Statistiques et Big Data

5

Pourquoi étudier la régression linéaire?

Étant donné deux variables aléatoires et nous pouvons calculer leur "coefficient de corrélation" et former la ligne de meilleur ajustement entre ces deux variables aléatoires. Ma question est pourquoi?ξξ\xiηη\etaccc 1) Il existe des variables aléatoires, et qui dépendent de la pire façon possible, c'est-à-dire et malgré cela . Si l'on …

13 regression

5

Quels domaines des statistiques mathématiques sont hautement employables?

Je suis sur le point de terminer mes honneurs en statistique, et je veux vraiment faire un doctorat parce que je trouve les statistiques mathématiques extrêmement intéressantes. Les domaines de recherche dans lesquels je souhaite le plus faire un doctorat sont les processus stochastiques et les séries chronologiques. Cependant, je …

13 mathematical-statistics careers phd

3

Pourquoi existe-t-il de grands coefficients pour les polynômes d'ordre supérieur

Dans le livre de Bishop sur l'apprentissage automatique, il traite du problème de l'ajustement d'une courbe d'une fonction polynomiale à un ensemble de points de données. Soit M l'ordre du polynôme ajusté. Il déclare que Nous voyons qu'à mesure que M augmente, l'amplitude des coefficients augmente généralement. En particulier pour …

13 regression least-squares curve-fitting polynomial

2

Quel est l'avantage de la distribution normale tronquée dans l'initialisation des poids dans un réseau neuronal?

Lors de l'initialisation des poids de connexion dans un réseau de neurones à action directe, il est important de les initialiser de manière aléatoire pour éviter toute symétrie que l'algorithme d'apprentissage ne serait pas en mesure de briser. La recommandation que j'ai vue à divers endroits (par exemple dans le …

13 neural-networks backpropagation weights truncated-normal

1

L'inférence conditionnelle fréquentiste est-elle toujours utilisée dans la pratique?

J'ai récemment passé en revue quelques vieux articles de Nancy Reid, Barndorff-Nielsen, Richard Cox et, oui, un petit Ronald Fisher sur le concept de "l'inférence conditionnelle" dans le paradigme fréquentiste, ce qui semble signifier que les inférences sont basées en considérant uniquement les "sous-ensemble pertinent" de l'espace d'échantillonnage, et non …

13 confidence-interval maximum-likelihood inference

1

Que signifie «de bout en bout» dans les méthodes d'apprentissage en profondeur?

Je veux savoir ce que c'est et comment est-ce différent de l'assemblage? Supposons que je souhaite atteindre une grande précision dans la classification et la segmentation, pour une tâche spécifique, si j'utilise différents réseaux, tels que CNN, RNN, etc. pour y parvenir, est-ce que cela s'appelle un modèle de bout …

13 machine-learning terminology deep-learning

1

Le calcul de Steve Hsu des génies en Chine

Sur son blog , le physicien Steve Hsu a écrit ce qui suit: En supposant une distribution normale, il n'y a qu'environ 10000 personnes aux États-Unis qui obtiennent un score de + 4SD et un nombre similaire en Europe, il s'agit donc d'une population assez sélectionnée (grosso modo, les quelques …

13 normal-distribution

1

Quelles sont les techniques utiles d'augmentation des données pour les réseaux de neurones convolutionnels profonds?

Contexte: J'ai récemment compris à un niveau plus profond l'importance de l'augmentation des données lors de la formation des réseaux de neurones convolutionnels après avoir vu cet excellent discours de Geoffrey Hinton . Il explique que les réseaux de neurones convolutifs de génération actuelle ne sont pas en mesure de …

13 machine-learning deep-learning

2

Faire un prior bayésien à partir d'un résultat fréquentiste

Comment transformer un résultat fréquentiste en prior bayésien? Considérons le scénario assez générique suivant: Une expérience a été menée dans le passé et un résultat sur un paramètre été mesuré. L'analyse a été réalisée avec une méthodologie fréquentiste. Un intervalle de confiance pour ϕϕϕ\phiϕϕ\phi est donné dans les résultats. Je …

13 bayesian confidence-interval meta-analysis prior

1

Quelle est la différence entre la régression logistique et la régression à réponse fractionnée?

Pour autant que je sache, la différence entre le modèle logistique et le modèle de réponse fractionnaire (frm) est que la variable dépendante (Y) dans laquelle frm est [0,1], mais la logistique est {0, 1}. De plus, frm utilise l'estimateur de quasi-vraisemblance pour déterminer ses paramètres. Normalement, nous pouvons utiliser …

13 r logistic generalized-linear-model quasi-likelihood

1

Pourquoi la moyenne arithmétique est-elle plus petite que la moyenne de distribution dans une distribution log-normale?

Donc, j'ai un processus aléatoire générant distribution log-normale des variables aléatoires . Voici la fonction de densité de probabilité correspondante:XXX Je voulais estimer la distribution de quelques instants de cette distribution d'origine, disons le 1er moment: la moyenne arithmétique. Pour ce faire, j'ai dessiné 100 variables aléatoires 10000 fois afin …

13 estimation bias fitting lognormal moments

1

Spécification de la priorité de la taille de l'effet dans la méta-analyse

Ma question concerne les antérieurs sur la taille des effets, dans mon projet la mesure est le de Cohen . En lisant la littérature, il semble que des priors vagues soient souvent utilisés, comme dans l'exemple bien connu de huit écoles d'une méta-analyse bayésienne hiérarchique. Dans l'exemple des huit écoles, …

13 bayesian meta-analysis effect-size

1

Empêcher le surajustement de LSTM sur un petit ensemble de données

Je modélise 15000 tweets pour la prédiction des sentiments en utilisant un LSTM monocouche avec 128 unités cachées en utilisant une représentation de type word2vec avec 80 dimensions. J'obtiens une précision de descente (38% avec aléatoire = 20%) après 1 époque. Plus l'entraînement fait baisser la précision de validation à …

13 deep-learning regularization overfitting lstm

4

Quelles informations un diagramme en boîte fournit-il qu'un histogramme ne fournit pas?

Les histogrammes donnent une bonne idée de la distribution d'une variable. Les diagrammes en boîte tentent de faire la même chose cependant, ils ne donnent pas une image aussi bonne de la distribution de cette variable. Je ne comprends pas pourquoi les gens utilisent des boîtes à moustaches. Les histogrammes …

13 data-visualization histogram boxplot

2

Test t d'échantillons indépendants: les données doivent-elles vraiment être distribuées normalement pour des échantillons de grande taille?

Disons que je veux tester si deux échantillons indépendants ont des moyens différents. Je sais que la distribution sous-jacente n'est pas normale . Si je comprends bien, ma statistique de test est la moyenne , et pour des échantillons suffisamment grands, la moyenne devrait devenir normalement distribuée même si les …

13 t-test central-limit-theorem z-test