Статистика и большие данные

Я ищу некоторую информацию о разнице между биномиальной, отрицательной биномиальной и пуассоновской регрессией и для каких ситуаций эти регрессии лучше всего подходят. Могу ли я выполнить какие-либо тесты в SPSS, чтобы определить, какая из этих регрессий лучше всего подходит для моей ситуации? Кроме того, как мне запустить пуассоновский или отрицательный …

27 spss  references  binomial  poisson-distribution  negative-binomial 

В чем разница между тестом Квятковского – Филлипса – Шмидта – Шина (KPSS) и расширенным тестом Дики-Фуллера (АДФ)? Они тестируют одно и то же? Или нам нужно использовать их в разных ситуациях?

27 time-series  stationarity  unit-root  augmented-dickey-fuller  kpss-test 

Какая разница в значении между обозначениями и которые обычно используются во многих книгах и статьях?P(z;d,w)P(z;d,w)P(z;d,w)P(z|d,w)P(z|d,w)P(z|d,w)

27 probability  notation 

При обучении нейронных сетей пиксельной сегментации, таких как полностью сверточные сети, как вы принимаете решение использовать функцию кросс-энтропийной потери в сравнении с функцией потери коэффициента Кости? Я понимаю, что это короткий вопрос, но не совсем уверен, какую другую информацию предоставить. Я просмотрел кучу документации о двух функциях потери, но не …

27 neural-networks  loss-functions  cross-entropy 

Merkle & Steyvers (2013) пишут: Чтобы формально определить правильное правило оценки, пусть будет вероятностным прогнозом испытания Бернулли с истинной вероятностью успеха . Правильные правила оценки - это метрики, ожидаемые значения которых сведены к минимуму, если .ееfdddппpе= резнак равнопf = p Я понимаю, что это хорошо, потому что мы хотим побудить …

27 classification  forecasting  scoring-rules 

Не уверен, принадлежит ли этот вопрос здесь, но он тесно связан с градиентными методами в оптимизации, которая, кажется, здесь уместна. В любом случае, не стесняйтесь мигрировать, если считаете, что какое-то другое сообщество обладает большим опытом в этой теме. Короче говоря, я ищу пошаговый пример автоматического дифференцирования в обратном режиме . …

27 optimization  derivative  tensorflow  automatic-differentiation 

Я пытаюсь понять статью о прогнозировании электрической нагрузки, но я борюсь с концепциями внутри, особенно с моделью SARIMAX . Эта модель используется для прогнозирования нагрузки и использует многие статистические понятия, которые я не понимаю (я студент старших курсов по информатике - вы можете считать меня непрофессионалом в области статистики). Мне …

27 regression  time-series  arima  autoregressive  intuition 

Допустим, мы хотим сделать регрессию для простого f = x * yиспользования стандартной глубокой нейронной сети. Я помню, что есть исследования, которые говорят о том, что NN с одним скрытым слоем может апоксировать любую функцию, но я пытался и без нормализации NN не смог приблизиться даже к этому простому умножению. …

27 regression  machine-learning  neural-networks  deep-learning 

Допустим, у нас есть классификатор SVM, как мы генерируем кривую ROC? (Как теоретически) (потому что мы генерируем TPR и FPR с каждым порогом). И как определить оптимальный порог для этого классификатора SVM?

27 machine-learning  svm 

Что такое абляция? И есть ли систематический способ сделать это? Например, у меня есть NNn предикторов в линейной регрессии, которые я назову своей моделью. Как я проведу исследование абляции с этим? Какие метрики я должен использовать? Всесторонний источник или учебник был бы оценен.

27 regression  machine-learning  neural-networks 

В этой SE много постов, в которых обсуждаются надежные подходы к анализу главных компонентов (PCA), но я не могу найти ни одного хорошего объяснения того, почему PCA в первую очередь чувствителен к выбросам.

26 machine-learning  pca  outliers 

Я прочитал здесь следующее: Сигмоидальные выходы не центрированы по нулю . Это нежелательно, поскольку нейроны на более поздних уровнях обработки в нейронной сети (подробнее об этом в ближайшее время) будут получать данные, которые не центрированы по нулю. Это влияет на динамику во время градиентного спуска, потому что, если данные, поступающие …

26 neural-networks  deep-learning  backpropagation 

Предпосылка это цитата из виньетки R пакета betareg1 . Более того, модель разделяет некоторые свойства (такие как линейный предиктор, функция связи, параметр дисперсии) с обобщенными линейными моделями (GLM; McCullagh and Nelder 1989), но это не частный случай этой структуры (даже для фиксированной дисперсии) ) Этот ответ также намекает на тот …

26 generalized-linear-model  beta-regression  dirichlet-regression 

В настоящее время я изучаю класс статистического вывода на Coursera. В одном из заданий возникает следующий вопрос. | Suppose you rolled the fair die twice. What is the probability of rolling the same number two times in a row? 1: 2/6 2: 1/36 3: 0 4: 1/6 Selection: 2 | …

26 probability  self-study  conditional-probability 

Я очень предпочитаю каретку из-за ее способности к настройке параметров и унифицированного интерфейса, но я заметил, что для этого всегда требуются полные наборы данных (то есть без NA), даже если применяемая «голая» модель допускает NA. Это очень утомительно, так как нужно применять трудоемкие методы вменения, которые не нужны в первую …

26 r  missing-data  data-imputation  caret