Lassen Sie eine Student-t-Verteilung haben, so dass XXXfX(x|ν,μ,β)=Γ(ν+12)Γ(ν2)πν−−√β(1+1ν(x−μβ)2)−1+ν2fX(x|ν,μ,β)=Γ(ν+12)Γ(ν2)πνβ(1+1ν(x−μβ)2)−1+ν2\begin{align*} f_X(x|\nu ,\mu ,\beta) = \frac{\Gamma (\frac{\nu+1}{2})}{\Gamma (\frac{\nu}{2}) \sqrt{\pi \nu} \beta} \left(1+\frac{1}{\nu}\left(\frac{x - \mu}{\beta}\right)^2 \right)^{\text{$-\frac{1+\nu}{2}$}} \end{align*} Ich weiß, dass Student-t-Verteilungen ein Potenzgesetz im Schwanz zeigen. Ich weiß auch, dass Lévy stabile Verteilungen (zB mit folgender charakteristischer Funktion: ϕ(t|α,β,c,μ)=exp[itμ−|ct|α(1−iβsgn(t)Φ)]ϕ(t|α,β,c,μ)=exp[itμ−|ct|α(1−iβsgn(t)Φ)]\begin{align*} \phi(t|\alpha ,\beta, c ,\mu) = …
Meine Hauptfrage: Welche Bibliographie würden Sie für die Theorie linearer Modelle empfehlen? Ich denke darüber nach, Flugzeugantworten auf komplexe Fragen zu erhalten: die Theorie der linearen Modelle von Ronald Christensen. Hat es hier jemals jemand gelesen? Was sind die Vor- und Nachteile des Buches? Ist die Briefgröße angemessen? Das mag …
Ich verwende Rs Implementierung von XGboost und Random Forest, um Prognosen für den Umsatz für einen Tag im Voraus zu erstellen. Ich habe ungefähr 200 Zeilen und 50 Prädiktoren. (Wenn ich mit der Zeit weiter gehe, habe ich mehr Daten, also mehr Zeilen). Das XGBoost-Modell mit den folgenden Parametern ist …
Können Sie einen GLM über eine Logit-Verbindung mit einem kontinuierlichen DV (zwischen 0 und 1) ausführen? Im Allgemeinen wird empfohlen, eine Binomialfamilie mit einem Logit-Link zu verwenden, aber ich vermute, das liegt daran, dass das Modell einen binären DV annimmt. Wenn wir eine kontinuierliche DV haben, möchten wir eine Gaußsche …
Können wir die Spur der Hutmatrix im Falle einer Kernelregression für die effektiven Freiheitsgrade verwenden? Wo wir die Hutmatrix erhalten, H als: H=y^∗y+H=y^∗y+H = \hat{y} * y^+ wo y^y^\hat{y} ist die vorhergesagten Antwortwerte, y+y+y^+ ist die Pseudo-Inverse von yyy.
Die Wettervorhersage sagt die Regenwahrscheinlichkeit für einen Tag voraus oder nicht. Wenn ich den gleichen Tag viele Male wiederholen könnte, könnte ich zählen, wie oft es regnet oder nicht, also könnte ich mit der Vorhersage vergleichen, um zu wissen, ob die Vorhersage richtig ist. Tatsache ist, dass es nicht möglich …
Definition . Angenommen, y∼N(μ,In×n)y∼N(μ,In×n)\mathbf{y} \sim \mathcal{N}(\boldsymbol{\mu}, I_{n \times n}) . Dann ist w=yTy=∥y∥2∼χ2n(θ=∥μ∥2/2=μTμ/2),w=yTy=‖y‖2∼χn2(θ=‖μ‖2/2=μTμ/2),w = \mathbf{y}^{T}\mathbf{y} = \|\mathbf{y}\|^2 \sim \chi^{2}_{n}\left(\theta = \|\boldsymbol{\mu}\|^2/2 =\boldsymbol{\mu}^{T}\boldsymbol{\mu}/2 \right)\text{,} dh die χ2χ2\chi^2 Verteilung mit nnn Graden von Freiheits- und Nichtzentralitätsparameter θθ\theta . Ich versuche, (am allerwenigsten) findet einen Beweis des folgenden Satzes: Satz . Angenommen, ΣΣ\Sigma …
Ich mache meine ersten Schritte in den Bereichen Datenwissenschaft und maschinelles Lernen. Ich experimentiere mit einem Projekt, bei dem ich keine Ahnung habe, mit welchen Ansätzen ich beginnen könnte, daher würde ich mich über Hinweise freuen: Ich habe einen Datensatz (zur Erklärung) der Studienabschlüsse. Der Datensatz ist insofern vollständig, als …
In meinem Experiment habe ich 30 verschiedene Akzessionen einer Art verwendet. Eine Gruppe ist von Dürre betroffen und die andere Gruppe ist die Kontrolle. Ich habe Daten zu 6 verschiedenen Parametern gesammelt. Ich möchte wissen, welcher Beitritt toleranter oder anfälliger ist, welcher Beitritt von welcher Variablen (Parameter) stärker betroffen ist …
In den letzten Wochen habe ich über OVB (Omitted Variable Bias) im Zusammenhang mit Regression und Lösung dafür nachgedacht (wie man dieses Problem vermeidet). Ich kenne Shalizis Vorlesungen (2.2), aber er beschreibt dies nur mathematisch. Diese Woche jemand gesagt , dass es ist ganz einfach - die Lösung für die …
Ich passe eine multinomiale logistische Regression mit dem glmnet-Paket in R an: library(glmnet) data(MultinomialExample) cvfit=cv.glmnet(x, y, family="multinomial", type.multinomial = "grouped") plot(cvfit) Was ist "Multinomial Deviance" und in welcher Beziehung steht es zu " Multinomial Logloss "?
Dies ist aus einem Artikel 'Algorithmen für inverses Verstärkungslernen' von Ng, Russell (2001) Wir gehen davon aus, dass wir in der Lage sind, Trajektorien im MDP (ab dem Anfangszustand ) unter der optimalen Richtlinie oder unter einer Richtlinie unserer Wahl zu simulieren . Für jede Richtlinie , die wir berücksichtigen …
In einem Bayes'schen Modell wird die posteriore Vorhersageverteilung normalerweise wie folgt geschrieben: p (xn e w∣x1, …xn) =∫∞- ∞p (xn e w∣ μ ) p ( μ ∣ x1, …xn) dμp(xnew∣x1,…xn)=∫- -∞∞p(xnew∣μ) p(μ∣x1,…xn)dμ p(x_{new} \mid x_1, \ldots x_n) = \int_{-\infty}^{\infty} p(x_{new}\mid \mu) \ p(\mu \mid x_1, \ldots x_n)d\mu für einen …
Ich arbeite mit einer halbüberwachten Lernaufgabe, bei der ich nur positive und unbeschriftete Daten habe (PU-Lernen). Ich habe einige Algorithmen getestet und möchte deren Leistung bewerten. Für betreutes Lernen verwende ich normalerweise: Fehlklassifizierungsfehler Richtigkeit ROC-Kurven Leistung zu bewerten. Da meine Trainings- und Validierungssätze jedoch nur positive und unbeschriftete Daten enthalten, …
Seite 170 in Philip Tetlocks et al. Das Superforecasting- Buch zeigt den Satz von Bayes in Quotenform als: P.( H.| D)P.( ¬ H.| D)= P.( D | H.) P.( D | ¬ H.)P.( H.)P.(¬ H.)P.(H.|D.)P.(¬H.|D.)=P.(D.|H.)P.(D.|¬H.)P.(H.)P.(¬H.)\frac{P (H|D)}{P (\neg H|D)} = P (D|H) P (D|\neg H) \frac{ P (H)}{P (\neg H)} Posterior …
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.