop zu GAM in R: http://qcbs.ca/wiki/r_workshop8 Am Ende des Abschnitts 2. Multiple smooth termszeigen sie ein Beispiel, in anovadem drei verschiedene Modelle verglichen werden, um das am besten passende Modell zu ermitteln. Die Ausgabe ist Analysis of Deviance Table Model 1: y ~ …

9 r anova gam mgcv

1

So wählen Sie den Typ der GAM-Parameter

Ich habe begonnen, mit GAM in R zu arbeiten, und ich habe Simon Woods ausgezeichnetes Buch zum Thema ( "Generalisierte additive Modelle Eine Einführung mit R" ) erworben. Anhand eines seiner Beispiele betrachte ich Folgendes: library(mgcv) data(trees) ct1<-gam(log(Volume) ~ Height + s(Girth), data=trees) Ich habe zwei allgemeine Fragen zu diesem …

9 r regression machine-learning gam mgcv

1

Was bedeuten die Begriffe "dicht" und "spärlich" im Zusammenhang mit neuronalen Netzen?

Was bedeuten die Begriffe "dicht" und "dünn" im Zusammenhang mit neuronalen Netzen (NNs)? Was ist der Unterschied zwischen ihnen? Warum heißen sie so?

9 neural-networks terminology definition

2

Wie kann LSTM mehrere Zeitschritte voraussagen?

Ich versuche, ein LSTM für die Vorhersage von Zeitreihen zu verwenden. Die Daten werden einmal pro Minute übertragen, aber ich würde gerne eine Stunde voraussagen. Ich kann mir zwei Möglichkeiten vorstellen, dies zu tun: Zerdrücken Sie die Daten stattdessen in stündliche Daten, wobei Sie den Durchschnitt über jeden Zeitraum von …

9 time-series lstm rnn

4

Wie kann die Kollinearität kategorialer Variablen bei der logistischen Regression vermieden werden?

Ich habe das folgende Problem: Ich führe eine mehrfache logistische Regression für mehrere Variablen durch, von denen jede eine nominelle Skala hat. Ich möchte Multikollinearität in meiner Regression vermeiden. Wenn die Variablen kontinuierlich wären, könnte ich den Varianzinflationsfaktor (VIF) berechnen und nach Variablen mit einem hohen VIF suchen. Wenn die …

9 regression logistic multiple-regression multicollinearity