Statistiques et Big Data

3

Quelqu'un peut-il expliquer l'algorithme de rétropropagation? [dupliquer]

Cette question a déjà des réponses ici : Algorithme de rétropropagation (2 réponses) Fermé il y a 3 mois . Qu'est-ce que l'algorithme de rétropropagation et comment fonctionne-t-il?

13 algorithms optimization neural-networks

1

La machine vectorielle de support peut-elle être utilisée dans les grandes données?

Avec les connaissances limitées que j'ai sur SVM, c'est bon pour une matrice de données courte et grasse (beaucoup de fonctionnalités et pas trop d'instances), mais pas pour les big data.XXX Je comprends qu'une raison est que la matrice du noyau est une matrice où, est le nombre d'instances dans …

13 machine-learning svm large-data

3

Comment exécuter une régression linéaire de manière parallèle / distribuée pour le paramétrage du Big Data?

Je travaille sur un très gros problème de régression linéaire, avec une taille de données si grande qu'elles doivent être stockées sur un cluster de machines. Il sera beaucoup trop volumineux pour regrouper tous les échantillons dans la mémoire d'une seule machine (même le disque) Pour effectuer la régression de …

13 regression linear large-data

2

Pourquoi est-il mal d'arrêter un test A / B avant que la taille d'échantillon optimale soit atteinte?

Je suis en charge de présenter les résultats des tests A / B (exécutés sur les variantes du site) dans mon entreprise. Nous exécutons le test pendant un mois, puis vérifions les valeurs de p à intervalles réguliers jusqu'à ce que nous atteignions la signification (ou abandonnons si la signification …

13 hypothesis-testing statistical-significance bias ab-test optimal-stopping

2

Quelle est la différence entre une variable aléatoire et un échantillon aléatoire?

Ces deux expressions m'ont beaucoup dérouté lorsque j'apprenais les statistiques. Il me semble que ce sont des choses totalement différentes. Un échantillon aléatoire consiste à prélever au hasard un échantillon dans une population, tandis qu'une variable aléatoire est comme une fonction qui mappe l'ensemble de tous les résultats possibles d'une …

13 mathematical-statistics random-variable terminology sample

1

En général, est-il plus difficile de faire de l'inférence que de faire des prédictions?

Ma question vient du fait suivant. J'ai lu des articles, des blogs, des conférences ainsi que des livres sur l'apprentissage automatique. Mon impression est que les praticiens de l'apprentissage automatique semblent être indifférents à beaucoup de choses qui intéressent les statisticiens et l'économétrie. En particulier, les praticiens de l'apprentissage automatique …

13 machine-learning self-study inference

5

Le coût de l'entropie croisée est-il logique dans le contexte de la régression?

Le coût de l'entropie croisée est-il logique dans le contexte de la régression (par opposition à la classification)? Si oui, pourriez-vous donner un exemple de jouet via TensorFlow? Sinon, pourquoi pas? Je lisais sur l'entropie croisée dans Neural Networks and Deep Learning par Michael Nielsen et cela semble être quelque …

13 regression entropy tensorflow cross-entropy

2

Pourquoi la régression logistique produit-elle des modèles bien calibrés?

Je comprends que l'une des raisons pour lesquelles la régression logistique est fréquemment utilisée pour prédire les taux de clics sur le Web est qu'elle produit des modèles bien calibrés. Y a-t-il une bonne explication mathématique à cela?

13 regression logistic

4

Pourquoi l'appariement des scores de propension fonctionne-t-il pour l'inférence causale?

L'appariement par score de propension est utilisé pour faire des inférences causales dans les études observationnelles (voir l'article de Rosenbaum / Rubin ). Quelle est l'intuition simple derrière pourquoi cela fonctionne? En d'autres termes, pourquoi si nous nous assurons que la probabilité de participer au traitement est égale pour les …

13 causality regression-strategies propensity-scores confounding

1

Comment corriger la non-convergence dans LogisticRegressionCV

J'utilise scikit-learn pour effectuer une régression logistique avec validation croisée sur un ensemble de données (environ 14 paramètres avec> 7000 observations normalisées). J'ai également un classificateur cible qui a une valeur de 1 ou 0. Le problème que j'ai, c'est que quel que soit le solveur utilisé, je reçois toujours …

13 logistic cross-validation scikit-learn

2

Comment calculer la valeur attendue d'une distribution normale standard?

Je voudrais apprendre à calculer la valeur attendue d'une variable aléatoire continue. Il semble que la valeur attendue est E[X]=∫∞−∞xf(x)dxE[X]=∫-∞∞XF(X)réXE[X] = \int_{-\infty}^{\infty} xf(x)\mathrm{d}x où f(x)F(X)f(x) est la fonction de densité de probabilité de XXX . Supposons que la fonction de densité de probabilité de soit f ( x ) = …

13 random-variable pdf expected-value

4

Un exemple d'estimateur cohérent et biaisé?

Vraiment perplexe sur celui-ci. J'aimerais vraiment un exemple ou une situation où un estimateur B serait à la fois cohérent et biaisé.

13 mathematical-statistics estimation econometrics

4

Comment vérifier l'hypothèse de linéarité au logit pour les variables indépendantes continues dans l'analyse de régression logistique?

Je suis confondu avec l'hypothèse de linéarité au logit pour les variables prédictives continues dans l'analyse de régression logistique. Avons-nous besoin de vérifier la relation linéaire lors du dépistage des prédicteurs potentiels en utilisant une analyse de régression logistique univariable? Dans mon cas, j'utilise l'analyse de régression logistique multiple pour …

13 regression logistic assumptions splines regression-strategies

1

Réglage de l'hyperparamètre dans la régression du processus gaussien

J'essaie de régler les hyperparamètres de l'algorithme de régression de processus gaussien que j'ai implémenté. Je veux simplement maximiser la probabilité marginale de log donnée par la formule où K est la matrice de covariance avec le éléments K_ {ij} = k (x_i, x_j) = b ^ {- 1} \ …

13 regression optimization gaussian-process hyperparameter

1

Comment fonctionne la rétropropagation dans un réseau neuronal siamois?

J'étudie l'architecture du réseau neuronal siamois introduit par Yann LeCun et ses collègues en 1994 pour la reconnaissance des signatures ( "Vérification de signature utilisant un réseau neuronal siamois à retardement" .pdf , NIPS 1994) J'ai compris l'idée générale de cette architecture, mais je ne comprends vraiment pas comment fonctionne …

13 neural-networks