Statistiken und Big Data

2

Dice-Coefficient-Loss-Funktion gegen Cross-Entropie

Wie entscheiden Sie sich beim Trainieren von neuronalen Netzen mit Pixelsegmentierung, wie z. B. vollständig faltungsorientierten Netzen, für die Verwendung der Funktion für den entropieübergreifenden Verlust im Vergleich zur Funktion für den Verlust des Würfelkoeffizienten? Mir ist klar, dass dies eine kurze Frage ist, aber ich bin mir nicht sicher, …

27 neural-networks loss-functions cross-entropy

2

Wann ist es angebracht, eine falsche Bewertungsregel anzuwenden?

Merkle & Steyvers (2013) schreiben: Um eine korrekte Bewertungsregel formal zu definieren, sei eine probabilistische Vorhersage eines Bernoulli-Versuchs mit echter Erfolgswahrscheinlichkeit . Richtige Bewertungsregeln sind Metriken, deren erwartete Werte minimiert werden, wenn .fffdddpppf= pf=pf = p Ich verstehe, dass dies gut ist, weil wir die Prognostiker ermutigen möchten, Prognosen zu …

27 classification forecasting scoring-rules

1

Schrittweises Beispiel für die automatische Differenzierung im Rückwärtsmodus

Ich bin mir nicht sicher, ob diese Frage hierher gehört, aber sie hängt eng mit den Gradientenmethoden in der Optimierung zusammen, die hier offenbar zum Thema gehören. Sie können auf jeden Fall migrieren, wenn Sie der Meinung sind, dass eine andere Community über bessere Fachkenntnisse in diesem Thema verfügt. Kurz …

27 optimization derivative tensorflow automatic-differentiation

5

Kann sich ein tiefes neuronales Netzwerk der Multiplikationsfunktion ohne Normalisierung annähern?

Nehmen wir an, wir möchten eine Regression für einfache f = x * yVerwendung eines standardmäßigen tiefen neuronalen Netzwerks durchführen. Ich erinnere mich, dass es Forschungsergebnisse gibt, die besagen, dass NN mit einer Hiden-Schicht jede Funktion approximieren kann, aber ich habe es versucht und ohne Normalisierung konnte NN nicht einmal …

27 regression machine-learning neural-networks deep-learning

4

Wie bestimme ich den optimalen Schwellenwert für einen Klassifikator und generiere eine ROC-Kurve?

Angenommen, wir haben einen SVM-Klassifikator. Wie generieren wir eine ROC-Kurve? (Wie theoretisch) (weil wir TPR und FPR mit jedem der Schwellenwerte generieren). Und wie ermitteln wir den optimalen Schwellenwert für diesen SVM-Klassifikator?

27 machine-learning svm

1

Warum ist PCA für Ausreißer empfindlich?

Es gibt viele Beiträge zu dieser SE, in denen robuste Ansätze für die Hauptkomponentenanalyse (PCA) erörtert werden, aber ich kann keine gute Erklärung dafür finden, warum PCA überhaupt empfindlich gegenüber Ausreißern ist.

26 machine-learning pca outliers

7

Zwei Würfelwürfe - gleiche Nummer in Folge

Ich studiere derzeit statistische Inferenz bei Coursera. In einer der Aufgabenstellungen taucht die folgende Frage auf. | Suppose you rolled the fair die twice. What is the probability of rolling the same number two times in a row? 1: 2/6 2: 1/36 3: 0 4: 1/6 Selection: 2 | You're …

26 probability self-study conditional-probability

5

Warum nehmen wir die Quadratwurzel der Varianz, um die Standardabweichung zu erzeugen?

Entschuldigung, wenn dies an anderer Stelle beantwortet wurde, ich konnte es nicht finden. Ich frage mich, warum wir die Quadratwurzel insbesondere der Varianz nehmen, um die Standardabweichung zu erzeugen. Was bedeutet es, die Quadratwurzel zu ziehen, die einen nützlichen Wert ergibt?

26 variance standard-deviation

1

Was sind die klassischen Notationen in Statistik, linearer Algebra und maschinellem Lernen? Und wie hängen diese Notationen zusammen?

Wenn wir ein Buch lesen, spielt das Verstehen der Notationen eine sehr wichtige Rolle für das Verständnis des Inhalts. Leider haben verschiedene Communities unterschiedliche Notationskonventionen für die Formulierung des Modells und das Optimierungsproblem. Könnte jemand hier einige Formulierungsnotationen zusammenfassen und mögliche Gründe nennen? Ich werde hier ein Beispiel geben: In …

26 machine-learning probability self-study optimization

3

Warum werden Beta / Dirichlet-Regressionen nicht als verallgemeinerte lineare Modelle betrachtet?

Voraussetzung ist dieses Zitat aus der Vignette des R-Pakets betareg1 . Darüber hinaus hat das Modell einige Eigenschaften (z. B. linearer Prädiktor, Verknüpfungsfunktion, Dispersionsparameter) mit verallgemeinerten linearen Modellen (GLMs; McCullagh und Nelder 1989) gemeinsam, ist jedoch kein Sonderfall dieses Frameworks (auch nicht für feste Dispersion) ) Diese Antwort spielt auch …

26 generalized-linear-model beta-regression dirichlet-regression

5

Ist die Wahrscheinlichkeitstheorie das Studium nicht negativer Funktionen, die sich zu einer integrieren / summieren?

Dies ist wahrscheinlich eine dumme Frage, aber ist die Wahrscheinlichkeitstheorie das Studium von Funktionen, die sich zu einer integrieren / summieren? BEARBEITEN. Ich habe die Nicht-Negativität vergessen. Ist die Wahrscheinlichkeitstheorie also das Studium nicht-negativer Funktionen, die sich zu einer integrieren / summieren?

26 probability mathematical-statistics measure-theory

1

Warum sind nicht nullzentrierte Aktivierungsfunktionen ein Problem bei der Rückübertragung?

Ich habe hier folgendes gelesen : Sigmoid-Ausgänge sind nicht nullzentriert . Dies ist unerwünscht, da Neuronen in späteren Verarbeitungsebenen in einem neuronalen Netzwerk (dazu bald mehr) Daten empfangen würden, die nicht nullzentriert sind. Dies hat Auswirkungen auf die Dynamik beim Gradientenabstieg, denn wenn die in ein Neuron eingehenden Daten immer …

26 neural-networks deep-learning backpropagation

2

Was genau ist das Alpha in der Dirichlet-Verteilung?

Ich bin ziemlich neu in der Bayes'schen Statistik und bin auf ein korrigiertes Korrelationsmaß gestoßen , SparCC , das den Dirichlet-Prozess im Backend seines Algorithmus verwendet. Ich habe versucht, den Algorithmus Schritt für Schritt durchzugehen, um wirklich zu verstehen, was passiert, bin mir aber nicht sicher, was der alphaVektorparameter in …

26 distributions bayesian dirichlet-distribution

6

Wie wählt man zwischen ROC AUC und F1 Score?

Ich habe kürzlich einen Kaggle-Wettbewerb abgeschlossen, bei dem der ROC AUC-Score gemäß den Wettbewerbsanforderungen verwendet wurde. Vor diesem Projekt habe ich normalerweise den Wert f1 als Metrik zur Messung der Modellleistung verwendet. In Zukunft frage ich mich, wie ich zwischen diesen beiden Metriken wählen soll. Wann welche verwenden und welche …

26 machine-learning modeling roc scoring-rules

3

Was ist die Bayes'sche Rechtfertigung für Privilegierungsanalysen, die früher als andere Analysen durchgeführt wurden?

Hintergrund und empirisches Beispiel Ich habe zwei Studien; Ich habe ein Experiment durchgeführt (Studie 1) und es dann wiederholt (Studie 2). In Studie 1 fand ich eine Wechselwirkung zwischen zwei Variablen; In Studie 2 verlief diese Wechselwirkung in die gleiche Richtung, war jedoch nicht signifikant. Hier ist die Zusammenfassung für …

26 bayesian