Statistiken und Big Data parameterization

7

Würde ein Bayesianer zugeben, dass es einen festen Parameterwert gibt?

In der Bayes'schen Datenanalyse werden Parameter als Zufallsvariablen behandelt. Dies ergibt sich aus der Bayes'schen subjektiven Konzeptualisierung der Wahrscheinlichkeit. Aber erkennen Bayesianer theoretisch an, dass es in der "realen Welt" einen echten festen Parameterwert gibt? Die offensichtliche Antwort scheint "Ja" zu sein, denn dann wäre es fast unsinnig, den Parameter …

39 probability bayesian parameterization

1

Für welche Distributionen unterscheiden sich die Parametrisierungen in BUGS und R?

Ich habe einige Distributionen gefunden, für die BUGS und R unterschiedliche Parametrisierungen haben: Normal, log-Normal und Weibull. Für jeden von diesen erfahre ich, dass der zweite von R verwendete Parameter invers transformiert werden muss (1 / parameter), bevor er in BUGS (oder in meinem Fall JAGS) verwendet wird. Kennt jemand …

31 r distributions bugs jags parameterization

5

Was ist in einem Namen: Hyperparameter

In einer Normalverteilung haben wir also zwei Parameter: mean und varance . Im Buch Mustererkennung und maschinelles Lernen taucht plötzlich ein Hyperparameter in den Regularisierungsbegriffen der Fehlerfunktion auf.μμ\muσ2σ2\sigma^2λλ\lambda Was sind Hyperparameter? Warum heißen sie so? Und wie unterscheiden sie sich intuitiv von Parametern im Allgemeinen?

19 terminology definition parameterization hyperparameter

2

Zufällige Gesamtstruktur: Was ist, wenn ich weiß, dass eine Variable wichtig ist?

Mein Verständnis ist, dass die zufällige Gesamtstruktur zufällig ausgewählte Variablen auswählt , um jeden Entscheidungsbaum zu erstellen. Wenn also mtry = ncol / 3 ist, wird jede Variable durchschnittlich in 1/3 der Bäume verwendet. Und 2/3 der Bäume werden sie nicht benutzen. Aber was ist, wenn ich weiß, dass eine …

12 r random-forest parameterization

2

Kreuzvalidierung und Parameteroptimierung

Ich habe eine Frage zur Parameteroptimierung, wenn ich die 10-fache Kreuzvalidierung verwende. Ich möchte fragen, ob die Parameter während des Modelltrainings jeder Falte festgelegt werden sollen oder nicht, dh (1) einen Satz optimierter Parameter für die durchschnittliche Genauigkeit jeder Falte auswählen. oder (2) Ich sollte den optimierten Parameter für jede …

11 cross-validation optimization parameterization

2

Fisher-Informationsmatrix-Determinante für ein überparametrisiertes Modell

Betrachten Sie eine Bernoulli-Zufallsvariable X∈{0,1}X∈{0,1}X\in\{0,1\} mit dem Parameter θθ\theta (Erfolgswahrscheinlichkeit). Die Wahrscheinlichkeitsfunktion und die Fisher-Information (eine 1×11×11 \times 1 Matrix) sind: L1(θ;X)I1(θ)=p(X|θ)=θX(1−θ)1−X=detI1(θ)=1θ(1−θ)L1(θ;X)=p(X|θ)=θX(1−θ)1−XI1(θ)=detI1(θ)=1θ(1−θ) \begin{align} \mathcal{L}_1(\theta;X) &= p(\left.X\right|\theta) = \theta^{X}(1-\theta)^{1-X} \\ \mathcal{I}_1(\theta) &= \det \mathcal{I}_1(\theta) = \frac{1}{\theta(1-\theta)} \end{align} Betrachten Sie nun eine " " Version mit zwei Parametern: der Erfolgswahrscheinlichkeit und der …

10 bernoulli-distribution parameterization fisher-information determinant

1

Parametrisierung der Behrens-Fisher-Verteilungen

"Über das Behrens-Fisher-Problem: Ein Rückblick" von Seock-Ho Kim und Allen S. Cohen Journal of Educational and Behavioral Statistics , Band 23, Nummer 4, Winter 1998, Seiten 356–377 Ich schaue mir dieses Ding an und es heißt: Fisher (1935, 1939) wählte die Statistik [wobei die übliche Statistik mit einer Stichprobe für …

9 distributions parameterization fiducial

1

Berücksichtigung diskreter oder binärer Parameter im Bayes'schen Informationskriterium

BIC bestraft basierend auf der Anzahl der Parameter. Was ist, wenn einige der Parameter binäre Indikatorvariablen sind? Zählen diese als vollständige Parameter? Aber ich kann Binärparameter zu einer diskreten Variablen kombinieren , die Werte in annimmt . Sollen diese als Parameter oder als ein Parameter gezählt werden?{ 0 , 1 …

9 bayesian model-selection bic parameterization

1

Kann ich die Parameter einer logarithmischen Normalverteilung aus dem Stichprobenmittelwert und dem Median ermitteln?

Ich habe die Mittel- und Medianwerte für eine Stichprobe aus einer logarithmischen Normalverteilung. Beachten Sie, dass dies nicht der Mittelwert und der Median der Protokolle der Variablen ist, obwohl ich natürlich die Protokolle des Mittelwerts und des Medians berechnen kann. Gibt es aus diesen Informationen eine geschlossene Lösung für μ …

8 estimation mean lognormal median parameterization

1

Was ist der Sinn von grafischen Modellen?

Ich habe den Tag damit verbracht, etwas über das bnlearn-Paket in R zu lernen, nur um festzustellen, dass Bayes'sche Modelle nicht mit ungerichteten Graphen funktionieren. Ich versuche, etwas über das Markov Random Field Network zu lernen, und bisher konnte ich nur die grafische Struktur mit einem grafischen LASSO erstellen. In …

8 machine-learning graphical-model parameterization bayesian-network

2

Matrixfaktorisierungsmodell für Empfehlungssysteme Wie kann die Anzahl der latenten Merkmale bestimmt werden?

Ich versuche, eine Matrixfaktorisierungstechnik für ein einfaches Bewertungsempfehlungssystem für Benutzerelemente zu entwerfen. Ich habe 2 Fragen dazu. Zuerst in einer einfachen Implementierung, die ich von der Matrixfaktorisierungstechnik für die Filmempfehlung gesehen habe, hat der Autor gerade die Dimensionen der latenten Merkmale initialisiert. Nennen wir es K der beiden latenten Merkmalsbenutzer- …

8 recommender-system matrix-decomposition parameterization ensemble

1

Was bedeutet der Parameter cost (C) in SVM?

Ich versuche, eine SVM an meine Daten anzupassen. Mein Datensatz enthält 3 Klassen und ich führe eine 10-fache Kreuzvalidierung durch (in LibSVM): ./svm-train -g 0.5 -c 10 -e 0.1 -v 10 training_data Die Hilfe lautet dabei: -c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1) …

7 cross-validation svm libsvm parameterization optimization

3

GLMs müssen in den Parametern linear sein.

Ich habe eine gewisse kognitive Dissonanz darüber, was "linear in den Parametern" bedeutet. Zum Beispiel hier und hier . Zum Beispiel ist mein Verständnis ist in den Parametern nicht linear, da zwei Parametervariablen miteinander multipliziert sind (nämlich ).yich=β0+β1β2x1+ exp(β3) (x2)2+ ϵyi=β0+β1β2x1+exp⁡(β3)(x2)2+ϵy_i = \beta_0 + \beta_1\beta_2x_1 + \exp(\beta_3)(x_2)^2 + \epsilonβ1,β2β1,β2{\beta_1, \beta_2} …

7 generalized-linear-model linear parameterization

Als «parameterization» getaggte Fragen