Статистика и большие данные

Что означает термин «частичный» в моделировании структурных уравнений с частичной наименьших квадратов (PLSR) или частичных наименьших квадратов (PLS-SEM)?

16 multiple-regression  least-squares  terminology  sem  partial-least-squares 

При изучении сверточной нейронной сети у меня возникают вопросы относительно следующего рисунка. 1) C1 в слое 1 имеет 6 карт характеристик, означает ли это, что имеется шесть сверточных ядер? Каждое сверточное ядро ​​используется для генерации карты объектов на основе входных данных. 2) S1 в слое 2 имеет 6 карт характеристик, …

16 machine-learning  neural-networks  deep-learning  pattern-recognition  conv-neural-network 

Недавно я читал статью, в которой случайность включалась в ее достоверность и достоверные интервалы, и мне было интересно, является ли это стандартом (и, если да, то почему это разумно). Чтобы установить обозначения, предположим, что наши данные и мы заинтересованы в создании интервалов для параметра θ ∈ Θ . Я привык …

16 confidence-interval  credible-interval 

Для нормального распределения существует объективная оценка стандартного отклонения, определяемая как: σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2−−−−−−−−−−−−√σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2\hat{\sigma}_\text{unbiased} = \frac{\Gamma(\frac{n-1}{2})}{\Gamma(\frac{n}{2})} \sqrt{\frac{1}{2}\sum_{k=1}^n(x_i-\bar{x})^2} Причина, по которой этот результат не так хорошо известен, по-видимому, состоит в том, что это в значительной степени курьез, а не вопрос какого-либо большого значения . Доказательство покрыто на этой теме ; он использует ключевое свойство …

16 mathematical-statistics  standard-deviation  unbiased-estimator 

Приближенное байесовское вычисление - это действительно классный метод для подгонки практически любой стохастической модели, предназначенный для моделей, в которых вероятность трудно поддается оценке (скажем, вы можете выбрать образец из модели, если вы исправите параметры, но вы не можете численно, алгоритмически или аналитически рассчитать вероятность). При ознакомлении аудитории с приблизительными байесовскими …

16 bayesian  simulation  model  likelihood  abc 

Мы изучаем машинное обучение с помощью машинного обучения: вероятностная перспектива (Кевин Мерфи). Хотя в тексте объясняется теоретическая основа каждого алгоритма, в нем редко говорится, в каком случае какой алгоритм лучше, а когда - нет, но не говорится, как определить, в каком случае я нахожусь. Например, для выбора ядра мне было …

16 machine-learning  eda 

Хребетная регрессия оценивает параметры в линейной модели by где - параметр регуляризации. Хорошо известно, что он часто работает лучше, чем регрессия OLS (с ), когда существует много коррелированных предикторов.у = Х & beta ; & beta ; А , = ( Х ⊤ Х + А , I ) - …

16 regression  ridge-regression  shrinkage 

Я изучаю сверточные нейронные сети (CNN) из-за их применения в компьютерном зрении. Я уже знаком со стандартными нейронными сетями feed-foward, поэтому я надеюсь, что некоторые люди здесь могут помочь мне сделать дополнительный шаг в понимании CNN. Вот что я думаю о CNN: В традиционных NN с прямой связью у нас …

16 neural-networks  deep-learning  conv-neural-network  convolution 

Сегодня я преподавал начальный класс статистики, и один студент подошел ко мне с вопросом, который я перефразирую здесь: «Почему стандартное отклонение определяется как квадратичная дисперсия, а не как квадрат суммы квадратов над N?» Мы определяем дисперсию населения: σ2=1N∑(xi−μ)2σ2=1N∑(xi−μ)2\sigma^2=\frac{1}{N}\sum{(x_i-\mu)^2} И стандартное отклонение: σ=σ2−−√=1N√∑(xi−μ)2−−−−−−−−−−√σ=σ2=1N∑(xi−μ)2\sigma=\sqrt{\sigma^2}=\frac{1}{\sqrt{N}}\sqrt{\sum{(x_i-\mu)^2}} . Интерпретация, которую мы можем дать σσ\sigma состоит …

16 variance  standard-deviation  intuition  teaching 

Тот, который используется опцией «ward.D» (эквивалентно единственной опции «Ward» в версиях R <= 3.0.3), не реализует критерий кластеризации Ward (1963), тогда как опция «ward.D2» реализует этот критерий ( Муртах и ​​Лежандр 2014). ( http://stat.ethz.ch/R-manual/R-patched/library/stats/html/hclust.html ) Очевидно, ward.D не выполняет критерий Уорда должным образом. Тем не менее, похоже, что он хорошо …

16 r  clustering  ward 

Этот вопрос является техническим продолжением этого вопроса . У меня проблемы с пониманием и тиражированием модели, представленной в Raftery (1988): Вывод для биномиального параметра : иерархический байесовский подходNNN в WinBUGS / OpenBUGS / JAGS. Речь идет не только о коде, поэтому он должен быть здесь по теме. Фон Пусть - …

16 bayesian  binomial  hierarchical-bayesian  winbugs 

Как я понимаю, перцептрон / однослойная искусственная нейронная сеть с функцией активации логистической сигмоиды - это та же модель, что и логистическая регрессия. Обе модели задаются уравнением: F( х ) = 11 - е- βИксF(Икс)знак равно11-е-βИксF(x) = \frac{1}{1-e^{-\beta X}} Алгоритм обучения персептрона работает в режиме онлайн и определяется ошибками, в …

16 logistic  communication 

Мне нужно будет представить проект не статистику на предстоящей конференции, и я хотел бы включить цитату, которую я прочитал в одном месте, которая делает сравнение между статистикой и машиной, которая обрабатывает руду. Причина в том, что я хочу подчеркнуть определенную связь между возможностями статистики и целями аудитории. Я не могу …

16 references  quotation 

В последние месяцы я интенсивно читал о квантильной регрессии, готовясь к моей магистерской диссертации этим летом. В частности, я прочитал большую часть книги Роджера Кенкера 2005 года на эту тему. Теперь я хочу расширить это существующее знание методами квантильной регрессии, которые учитывают инструментальные переменные (IV). Похоже, что это активная область …

16 regression  references  econometrics  instrumental-variables  quantile-regression 

Я новичок в этой странице и довольно новый в статистике и Р. Я работаю над проектом для колледжа с целью найти корреляцию между дождем и уровнем воды в реках. Как только корреляция доказана, я хочу прогнозировать / предсказывать это. Данные У меня есть набор данных за несколько лет (взятых каждые …

16 r  time-series  forecasting  cross-correlation  lags