Statistiques et Big Data

J'essaie de faire une sélection de modèle sur certains prédicteurs candidats en utilisant LASSO avec un résultat continu. Le but est de sélectionner le modèle optimal avec les meilleures performances de prédiction, ce qui peut généralement être fait par validation croisée K-fold après avoir obtenu un chemin de solution des …

11 cross-validation  survey  lasso  glmnet 

Je lisais le document de normalisation par lots [1] et il y avait une section où se trouve un exemple, essayant de montrer pourquoi la normalisation doit être effectuée avec soin. Honnêtement, je ne peux pas comprendre comment l'exemple fonctionne et je suis vraiment très curieux de comprendre autant que …

11 machine-learning  neural-networks  conv-neural-network 

J'utilise NN à action directe. Je comprends le concept, mais ma question concerne les poids. Comment pouvez-vous les interpréter, c'est-à-dire que représentent-ils ou comment peuvent-ils être sous-estimés (outre les coefficients de fonction)? J'ai trouvé quelque chose appelé "espace de poids", mais je ne sais pas trop ce que cela signifie.

11 neural-networks  weights 

J'essaie de comprendre et de savoir quoi rapporter de mon analyse de certaines données en utilisant la moyenne du modèle dans R. J'utilise le script suivant pour analyser l'effet de la méthode de mesure sur une variable donnée: Voici l'ensemble de données: https://www.dropbox.com/s/u9un273gzw9o30u/VMT4.csv?dl=0 Modèle à monter: LM.1 <- gls(VMTf ~ …

11 r  model-averaging 

Quelqu'un a-t-il essayé de vérifier si l'ajustement d'un modèle Elastic Net avec ElasticNetin scikit-learn en Python et glmneten R sur le même ensemble de données produit des résultats arithmétiques identiques? J'ai expérimenté de nombreuses combinaisons de paramètres (car les deux fonctions diffèrent dans les valeurs par défaut qu'elles transmettent aux …

11 machine-learning  scikit-learn  glmnet  elastic-net 

Le processus gaussien a été largement utilisé, notamment en émulation. On sait que la demande de calcul est élevée ( ).0(n3)0(n3)0(n^3) Qu'est-ce qui les rend populaires? Quels sont leurs principaux avantages cachés? Pourquoi sont-ils utilisés à la place des modèles paramétriques (par modèle paramétrique, je veux dire une régression linéaire …

11 gaussian-process 

Essayer de calculer le nombre de visites à partir de la démographie et du service. Les données sont très biaisées. Histogrammes: qq tracés (à gauche est le journal): m <- lm(d$Visits~d$Age+d$Gender+city+service) m <- lm(log(d$Visits)~d$Age+d$Gender+city+service) cityet servicesont des variables factorielles. J'obtiens une faible valeur de p *** pour toutes les variables, …

11 regression  multiple-regression  predictive-models  exponential  qq-plot 

Je recherche un livre qui offre une couverture approfondie et rigoureuse de la théorie des probabilités, mais en mettant l'accent sur le matériel qui est principalement utile en dehors d'un département de mathématiques. J'ai entendu dire que "La théorie des probabilités: explorations et applications" est assez bonne, mais je voulais …

11 probability  self-study  references 

Le papier est ici . La politique de déploiement ... est une politique de softmax linéaire basée sur des fonctionnalités rapides, calculées de manière incrémentielle et basées sur des modèles locaux ... Je ne comprends pas ce qu'est la politique de déploiement et comment elle est liée au réseau de …

11 machine-learning  monte-carlo  reinforcement-learning  games 

La déviance à l'échelle, définie comme D = 2 * (log-vraisemblance du modèle saturé moins log-vraisemblance du modèle ajusté), est souvent utilisée comme mesure de la qualité de l'ajustement dans les modèles GLM. Le pourcentage de déviance expliqué, défini comme [D (modèle nul) - D (modèle ajusté)] / D (modèle …

11 goodness-of-fit  zero-inflation  deviance 

J'essaie d'utiliser un réseau neuronal afin d'approximer la valeur Q dans l'apprentissage Q comme dans les questions sur l'apprentissage Q à l'aide des réseaux de neurones . Comme suggéré dans la première réponse, j'utilise une fonction d'activation linéaire pour la couche de sortie, tandis que j'utilise toujours la fonction d'activation …

11 neural-networks  reinforcement-learning 

C'est un sujet difficile pour moi sur Google, car avoir les mots optimisation et stochastique dans une recherche par défaut est presque automatiquement une recherche d'optimisation stochastique. Mais ce que je veux vraiment savoir, c'est quelles méthodes existent pour l'optimisation des modèles informatiques lorsque la sortie du modèle informatique est …

11 optimization  stochastic-processes 

Je connais les bases de SVM et SVR, mais je ne comprends toujours pas comment le problème de trouver un hyperplan qui maximise la marge s'intègre dans SVR. Deuxièmement, j'ai lu quelque chose sur utilisé comme marge de tolérance dans SVR. Qu'est-ce que ça veut dire?ϵϵ\epsilon Troisièmement, y a-t-il une …

11 regression  machine-learning  svm 

Soit une séquence de variables aléatoires de Bernoulli indépendantes avec Définissez Montrez que converge en distribution vers la variable normale standard Z lorsque n tend vers l'infini.{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}P{Xk=1}=1−P{Xk=0}=1k.P{Xk=1}=1−P{Xk=0}=1k.P\{X_k=1\}=1-P\{X_k=0\}=\frac{1}{k}.Sn=∑k=1n(Xk−1k), B2n=∑k=1nk−1k2Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2S_n=\sum^{n}_{k=1}\left(X_k-\frac{1}{k}\right), \ B_n^2=\sum^{n}_{k=1}\frac{k-1}{k^2}SnBnSnBn\frac{S_n}{B_n}ZZZnnn Ma tentative est d'utiliser le Lyapunov CLT, donc nous devons montrer qu'il existe un δ>0δ>0\delta>0 tel que limn→∞1B2+δn∑k=1nE[|Xk−1k|2+δ]=0.limn→∞1Bn2+δ∑k=1nE[|Xk−1k|2+δ]=0.\lim_{n\rightarrow \infty}\frac{1}{B_n^{2+\delta}}\sum_{k=1}^{n}E[|X_k-\frac{1}{k}|^{2+\delta}]=0. …

11 probability  convergence  central-limit-theorem 

Il est considéré comme le cas idéal dans lequel la structure de probabilité sous-jacente aux catégories est parfaitement connue. Pourquoi est-ce qu'avec le classificateur Bayes, nous obtenons les meilleures performances possibles? Quelle est la preuve / explication formelle de cela? Comme nous utilisons toujours le classificateur Bayes comme référence pour …

11 probability  classification  bayesian  bayes