Pertanyaan yang diberi tag «dirichlet-distribution»

Saya mulai mencoba-coba penggunaan glmnetdengan LASSO Regression di mana hasil yang saya minati menjadi dikotomis. Saya telah membuat bingkai data mock kecil di bawah ini: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …

78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

Dalam algoritma model topik LDA, saya melihat asumsi ini. Tapi saya tidak tahu mengapa memilih distribusi Dirichlet? Saya tidak tahu apakah kita bisa menggunakan distribusi Uniform melalui Multinomial sebagai pasangan?

36 bayesian  dirichlet-distribution  conjugate-prior 

Saya cukup baru dalam statistik Bayesian dan saya menemukan ukuran korelasi yang diperbaiki, SparCC , yang menggunakan proses Dirichlet di bagian belakang algoritme itu. Saya telah mencoba untuk menelusuri algoritma langkah demi langkah untuk benar-benar memahami apa yang terjadi tetapi saya tidak yakin persis apa yang dilakukan oleh alphaparameter vektor …

26 distributions  bayesian  dirichlet-distribution 

Katakanlah kita memiliki distribusi Dirichlet dengan parameter vektor -dimensional . Bagaimana saya bisa menggambar sampel ( vektor dimensi) dari distribusi ini? Saya membutuhkan (mungkin) penjelasan sederhana.KKKα⃗ = [α1,α2, . . . ,αK]α→=[α1,α2,...,αK]\vec\alpha = [\alpha_1, \alpha_2,...,\alpha_K]KKK

25 sampling  dirichlet-distribution 

Jadi pertanyaan ini agak berantakan, tetapi saya akan menyertakan grafik warna-warni untuk menebusnya! Pertama Latar Belakang kemudian Pertanyaan. Latar Belakang Katakanlah Anda memiliki distribusi multinomial -dimensi dengan probailit yang sama dengan kategori . Biarkan menjadi hitungan yang dinormalisasi ( ) dari distribusi itu, yaitu:nnnnnnπ=(π1,…,πn)π=(π1,…,πn)\pi = (\pi_1, \ldots, \pi_n)ccc (c1,…,cn)∼Multinomial(1/n,…,1/n)πi=cin(c1,…,cn)∼Multinomial(1/n,…,1/n)πi=cin(c_1, \ldots, …

24 distributions  bayesian  bootstrap  multinomial  dirichlet-distribution 

Biarkan batang dengan panjang 1 dipecah dalam fragmen secara seragam secara acak. Berapa distribusi panjang fragmen terpanjang?k+1k+1k+1 Secara lebih formal, biarkan menjadi IID , dan biarkan menjadi statistik pesanan terkait, yaitu kami cukup memesan sampel sedemikian rupa sehingga . Biarkan .(U1,…Uk)(U1,…Uk)(U_1, \ldots U_k)U(0,1)U(0,1)U(0,1)(U(1),…,U(k))(U(1),…,U(k))(U_{(1)}, \ldots, U_{(k)})U(1)≤U(2)≤,…,≤U(k)U(1)≤U(2)≤,…,≤U(k)U_{(1)} \leq U_{(2)} \leq, \ldots , …

21 distributions  uniform  order-statistics  dirichlet-distribution  maximum 

Saat menggunakan pemodelan topik (Alokasi Dirichlet Laten), jumlah topik adalah parameter input yang perlu ditentukan pengguna. Menurut saya, kita juga harus menyediakan kumpulan kumpulan topik kandidat yang harus diambil sampel oleh Dirichlet? Apakah pemahaman saya benar? Dalam praktiknya, bagaimana cara mengatur kumpulan topik kandidat semacam ini?

17 machine-learning  bayesian  clustering  text-mining  dirichlet-distribution 

Misalkan menjadi variabel acak yang saling independen, masing-masing memiliki distribusi gamma dengan parameter menunjukkan bahwa , memiliki pembagian bersama sebagaiX1,…,Xk+1X1,…,Xk+1X_1,\dots,X_{k+1}αi,i=1,2,…,k+1αi,i=1,2,…,k+1\alpha_i,i=1,2,\dots,k+1Yi=XiX1+⋯+Xk+1,i=1,…,kYi=XiX1+⋯+Xk+1,i=1,…,kY_i=\frac{X_i}{X_1+\cdots+X_{k+1}},i=1,\dots,kDirichlet(α1,α2,…,αk;αk+1)Dirichlet(α1,α2,…,αk;αk+1)\text{Dirichlet}(\alpha_1,\alpha_2,\dots,\alpha_k;\alpha_{k+1}) Pdf gabungan dari Lalu untuk menemukan gabungan pdf dari Saya tidak dapat menemukan jacobian yaitu J (\ frac {x_1, \ dots, x_ {k + 1}} {y_1, \ dots, y_ {k …

17 self-study  multivariate-analysis  gamma-distribution  dirichlet-distribution 

Jadi dalam pemodelan teks (tanpa pengawasan), Latent Dirichlet Allocation (LDA) adalah versi Bayesian dari Probabilistic Latent Semantic Analysis (PLSA). Intinya, LDA = PLSA + Dirichlet sebelum parameternya. Pemahaman saya adalah bahwa LDA sekarang menjadi algoritma referensi dan diimplementasikan dalam berbagai paket, sementara PLSA seharusnya tidak digunakan lagi. Tetapi dalam kategorisasi …

15 bayesian  multinomial  prior  naive-bayes  dirichlet-distribution 

Sangat mudah untuk menghasilkan variabel acak dengan distribusi Dirichlet menggunakan variabel Gamma dengan parameter skala yang sama. Jika: Xi∼Gamma(αi,β)Xi∼Gamma(αi,β) X_i \sim \text{Gamma}(\alpha_i, \beta) Kemudian: (X1∑jXj,…,Xn∑jXj)∼Dirichlet(α1,…,αn)(X1∑jXj,…,Xn∑jXj)∼Dirichlet(α1,…,αn) \left(\frac{X_1}{\sum_j X_j},\; \ldots\; , \frac{X_n}{\sum_j X_j}\right) \sim \text{Dirichlet}(\alpha_1,\;\ldots\;,\alpha_n) Masalah Apa yang terjadi jika parameter skala tidak sama? Xi∼Gamma(αi,βi)Xi∼Gamma(αi,βi) X_i \sim \text{Gamma}(\alpha_i, \beta_i) Lalu apa distribusi …

14 expected-value  dirichlet-distribution  gamma-distribution  integral 

Pada artikel wikipedia tentang Laplace smoothing (atau aditif smoothing), dikatakan bahwa dari sudut pandang Bayesian, ini sesuai dengan nilai yang diharapkan dari distribusi posterior, menggunakan distribusi Dirichlet simetris dengan parameter sebagai sebelumnya.αα\alpha Saya bingung bagaimana itu benar. Bisakah seseorang membantu saya memahami bagaimana kedua hal itu setara? Terima kasih!

11 bayesian  smoothing  dirichlet-distribution  laplace-smoothing 

Saya punya pertanyaan tentang distribusi posterior Dirichlet. Diberi fungsi multinomial likelihood, diketahui bahwa posterior adalah , di mana adalah berapa kali kita telah melihat observasi .N i i t hDir(αi+Ni)Dir(αi+Ni)Dir({\alpha_i + N_i})NiNiN_iithithi^{th} Apa yang terjadi jika kita mulai mengurangi s untuk data tetap yang diberikan ? Tampaknya dari bentuk posterior …

11 dirichlet-distribution 

Saya akan mencoba menggambarkan masalah yang dihadapi secara umum. Saya memodelkan pengamatan sebagai distribusi kategoris dengan parameter probabilitas vektor theta. Kemudian, saya berasumsi vektor parameter theta mengikuti Dirichlet prior distribution dengan parameter .α1, α2, ... , αkα1,α2,…,αk\alpha_1,\alpha_2,\ldots,\alpha_k Apakah mungkin juga untuk memaksakan distribusi hyperprior ke parameter ? Apakah itu harus …

10 categorical-data  multinomial  dirichlet-distribution  hierarchical-bayesian  dirichlet-process 

Dalam makalah DeepGoGo AlphaGo Zero dan AlphaZero , mereka menggambarkan menambahkan Dirichlet noise ke probabilitas sebelumnya dari tindakan dari simpul akar (board state) di Pencarian Pohon Monte Carlo: Eksplorasi tambahan dicapai dengan menambahkan Dirichlet noise ke probabilitas sebelumnya di simpul akar , khususnya , di mana dan ; kebisingan ini …

10 machine-learning  neural-networks  dirichlet-distribution 

Saat ini saya sedang melihat makalah dari model efek acak proses Dirichlet dan spesifikasi model adalah sebagai berikut: mana adalah parameter skala dan adalah ukuran dasar. Kemudian di makalah, disarankan agar kami mengintegrasikan fungsi di atas ukuran dasar seperti Apakah ukuran dasar dalam proses Dirichlet cdf atau itu pdf? Apa …

9 bayesian  dirichlet-distribution  dirichlet-process  nonparametric-bayes  measure-theory