Pertanyaan yang diberi tag «identifiability»

2
Apa yang dimaksud dengan pengidentifikasian model?
Saya tahu bahwa dengan model yang tidak dapat diidentifikasi, data dapat dikatakan dihasilkan oleh beberapa penugasan berbeda ke parameter model. Saya tahu bahwa kadang-kadang dimungkinkan untuk membatasi parameter sehingga semua dapat diidentifikasi, seperti dalam contoh di Cassella & Berger 2nd ed, bagian 11.2. Diberikan model tertentu, bagaimana saya bisa mengevaluasi …

2
Dirichlet Proses untuk pengelompokan: bagaimana cara menangani label?
T: Apa cara standar untuk mengelompokkan data menggunakan Proses Dirichlet? Saat menggunakan cluster sampel Gibbs, muncul dan menghilang selama pengambilan sampel. Selain itu, kami memiliki masalah pengidentifikasian karena distribusi posterior tidak berbeda dengan relabeling cluster. Dengan demikian, kita tidak bisa mengatakan mana yang merupakan kluster dari seorang pengguna melainkan bahwa …

1
Definisi fungsi softmax
Pertanyaan ini menindaklanjuti stats.stackexchange.com/q/233658 Model regresi logistik untuk kelas {0, 1} adalah P(y=1|x)=exp(wTx)1+exp(wTx)P(y=0|x)=11+exp(wTx)P(y=1|x)=exp⁡(wTx)1+exp⁡(wTx)P(y=0|x)=11+exp⁡(wTx) \mathbb{P} (y = 1 \;|\; x) = \frac{\exp(w^T x)}{1 + \exp(w^T x)} \\ \mathbb{P} (y = 0 \;|\; x) = \frac{1}{1 + \exp(w^T x)} Jelas probabilitas tersebut berjumlah 1. Dengan mengatur kita juga bisa mendefinisikan regresi logistik …

2
Identifikasi model jaringan saraf
Cukup intuitif bahwa sebagian besar topologi / arsitektur jaringan saraf tidak dapat diidentifikasi. Tapi apa saja hasil yang terkenal di lapangan? Apakah ada kondisi sederhana yang memungkinkan / mencegah pengidentifikasian? Sebagai contoh, semua jaringan dengan fungsi aktivasi nonlinear dan lebih dari satu lapisan tersembunyi tidak dapat diidentifikasi semua jaringan dengan …

1
Identifikasi masalah parameter
Saya selalu berjuang untuk mendapatkan esensi identifikasi sejati dalam ekonometrik. Saya tahu bahwa kami menyatakan bahwa parameter (katakanlahθ^θ^\hat{\theta}) dapat diidentifikasi jika hanya dengan melihat distribusi (bersama) kita dapat menyimpulkan nilai parameter. Dalam kasus sederhanay=b1X+uy=b1X+uy=b_1X+udimana E[u]=0,E[u|x]=0E[u]=0,E[u|x]=0E[u]=0,E[u|x]=0 kita bisa nyatakan itu b1b1b_1 diidentifikasi jika kita tahu variansnya Var(b^)>0Var(b^)>0Var(\hat{b})>0. Tetapi bagaimana jikaE[u|X]=aE[u|X]=aE[u|X]=a dimana …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.