Statistiques et Big Data

Q & A pour les personnes intéressées par les statistiques, l'apprentissage automatique, l'analyse de données, l'exploration de données et la visualisation de données

3
Quels types de problèmes statistiques sont susceptibles de bénéficier de l'informatique quantique?
Nous sommes à l'avènement de l'informatique quantique , les langages quantiques anticipant les ordinateurs quantiques matériels désormais disponibles à des niveaux élevés et faibles pour les ordinateurs quantiques simulés. L'informatique quantique apporte de nouvelles fonctions élémentaires comme l' intrication et la téléportation des qubits, la mesure des qubits et l'imposition …
5
Pourquoi la régression linéaire utilise-t-elle une fonction de coût basée sur la distance verticale entre l'hypothèse et le point de données d'entrée?
Disons que nous avons les points de données d'entrée (prédicteur) et de sortie (réponse) A, B, C, D, E et que nous voulons ajuster une ligne à travers les points. Il s'agit d'un problème simple pour illustrer la question, mais il peut également être étendu à des dimensions plus élevées. …
4
Probabilité que l'hypothèse nulle soit vraie
Donc, cela peut être une question courante, mais je n'ai jamais trouvé de réponse satisfaisante. Comment déterminez-vous la probabilité que l'hypothèse nulle soit vraie (ou fausse)? Supposons que vous offriez aux élèves deux versions différentes d'un test et que vous vouliez voir si les versions étaient équivalentes. Vous effectuez un …
4
Comment peut-il être piégé dans une pointe de selle?
Je suis actuellement un peu perplexe sur la façon dont la descente en gradient en mini-lot peut être piégée dans un point de selle. La solution est peut-être trop insignifiante pour ne pas l’obtenir. Vous obtenez un nouvel échantillon à chaque époque, et il calcule une nouvelle erreur en fonction …
1
Quel est le plus petit
β^λ=argminβ∈Rp12n∥y−Xβ∥22+λ∥β∥1,β^λ=arg⁡minβ∈Rp12n‖y−Xβ‖22+λ‖β‖1,\hat\beta^\lambda = \arg\min_{\beta \in \mathbb{R}^p} \frac{1}{2n} \|y - X \beta\|_2^2 + \lambda \|\beta\|_1,ithithi^{th}xi∈Rpxi∈Rpx_i \in \mathbb{R}^pX∈Rn×pX∈Rn×pX \in \mathbb{R}^{n \times p}yiyiy_ii=1,…ni=1,…ni=1, \dots n Nous savons que pour λ≥1n∥XTy∥∞λ≥1n‖XTy‖∞\lambda \geq \frac{1}{n} \|X^T y\|_\infty , l'estimation au lasso β^λ=0β^λ=0\hat\beta^\lambda = 0 . (Voir, par exemple, la portée du paramètre de réglage Lasso et Ridge …
2
Y a-t-il des raisons mathématiques pour la convolution dans les réseaux de neurones au-delà de l'opportunité?
Dans les réseaux de neurones convolutifs (CNN), la matrice de poids à chaque étape obtient ses lignes et colonnes inversées pour obtenir la matrice du noyau, avant de procéder à la convolution. Ceci est expliqué sur une série de vidéos de Hugo Larochelle ici : Calculer les cartes cachées correspondrait …
2
Pourquoi la régression linéaire a une hypothèse sur le modèle linéaire résiduel mais généralisé a des hypothèses sur la réponse?
Pourquoi la régression linéaire et le modèle généralisé ont des hypothèses incohérentes? Dans la régression linéaire, nous supposons que le résiduel vient de la forme gaussienne Dans d'autres régressions (régression logistique, régression empoisonnée), nous supposons que la réponse provient d'une certaine distribution (binôme, poission, etc.). Pourquoi parfois supposer un temps …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.