Pertanyaan yang diberi tag «decision-theory»

Situasi Beberapa peneliti ingin membuat Anda tertidur. Bergantung pada lemparan rahasia koin yang adil, mereka akan membangunkan Anda sebentar (Kepala) atau dua kali (Ekor) sebentar. Setelah setiap bangun, mereka akan membuat Anda kembali tidur dengan obat yang membuat Anda melupakan kebangkitan itu. Ketika Anda terbangun, sampai sejauh mana Anda harus …

133 decision-theory  paradox 

Ini bukan pertanyaan pekerjaan rumah tetapi masalah nyata yang dihadapi oleh perusahaan kami. Baru-baru ini (2 hari yang lalu) kami memesan untuk pembuatan 10.000 label produk ke dealer. Dealer adalah orang yang mandiri. Dia mendapatkan label yang diproduksi dari luar dan perusahaan melakukan pembayaran ke dealer. Setiap label harganya tepat …

66 probability  bayesian  model  decision-theory 

Saya akan menjelaskan masalah saya dengan sebuah contoh. Misalkan Anda ingin memprediksi penghasilan seseorang yang diberikan beberapa atribut: {Usia, Jenis Kelamin, Negara, Wilayah, Kota}. Anda memiliki dataset pelatihan seperti itu train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) …

29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

Saya melihat bahwa kedua fungsi merupakan bagian dari metode penambangan data seperti Gradient Boosting Regressors. Saya melihat bahwa itu adalah objek yang terpisah juga. Bagaimana hubungan keduanya secara umum?

23 regression  classification  data-mining  decision-theory 

(Untuk mengetahui mengapa saya menulis ini, periksa komentar di bawah jawaban saya untuk pertanyaan ini .) Tipe III kesalahan dan teori keputusan statistik Memberikan jawaban yang benar untuk pertanyaan yang salah kadang-kadang disebut kesalahan Tipe III. Teori keputusan statistik adalah formalisasi pengambilan keputusan di bawah ketidakpastian; ini menyediakan kerangka kerja …

20 bayesian  credible-interval  decision-theory 

Dengan flat sebelumnya, estimator ML (frequentist - maximum likelihood) dan MAP (Bayesian - maximum a posteriori) bersamaan. Namun, secara lebih umum, saya berbicara tentang penduga titik yang diturunkan sebagai pengoptimal beberapa fungsi kerugian. Yaitu (Bayesian) x (x^(.)=argminE(L(X−x^(y))|y) (Bayesian) x^(.)=argminE(L(X−x^(y))|y) (Bayesian) \hat x(\,. ) = \text{argmin} \; \mathbb{E} \left( L(X-\hat x(y)) …

17 bayesian  estimation  loss-functions  frequentist  decision-theory 

Bayangkan pengaturan berikut: Anda memiliki 2 koin, koin A yang dijamin adil, dan koin B yang mungkin atau mungkin tidak adil. Anda diminta untuk melakukan 100 koin terbalik, dan tujuan Anda adalah memaksimalkan jumlah kepala . Informasi Anda sebelumnya tentang koin B adalah bahwa koin itu dibalik 3 kali dan …

14 bayesian  decision-theory 

Misalkan menunjukkan risiko Bayes dari estimator terhadap sebelumnya , misalkan menunjukkan himpunan semua prior pada ruang parameter , dan biarkan menunjukkan himpunan semua aturan keputusan (mungkin acak).δ π Π Θ Δr(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta Interpretasi statistik dari ketimpangan minimal John von Neumann menyatakan bahwa supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ),supπ∈Πinfδ∈Δr(π,δ)≤infδ∈Δsupπ∈Πr(π,δ), \sup_{\pi\in\Pi} \inf_{\delta\in\Delta} r(\pi, \delta) \leq \inf_{\delta\in\Delta}\sup_{\pi\in\Pi} r(\pi, …

12 bayesian  decision-theory  risk 

Saya mengalami kesulitan memahami statistik yang cukup lengkap? Biarkan menjadi statistik yang cukup.T=ΣxiT=ΣxiT=\Sigma x_i Jika dengan probabilitas 1, untuk beberapa fungsi g , maka itu adalah statistik yang cukup lengkap.E[g(T)]=0E[g(T)]=0E[g(T)]=0ggg Tapi apa artinya ini? Saya telah melihat contoh seragam dan Bernoulli (halaman 6 http://amath.colorado.edu/courses/4520/2011fall/HandOuts/umvue.pdf ), tetapi tidak intuitif, saya semakin …

12 self-study  estimation  intuition  decision-theory 

Penata rambut saya, Stacey, selalu menunjukkan wajah yang bahagia, tetapi sering merasa stres mengatur waktu. Hari ini Stacey sudah terlambat karena pengangkatan saya dan sangat menyesal. Saat memotong rambut saya, saya bertanya-tanya: Berapa lama janji standarnya? (jika preferensi pelanggan untuk angka bulat bersih dapat diabaikan, untuk sesaat). Sesuatu yang perlu …

11 normal-distribution  optimization  queueing  decision-theory 

Saya mencoba untuk merencanakan batas keputusan algoritma perceptron dan saya benar-benar bingung tentang beberapa hal. Contoh input saya adalah dalam bentuk , pada dasarnya contoh input 2D ( x 1 dan x 2 ) dan nilai target kelas biner ( y ) [1 atau 0].[ ( x1, x2) , y][(x1,x2),y][(x_{1},x_{2}), …

11 machine-learning  neural-networks  python  decision-theory  perceptron 

Saya telah menemukan slide ini (slide # 16 & # 17) di salah satu kursus online. Instruktur berusaha menjelaskan bagaimana Estimasi Posterior Maksimum (MAP) sebenarnya adalah solusi , di mana adalah parameter yang benar.θ ∗L(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne \theta^{*}]θ∗θ∗\theta^{*} Bisakah seseorang tolong jelaskan bagaimana hal ini terjadi? Sunting: Menambahkan slide, …

10 bayesian  optimization  loss-functions  decision-theory  map-estimation 

Saya memprogram dan melakukan pengembangan berbasis tes. Setelah saya membuat perubahan dalam kode saya, saya menjalankan tes saya. Terkadang mereka berhasil dan terkadang mereka gagal. Sebelum saya menjalankan tes saya menuliskan angka 0,01-0,99 untuk kepercayaan saya bahwa tes akan berhasil. Saya ingin tahu apakah saya membaik dalam memprediksi apakah tes …

10 forecasting  decision-theory  calibration  scoring-rules 

The Durbin-Watson statistik uji dapat berbaring di wilayah yang tidak meyakinkan, di mana tidak mungkin baik untuk menolak atau gagal untuk menolak hipotesis nol (dalam hal ini, dari nol autokorelasi). Tes statistik apa lagi yang dapat menghasilkan hasil yang "tidak meyakinkan"? Apakah ada penjelasan umum (melambaikan tangan dengan baik) untuk …

10 hypothesis-testing  statistical-significance  decision-theory 

Oke - pesan asli saya gagal mendapat respons; jadi, izinkan saya mengajukan pertanyaan yang berbeda. Saya akan mulai dengan menjelaskan pemahaman saya tentang estimasi dari perspektif teori keputusan. Saya tidak memiliki pelatihan formal dan tidak akan mengejutkan saya jika pemikiran saya cacat dalam beberapa cara. Misalkan kita memiliki beberapa fungsi …

10 bias  loss-functions  frequentist  decision-theory  risk