Statistiques et Big Data

2

Quelle est la logique de la fonction de covariance de Matérn?

La fonction de covariance de Matérn est couramment utilisée comme fonction de noyau dans le processus gaussien. Il est défini comme ceci Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} où ddd est une fonction …

19 spatial gaussian-process kernel-trick

4

Le problème de l'arbre d'argent magique

J'ai pensé à ce problème sous la douche, il a été inspiré par les stratégies d'investissement. Disons qu'il y avait un arbre d'argent magique. Chaque jour, vous pouvez offrir une somme d'argent à l'arbre monétaire et il la triplera ou la détruira avec une probabilité de 50/50. Vous remarquez immédiatement …

19 probability mathematical-statistics econometrics random-walk martingale

1

Comment échantillonner à partir de la distribution Cantor?

Quelle serait la meilleure façon d'échantillonner à partir de la distribution Cantor ? Il n'a que du cdf et nous ne pouvons pas l'inverser.

19 distributions simulation random-generation

6

Le réglage d'hyperparamètre sur un échantillon de jeu de données est-il une mauvaise idée?

J'ai un ensemble de données de 140000 exemples et 30 fonctionnalités pour lesquelles je forme plusieurs classificateurs pour une classification binaire (SVM, régression logistique, forêt aléatoire, etc.) Dans de nombreux cas, le réglage hyperparamétrique de l'ensemble de données à l'aide de la recherche par grille ou aléatoire est trop coûteux …

19 machine-learning cross-validation hyperparameter

2

Que font les couches entièrement connectées dans les CNN?

Je comprends les couches convolutionnelles et de mise en commun, mais je ne vois pas la raison d'une couche entièrement connectée dans les CNN. Pourquoi la couche précédente n'est-elle pas directement connectée à la couche de sortie?

19 neural-networks deep-learning conv-neural-network

2

Méthodologie de prévision VAR

Je construis un modèle VAR pour prévoir le prix d'un actif et je voudrais savoir si ma méthode est statistiquement solide, si les tests que j'ai inclus sont pertinents et si d'autres sont nécessaires pour assurer une prévision fiable basée sur mes variables d'entrée. Ci-dessous se trouve mon processus actuel …

19 r forecasting modeling var

3

Quelle est la différence entre un champ aléatoire de Markov et un champ aléatoire conditionnel?

Si je fixe les valeurs des nœuds observés d'un MRF, devient-il un CRF?

19 probability graphical-model graph-theory conditional-random-field markov-random-field

4

La meilleure façon de gérer l'hétéroscédasticité?

J'ai un tracé des valeurs résiduelles d'un modèle linéaire en fonction des valeurs ajustées où l'hétéroscédasticité est très claire. Cependant, je ne sais pas comment je dois procéder maintenant, car pour autant que je sache, cette hétéroscédasticité rend mon modèle linéaire invalide. (Est-ce correct?) Utilisez un ajustement linéaire robuste en …

19 r generalized-linear-model heteroscedasticity lm

1

Qualité de l'ajustement et quel modèle choisir la régression linéaire ou Poisson

J'ai besoin de conseils concernant deux dilemmes principaux dans ma recherche, qui est une étude de cas de 3 grands produits pharmaceutiques et de l'innovation. Le nombre de brevets par an est la variable dépendante. Mes questions sont Quels sont les critères les plus importants pour un bon modèle? Qu'est-ce …

19 regression generalized-linear-model linear-model goodness-of-fit poisson-regression

11

Pourquoi la régression logistique est-elle appelée algorithme d'apprentissage automatique?

Si j'ai bien compris, dans un algorithme d'apprentissage automatique, le modèle doit apprendre de son expérience, c'est-à-dire lorsque le modèle donne la mauvaise prédiction pour les nouveaux cas, il doit s'adapter aux nouvelles observations, et avec le temps, le modèle devient de mieux en mieux . Je ne vois pas …

19 machine-learning logistic random-forest

3

Peut-il y avoir plusieurs solutions optimales locales lorsque nous résolvons une régression linéaire?

J'ai lu cette déclaration sur un ancien vrai / faux examen: Nous pouvons obtenir plusieurs solutions optimales locales si nous résolvons un problème de régression linéaire en minimisant la somme des erreurs quadratiques en utilisant la descente de gradient. Solution: faux Ma question est, quelle partie de cette question est …

19 least-squares gradient-descent convex

5

Comment recoder une variable catégorielle en variable numérique lors de l'utilisation de SVM ou de Neural Network

Pour utiliser SVM ou Neural Network, il doit transformer (encoder) des variables catégorielles en variables numériques, la méthode normale dans ce cas est d'utiliser des valeurs binaires 0-1 avec la k-ème valeur catégorielle transformée en (0,0, .. ., 1,0, ... 0) (1 est en position k-ème). Existe-t-il d'autres méthodes pour …

19 machine-learning neural-networks categorical-data svm categorical-encoding

2

Modèles d'équation structurelle (SEM) par rapport aux réseaux bayésiens (BN)

La terminologie ici est un gâchis. L '«équation structurelle» est à peu près aussi vague que le «pont architectural» et le «réseau bayésien» n'est pas intrinsèquement bayésien . Mieux encore, Judea Pearl , un Dieu de causalité, affirme que les deux écoles de modèles sont presque identiques. Alors, quelles sont …

19 sem bayesian-network causality

3

Pourquoi la distribution t devient-elle plus normale à mesure que la taille de l'échantillon augmente?

Selon Wikipedia, je comprends que la distribution t est la distribution d'échantillonnage de la valeur t lorsque les échantillons sont des observations provenant d'une population normalement distribuée. Cependant, je ne comprends pas intuitivement pourquoi cela fait passer la forme de la distribution t de la queue grasse à presque parfaitement …

19 normal-distribution t-distribution

3

Distribution asymptotique de la variance de l'échantillon d'un échantillon non normal

Il s'agit d'un traitement plus général de la question posée par cette question . Après avoir dérivé la distribution asymptotique de la variance de l'échantillon, nous pouvons appliquer la méthode Delta pour arriver à la distribution correspondante pour l'écart type. Soit un échantillon de taille de iid variables aléatoires non …

19 mathematical-statistics variance central-limit-theorem asymptotics