Statistik dan Big Data

Saya pernah mendengar gagasan bahwa Jaynes mengklaim sering beroperasi dengan "sebelumnya implisit". Apa itu prior implisit? Apakah ini berarti model frequentist semua kasus khusus model Bayesian menunggu untuk ditemukan?

19 bayesian  prior  posterior  frequentist 

Biarkan koordinat Cartesian dari titik acak dipilih st .x,yx,yx,y(x,y)∼U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10) Dengan demikian, jari-jari, , tidak merata seperti yang tersirat oleh 's pdf .ρ=x2+y2−−−−−−√ρ=x2+y2\rho = \sqrt{x^2 + y^2}ρρ\rho Meskipun demikian saya berharap hampir seragam, tidak termasuk artefak karena sisa 4 di tepi:θ=arctanyxθ=arctan⁡yx\theta = \arctan{\frac{y}{x}} Berikut ini adalah fungsi …

19 normal-distribution  matlab  pdf  uniform 

Jadi dalam distribusi normal, kami memiliki dua parameter: mean dan variance . Dalam buku Pattern Recognition dan Machine Learning , tiba-tiba muncul hyperparameter dalam istilah regularisasi fungsi kesalahan.μμ\muσ2σ2\sigma^2λλ\lambda Apa itu hiperparameter? Mengapa mereka dinamai demikian? Dan bagaimana mereka secara intuitif berbeda dari parameter pada umumnya?

19 terminology  definition  parameterization  hyperparameter 

Apakah ada kata yang berarti 'kebalikan dari varians'? Yaitu, jika memiliki varian tinggi, maka memiliki rendah ? Tidak tertarik dengan antonim dekat (seperti 'perjanjian' atau 'kesamaan') tetapi secara khusus berarti ?XXXXXX……\dots1/σ21/σ21/\sigma^2

19 bayesian  variance  terminology  precision 

Saya baru saja bergabung sebagai anggota fakultas di departemen matematika. dari sebuah institusi terkenal. Saya akan mengajarkan Probabilitas dan Statistik program studi di tingkat sarjana. Lembaga ini sudah memiliki silabus untuk kursus ini yang saya tidak puas. Dalam silabus itu, statistik dibahas pertama kali, juga bagian estimasi tidak ada. Saya …

19 teaching 

Dapatkah regularisasi bermanfaat jika kita hanya tertarik dalam memperkirakan (dan menafsirkan) parameter model, bukan dalam peramalan atau prediksi? Saya melihat bagaimana regularisasi / validasi silang sangat berguna jika tujuan Anda adalah membuat perkiraan yang baik tentang data baru. Tetapi bagaimana jika Anda melakukan ekonomi tradisional dan semua yang Anda pedulikan …

19 cross-validation  econometrics  model-selection  interpretation  regularization 

Saya bertanya-tanya mengapa melewatkan-gram lebih baik untuk kata-kata yang jarang terjadi daripada CBOW di word2vec. Saya telah membaca klaim di https://code.google.com/p/word2vec/ .

19 natural-language  word2vec  word-embeddings 

Saya baru mengenal pembelajaran mesin dan mencari beberapa set data yang melaluinya saya dapat membandingkan dan membedakan perbedaan antara algoritma pembelajaran mesin yang berbeda (Decision Trees, Boosting, SVM, dan Neural Networks) Di mana saya dapat menemukan kumpulan data tersebut? Apa yang harus saya cari saat mempertimbangkan dataset? Akan lebih bagus …

19 machine-learning  dataset 

Ini mungkin pertanyaan sederhana bagi banyak orang tetapi ini dia: Mengapa varians tidak didefinisikan sebagai perbedaan antara setiap nilai yang mengikuti satu sama lain, bukannya perbedaan dengan rata-rata nilai? Ini akan menjadi pilihan yang lebih logis bagi saya, saya kira saya jelas mengawasi beberapa kelemahan. Terima kasih EDIT: Biarkan saya …

19 variance 

Statistik Frequentist bagi saya identik dengan mencoba membuat keputusan yang baik untuk semua sampel yang mungkin. Yaitu, aturan keputusan frequentist harus selalu berusaha meminimalkan risiko frequentist, yang tergantung pada fungsi kerugian dan keadaan sebenarnya :L θ 0δδ\deltaLLLθ0θ0\theta_0 Rfreq=Eθ0(L(θ0,δ(Y))Rfreq=Eθ0(L(θ0,δ(Y))R_\mathrm{freq}=\mathbb{E}_{\theta_0}(L(\theta_0,\delta(Y)) Bagaimana estimasi kemungkinan maksimum terhubung ke risiko frequentist? Mengingat bahwa itu adalah …

19 maximum-likelihood  frequentist 

Pada artikel ini , penulis menghubungkan analisis diskriminan linier (LDA) ke analisis komponen utama (PCA). Dengan pengetahuan saya yang terbatas, saya tidak bisa mengikuti bagaimana LDA bisa agak mirip dengan PCA. Saya selalu berpikir bahwa LDA adalah bentuk algoritma klasifikasi, mirip dengan regresi logistik. Saya akan menghargai bantuan dalam memahami …

19 classification  pca  dimensionality-reduction  discriminant-analysis  canonical-correlation 

Saya mencoba menyesuaikan model menggunakan data angin (0, 359) dan waktu hari (0, 23), tetapi saya khawatir bahwa mereka tidak akan cocok dengan regresi linier karena mereka bukan parameter linear sendiri. Saya ingin mengubahnya menggunakan Python. Saya telah melihat beberapa penyebutan penghitungan vektor dengan cara mengambil dosa dan cos dari …

19 regression  python  circular-statistics 

The tingkat belajar parameter ( ) di Gradient Meningkatkan menyusut kontribusi masing-masing model dasar baru -typically sebuah pohon yang dangkal yang ditambahkan dalam seri. Itu terbukti secara dramatis meningkatkan akurasi set tes, yang dapat dimengerti karena dengan langkah-langkah yang lebih kecil, minimum fungsi kerugian dapat dicapai lebih tepat. ν∈ [ …

19 machine-learning  data-mining  predictive-models  boosting  overfitting 

Saya ingin tahu seberapa penting bias node bagi efektivitas jaringan saraf modern. Saya dapat dengan mudah memahami bahwa ini penting dalam jaringan yang dangkal dengan hanya beberapa variabel input. Namun, jaring saraf modern seperti dalam pembelajaran yang mendalam sering memiliki sejumlah besar variabel input untuk memutuskan apakah neuron tertentu dipicu. …

19 neural-networks  deep-learning  bias-node 

Posting ini berkaitan dengan peristiwa yang berubah dengan cepat. Saya menemukan pertanyaan 2012 yang memiliki diskusi yang sangat baik tentang Julia sebagai alternatif untuk R / Python untuk berbagai jenis pekerjaan statistik. Di sinilah letak Pertanyaan asli dari 2012 tentang janji Julia Sayangnya Julia masih sangat baru saat itu & …

19 r  python  computing  julia