Statistiken und Big Data

1

Richtige Verwendung von Pseudo-Priors bei der Bayes'schen Modellauswahl

Ein Ansatz zum Modellvergleich in einem Bayes'schen Rahmen verwendet eine Bernoulli-Indikatorvariable, um zu bestimmen, welches von zwei Modellen wahrscheinlich das "wahre Modell" ist. Bei der Anwendung von MCMC-basierten Werkzeugen zum Anpassen eines solchen Modells werden häufig Pseudo-Priors verwendet, um das Mischen in den Ketten zu verbessern. Sehen Sie hier für …

8 bayesian model-selection prior

1

Unterschied in der logarithmischen Basis für die Kreuzentropieberechnung

Ich habe hier begonnen, die TensorFlow-Tutorials durchzugehen , und ich habe eine kleine Frage zu den Kreuzentropieberechnungen. Die meisten Orte, an denen ich eine Kreuzentropie gesehen habe, die mit dem Log der Basis 2 berechnet wurde, aber das tf.log ist die Basis e. Unter welchen Bedingungen würde die Verwendung einer …

8 tensorflow cross-entropy

1

Interpretation von Betareg Coef

Ich habe Daten, bei denen das Ergebnis der Anteil einer Art ist, der in einem Gebiet von einer Maschine an zwei verschiedenen Tagen beobachtet wurde. Da das Ergebnis ein Anteil ist und nicht 0 oder 1 enthält, habe ich eine Beta-Regression verwendet, um das Modell anzupassen. Die Temperatur wird als …

8 regression logistic multiple-regression beta-regression

2

Was ist der Unterschied zwischen Ökonometrie und maschinellem Lernen?

Nach meinem Verständnis schätzt die Ökonometrie partielle ( ceteris paribus ) Korrelationen mit dem Ziel, primär kausale Zusammenhänge abzuschätzen . Dafür wird normalerweise der gesamte verfügbare Datensatz verwendet . Ökonometrie kann parametrisch und nicht parametrisch sein. In der Zwischenzeit interessiert sich maschinelles Lernen nicht für Kausalität, sondern für "Fit" mit …

8 machine-learning econometrics

1

Ist der Shapiro Wilk Test W eine Effektgröße?

Ich möchte vermeiden, Normalitätstests zu missbrauchen, bei denen eine ausreichend große Stichprobe eine leichte Nichtnormalität hervorhebt. Ich möchte sagen können, dass eine Verteilung "normal genug" ist. Wenn die Population nicht normal ist, tendiert der p-Wert für den Shapiro-Wilk-Test mit zunehmender Stichprobengröße gegen 0. Der p-Wert ist nicht hilfreich bei der …

8 hypothesis-testing normality-assumption effect-size

1

PCA ist zu CCA wie ICA zu?

PCA sucht nach Faktoren in Daten, die die erklärte Varianz maximieren. Die kanonische Korrelationsanalyse (CCA) ähnelt meines Wissens einer PCA, sucht jedoch nach Faktoren, die die Kreuzkovarianz zwischen zwei Datensätzen maximieren. Finden Sie also pca-ähnliche Faktoren, die zwei Datensätzen gemeinsam sind. Die unabhängige Komponentenanalyse (ICA) ähnelt der PCA, sucht jedoch …

8 pca canonical-correlation ica

2

Wo sind die Residuen in einem GLM?

Ich gehe gerade zu GLMs nach den Standardmodellen über. Im Standardmodell y = Xb + epsilon und es wird angenommen, dass epsilon normal verteilt ist. Das heißt, wir können schreiben y - Xb = epsilon und dann können wir die lhs unter Verwendung einer geeigneten Norm unter der Annahme der …

8 generalized-linear-model residuals

2

Wie berechnet man das Konfidenzintervall für ein geometrisches Mittel?

Entschuldigung, wenn dies überhaupt verwirrend ist, bin ich mit geometrischen Mitteln sehr unbekannt. Für den Kontext beträgt mein Datensatz 35 Portfoliowerte zum Monatsende. Ich habe die Wachstumsrate von Monat zu Monat [Monat (N) / Monat (N-1)] - 1 ermittelt, sodass ich jetzt 34 Beobachtungen habe und einen Monatsendwert unter Verwendung …

8 distributions confidence-interval geometric-mean

1

Verletzung der Normalität der Restannahme im linearen gemischten Modell

Ich habe eine Frage, wie besorgt ich über einen möglichen Verstoß gegen die Normalität der Residuenannahme in einem linearen gemischten Modell sein sollte. Ich habe einen relativ kleinen Datensatz und nach dem Anpassen des Modells (unter Verwendung von 'lmer' in R) zeigt ein Shapiro-Wilks-Test eine signifikante Abweichung der Residuen von …

8 mixed-model lme4-nlme

2

In welchem Verhältnis steht die Zielfunktion der negativen Stichprobe (NS) zur ursprünglichen Zielfunktion in word2vec?

Ich habe das Standard- / berühmte word2vec- Modell gelesen und gemäß den Standardnotizen für cs224n ändert sich die Zielfunktion von: J.o r i gi n a l= -∑j = 0 , j ≠ m2 mu⊤c - m + jvc+ 2 m l o g(∑k = 1| V.|e x p (u⊤kvc) …

8 neural-networks deep-learning natural-language word2vec word-embeddings

3

Warum überschätzt Q-Learning die Aktionswerte?

Ich habe Schwierigkeiten, eine Erklärung dafür zu finden, warum Standard-Q-Learning dazu neigt, Q-Werte zu überschätzen (was durch die Verwendung von doppeltem Q-Learning behoben wird). Die einzigen Quellen, die ich gefunden habe, erklären nicht genau, warum diese Überschätzung auftritt. Zum Beispiel sagt der Wikipedia-Artikel über Q-Learning: Da der maximale angenäherte Aktionswert …

8 machine-learning reinforcement-learning

2

Gaußscher Prozess und Korrelation

Ich habe mich gefragt, warum Menschen Gaußsche Prozesse (GP) verwenden, um eine unbekannte (manchmal deterministische) Funktion zu modellieren. Betrachten Sie zum Beispiel eine unbekannte Funktion . Wir haben drei unabhängige Beobachtungen von dieser Funktion: y=f(x)y=f(x)y=f(x)(x1,y1);(x2,y2);(x3,y3)(x1,y1);(x2,y2);(x3,y3)\big(x_1,y_1); \big(x_2,y_2); \big(x_3,y_3) Um die zugrunde liegende Funktion zu lernen, ist der GP eine übliche nichtparametrische …

8 machine-learning correlation covariance gaussian-process

1

Unterschied zwischen Offset und Belichtung bei der Poisson-Regression

Belichtung und Versatz sind zwei Techniken, die häufig bei Poisson-Regressionen von Aktuaren verwendet werden, um die Häufigkeit von Ansprüchen vorherzusagen. Nach meinem Verständnis sind Offset und Belichtung dasselbe, daher verstehe ich nicht, warum es zwei Begriffe gibt, die dasselbe beschreiben. Ist es richtig oder gibt es Sonderfälle (außer zum Beispiel …

8 poisson-regression offset

1

Ist die logistische Regression ein „semi-parametrisches“ Modell?

Ich sehe kürzlich einen Begriff "semi-parametrisch" in den Antworten meiner Frage , verstehe aber nicht wirklich, was dieser Begriff bedeutet. Wikipedia sagt In der Statistik ist ein semiparametrisches Modell ein statistisches Modell mit parametrischen und nichtparametrischen Komponenten. Und gibt als Beispiel das Cox-Proportional-Hazards-Modell. Ich sehe, dass das Cox-Proportional-Hazards-Modell und die …

8 logistic generalized-linear-model nonparametric parametric

2

Warum sind PCA-Eigenvektoren orthogonal und in welcher Beziehung stehen die PCA-Scores nicht korreliert?

Ich lese über PCA und verstehe die meisten Vorgänge in Bezug auf die Ableitung, abgesehen von der Annahme, dass Eigenvektoren orthogonal sein müssen und in welcher Beziehung sie zu den Projektionen (PCA-Scores) stehen, die nicht korreliert sind. Ich habe unten zwei Erklärungen, die einen Zusammenhang zwischen Orthogonalität und Korrelation verwenden, …

8 mathematical-statistics pca eigenvalues