Statistiques et Big Data

2

Qu'est-ce qu'une distribution sur des fonctions?

Je lis un manuel Gaussian Process for Machine Learning de CE Rasmussen et CKI Williams et j'ai du mal à comprendre ce que signifie la distribution sur les fonctions . Dans le manuel, un exemple est donné, qu'il faut imaginer une fonction comme un vecteur très long (en fait, il …

15 distributions gaussian-process

4

Qu'est-ce * qu'un * réseau de neurones artificiels?

Au fur et à mesure que nous explorons la littérature sur les réseaux de neurones , nous arrivons à identifier d'autres méthodes avec des topologies neuromorphiques (architectures de type "réseau de neurones"). Et je ne parle pas du théorème de l'approximation universelle . Des exemples sont donnés ci-dessous. Ensuite, cela …

15 machine-learning neural-networks deep-learning unsupervised-learning supervised-learning

5

Quel est le besoin d'hypothèses en régression linéaire?

En régression linéaire, nous faisons les hypothèses suivantes La moyenne de la réponse, , à chaque ensemble de valeurs des prédicteurs, , est une fonction linéaire des prédicteurs.E(Yi)E(Yi)E(Y_i)(x1i,x2i,…)(x1i,x2i,…)(x_{1i}, x_{2i},…) Les erreurs, εiεiε_i , sont indépendantes. Les erreurs, εiεiε_i , à chaque ensemble de valeurs des prédicteurs, (x1i,x2i,…)(x1i,x2i,…)(x_{1i}, x_{2i},…) , sont …

15 regression assumptions

4

La preuve de formules équivalentes de régression de crête

J'ai lu les livres les plus populaires en apprentissage statistique 1- Les éléments de l'apprentissage statistique. 2- Une introduction à l'apprentissage statistique . Les deux mentionnent que la régression de crête a deux formules qui sont équivalentes. Existe-t-il une preuve mathématique compréhensible de ce résultat? Je suis également passé par …

15 regression lasso regularization ridge-regression lagrange-multipliers

1

Minimiser les biais dans la modélisation explicative, pourquoi? («Pour expliquer ou prédire» de Galit Shmueli)

Cette question fait référence à l'article de Galit Shmueli "Expliquer ou prédire" . Plus précisément, dans la section 1.5, «Expliquer et prédire sont différents», le professeur Shmueli écrit: Dans la modélisation explicative, l'accent est mis sur la minimisation du biais pour obtenir la représentation la plus précise de la théorie …

15 predictive-models inference bias unbiased-estimator explanatory-models

2

Réseaux de neurones vs tout le reste

Je n'ai pas trouvé de réponse satisfaisante à cela de Google . Bien sûr, si les données dont je dispose sont de l'ordre de millions, l'apprentissage en profondeur est la solution. Et j'ai lu que lorsque je n'ai pas de données volumineuses, il est peut-être préférable d'utiliser d'autres méthodes d'apprentissage …

15 regression machine-learning classification neural-networks deep-learning

1

Comparaison entre Newey-West (1987) et Hansen-Hodrick (1980)

Question: Quelles sont les principales différences et similitudes entre l'utilisation des erreurs types de Newey-West (1987) et de Hansen-Hodrick (1980)? Dans quelles situations faut-il privilégier l’un d’eux? Remarques: Je sais comment fonctionne chacune de ces procédures d'ajustement; cependant, je n'ai pas encore trouvé de document qui les comparerait, en ligne …

15 regression autocorrelation heteroscedasticity robust-standard-error neweywest

2

Pourquoi cette prédiction des séries chronologiques est-elle «assez mauvaise»?

J'essaie d'apprendre à utiliser les réseaux de neurones. Je lisais ce tutoriel . Après avoir ajusté un réseau neuronal sur une série chronologique en utilisant la valeur en pour prédire la valeur en t + 1, l'auteur obtient le graphique suivant, où la ligne bleue est la série chronologique, le …

15 time-series neural-networks predictive-models deep-learning prediction

3

Intuition pour les machines à vecteurs de support et l'hyperplan

Dans mon projet, je souhaite créer un modèle de régression logistique pour prédire la classification binaire (1 ou 0). J'ai 15 variables, dont 2 sont catégoriques, tandis que les autres sont un mélange de variables continues et discrètes. Afin d'adapter un modèle de régression logistique, il m'a été conseillé de …

15 machine-learning logistic classification svm separation

4

Pourquoi un arbre de décision a-t-il un biais faible et une variance élevée?

Des questions Cela dépend-il si l'arbre est peu profond ou profond? Ou peut-on dire cela indépendamment de la profondeur / des niveaux de l'arbre? Pourquoi le biais est-il faible et la variance élevée? Veuillez expliquer intuitivement et mathématiquement

15 machine-learning variance covariance cart bias

3

Pourquoi les hypothèses ANOVA (égalité de variance, normalité des résidus) sont-elles importantes?

Lors de l'exécution d'une ANOVA, on nous dit que certaines hypothèses du test doivent être présentes pour qu'il soit applicable aux données. Je n'ai jamais compris la raison pour laquelle les hypothèses suivantes étaient nécessaires au fonctionnement du test: La variance de votre variable dépendante (résidus) doit être égale dans …

15 hypothesis-testing anova assumptions

4

Concept d'ensemble typique

Je pensais que le concept d'ensemble typique était assez intuitif: une séquence de longueur nnn appartiendrait à l'ensemble typique si la probabilité de sortie de la séquence était élevée. Donc, toute séquence qui serait probable serait dans . (J'évite la définition formelle liée à l'entropie parce que j'essaie de la …

15 entropy intuition information-theory

4

Valeur attendue vs valeur la plus probable (mode)

La valeur attendue d'une distribution f(x)f(x)f(x) est la moyenne, c'est-à-dire la valeur moyenne pondérée E[x]=∫+∞−∞xf(x)dxE[x]=∫−∞+∞xf(x)dxE[x]=\int_{-\infty}^{+\infty} x \, \, f(x) dx La valeur la plus probable est le mode, c'est-à-dire la valeur la plus probable. Cependant, nous attendons-nous à voir nombreuses fois? Citant d' ici :E[x]E[x]E[x] Si les résultats ne sont …

15 probability distributions chi-squared expected-value mode

3

Nombre minimum de couches dans un réseau neuronal profond

À quel moment commençons-nous à classer les réseaux de neurones multicouches en tant que réseaux de neurones profonds ou à le dire autrement «Quel est le nombre minimum de couches dans un réseau neuronal profond?

15 machine-learning neural-networks deep-learning terminology

2

Notation matricielle pour la régression logistique

En régression linéaire (perte au carré), en utilisant la matrice, nous avons une notation très concise pour l'objectif minimize ∥Ax−b∥2minimize ‖Ax−b‖2\text{minimize}~~ \|Ax-b\|^2 Où AAA est la matrice de données, xxx est les coefficients et bbb est la réponse. Existe-t-il une notation matricielle similaire pour l'objectif de régression logistique? Toutes les …

15 regression logistic linear-model notation