Статистика и большие данные

Как я могу доказать, что точечное произведение двух функций ядра является функцией ядра?

13 machine-learning  kernel-trick 

Мне нужно автоматизировать прогнозирование временных рядов, и я заранее не знаю особенностей этих рядов (сезонность, тренд, шум и т. Д.). Моя цель не в том, чтобы получить лучшую модель для каждой серии, а в том, чтобы избежать довольно плохих моделей. Другими словами, каждый раз получать небольшие ошибки - не проблема, …

13 time-series  forecasting  arima  ensemble  exponential-smoothing 

Мы можем написать теорему Байеса как p(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(θ|x)=f(X|θ)p(θ)∫θf(X|θ)p(θ)dθp(\theta|x) = \frac{f(X|\theta)p(\theta)}{\int_{\theta} f(X|\theta)p(\theta)d\theta} где - апостериор, - условное распределение, а - априорное.p(θ|x)p(θ|x)p(\theta|x)f(X|θ)f(X|θ)f(X|\theta)p(θ)p(θ)p(\theta) или же p(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(θ|x)=L(θ|x)p(θ)∫θL(θ|x)p(θ)dθp(\theta|x) = \frac{L(\theta|x)p(\theta)}{\int_{\theta} L(\theta|x)p(\theta)d\theta} где - апостериор, - функция правдоподобия, а - приоритет.L ( θ | x ) p ( θ )p(θ|x)p(θ|x)p(\theta|x)L(θ|x)L(θ|x)L(\theta|x)p(θ)p(θ)p(\theta) Мой вопрос Почему байесовский анализ выполняется с …

13 bayesian  likelihood 

Собрав ценные отзывы о предыдущих вопросах и обсуждениях, я поставил следующий вопрос: предположим, что цель состоит в том, чтобы выявить различия в эффектах в двух группах, например, мужчины и женщины. Есть два способа сделать это: запустить две отдельные регрессии для двух групп и использовать тест Вальда, чтобы отклонить (или нет) …

13 statistical-significance  interaction  regression-coefficients 

Извините, если это новый вопрос; Я пытаюсь научить себя статистике в первый раз. Я думаю, что у меня есть базовая процедура, но я изо всех сил пытаюсь выполнить ее с R. Итак, я пытаюсь оценить значимость коэффициентов регрессии в множественной линейной регрессии формы y^=Xβ^y^=Xβ^ \hat y = X \hat \beta …

13 r  statistical-significance  multiple-regression 

Какова ваша интуиция / интерпретация распределения собственных значений матрицы корреляции? Я склонен слышать, что обычно 3 самых больших собственных значения являются наиболее важными, в то время как близкие к нулю значения являются шумом. Кроме того, я видел несколько научных работ, исследующих, как естественные распределения собственных значений отличаются от вычисленных из …

13 distributions  correlation 

Я рассматриваю две стратегии «увеличения данных» для прогнозирования временных рядов. Сначала немного предыстории. Предиктор для прогнозирования следующего шага временного ряда - это функция, которая обычно зависит от двух вещей: прошлых состояний временного ряда, но также и прошлых состояний предиктора:PпP{Ai}{Aя}\lbrace A_i\rbrace P({Ai≤t−1},PSt−1)п({Aя≤T-1},пST-1)P(\lbrace A_{i\leq t-1}\rbrace,P_{S_{t-1}}) Если мы хотим настроить / обучить нашу …

13 time-series  data-augmentation 

В книге Валентина В. Петрова «Предельные теоремы теории вероятностей» я увидел различие между определениями «непрерывного» и «абсолютно непрерывного», которое сформулировано следующим образом: X P ( X ∈ B ) = 0 B P ( X ∈ B ) = 0 B(∗)(∗)(*) "... Распределение случайной величины называется непрерывным, если для любого …

13 probability  distributions  random-variable 

Когда люди говорят о нейронных сетях, что они имеют в виду, когда говорят «размер ядра»? Ядра являются функциями подобия, но что это говорит о размере ядра?

13 machine-learning  neural-networks 

Какие проблемы последовательного ввода лучше всего подходят для каждого? Определяет ли входная размерность, какое из них лучше подходит? Являются ли проблемы, для которых требуется «более длинная память», более подходящими для RNN LSTM, а проблемы с циклическими шаблонами ввода (фондовый рынок, погода) легче решаются с помощью HMM? Кажется, что есть много …

13 time-series  neural-networks  hidden-markov-model  rnn 

Топологию модели Google Inception можно найти здесь: Google Inception Netowrk Я заметил, что в этой модели есть 3 слоя softmax (# 154, # 152, # 145), и 2 из них являются своего рода ранним выходом из этой модели. Из того, что я знаю, слой softmax предназначен для окончательного вывода, так …

13 deep-learning  conv-neural-network 

В целом кажется, что метод моментов просто сопоставляет наблюдаемое среднее значение выборки или дисперсию с теоретическими моментами для получения оценок параметров. Я понимаю, что это часто то же самое, что и MLE для экспоненциальных семей. Тем не менее, трудно найти четкое определение метода моментов и четкое обсуждение того, почему MLE, …

13 maximum-likelihood  method-of-moments 

Я пытаюсь обучить нейронную сеть для классификации, но у меня довольно шумные ярлыки (около 30% ярлыков ошибочны). Потеря перекрестной энтропии действительно работает, но мне было интересно, есть ли альтернативы, более эффективные в этом случае? или потеря кросс-энтропии является оптимальной? Я не уверен, но я думаю о некоторой «отсечке» кросс-энтропийной потери, …

13 machine-learning  neural-networks  loss-functions  noise 

У меня есть набор данных, состоящий из 24 строк ежемесячных данных. Особенности ВВП, прибытие в аэропорт, месяц и некоторые другие. Зависимой переменной является количество посетителей популярного туристического направления. Подойдет ли Random Forest для такой проблемы? Данные не являются общедоступными, поэтому я не могу опубликовать образец.

13 random-forest  small-sample 

Я сталкиваюсь с коэффициентом Кости для сходства объема ( https://en.wikipedia.org/wiki/S%C3%B8rensen%E2%80%93Dice_coefficient ) и точности ( https://en.wikipedia.org/wiki/Accuracy_and_precision ). Мне кажется, что эти две меры одинаковы. Какие-нибудь мысли?

13 descriptive-statistics  roc  accuracy  precision-recall  auc