Statistiques et Big Data

2

Technique d'apprentissage automatique pour l'apprentissage des modèles de cordes

J'ai une liste de mots, appartenant à différentes catégories auto-définies. Chaque catégorie a son propre motif (par exemple une a une longueur fixe avec des caractères spéciaux, une autre existe de caractères qui n'apparaissent que dans cette catégorie de "mot", ...). Par exemple: "ABC" -> type1 "ACC" -> type1 "a8 …

11 machine-learning classification similarities supervised-learning

3

Moyenne de la distribution exponentielle inverse

Étant donné une variable aléatoire , quelles sont la moyenne et la variance de ?G = 1Oui= Ex p ( λ )Oui=EXp(λ)Y = Exp(\lambda)G = 1Ouig=1OuiG=\dfrac{1}{Y} Je regarde la distribution gamma inverse, mais la moyenne et la variance ne sont définies que pour et respectivement ...α > 2α > 1α>1\alpha>1α …

11 variance mean exponential

2

Corrélation entre sinus et cosinus

Supposons que soit uniformément distribué sur . Laissez et . Montrer que la corrélation entre et est nulle.XXX[0,2π][0,2π][0, 2\pi]Y=sinXY=sin⁡XY = \sin XZ=cosXZ=cos⁡XZ = \cos XYYYZZZ Il semble que j'aurais besoin de connaître l'écart type du sinus et du cosinus, ainsi que leur covariance. Comment puis-je les calculer? Je pense que …

11 correlation variance random-variable expected-value

2

Comment déterminer les paramètres du t-SNE pour réduire les dimensions?

Je suis très nouveau dans les intégrations de mots. Je veux visualiser à quoi ressemblent les documents après leur apprentissage. J'ai lu que t-SNE est l'approche pour le faire. J'ai 100K documents avec 250 dimensions comme taille de l'incorporation. Plusieurs packages sont également disponibles. Cependant, pour t-SNE, je ne sais …

11 pca dimensionality-reduction word2vec word-embeddings tsne

2

Régression linéaire, attentes conditionnelles et valeurs attendues

D'accord, juste un peu flou sur certaines choses, toute aide serait très appréciée. Je crois comprendre que le modèle de régression linéaire est prédit via une attente conditionnelle E(Y|X)=b+Xb+eE(Y|X)=b+Xb+eE(Y|X)=b+Xb+e Supposons-nous que et Y sont des variables aléatoires avec une distribution de probabilité inconnue? j'ai cru comprendre que seuls les résidus …

11 regression

1

Intuitivement, pourquoi l'entropie croisée est-elle une mesure de la distance de deux distributions de probabilité?

Pour deux distributions discrètes et , l'entropie croisée est définie commepppqqq H( p , q) = - ∑Xp ( x ) logq( x ) .H(p,q)=-∑Xp(X)Journal⁡q(X).H(p,q)=-\sum_x p(x)\log q(x). Je me demande pourquoi ce serait une mesure intuitive de la distance entre deux distributions de probabilité? Je vois que est l'entropie de …

11 probability distributions cross-entropy

2

Qu'entend-on par la variance des * fonctions * dans * Introduction à l'apprentissage statistique *?

Sur la p. 34 de Introduction à l'apprentissage statistique : \newcommand{\Var}{{\rm Var}} Bien que la preuve mathématique dépasse le cadre de ce livre, il est possible de montrer que le test attendu MSE, pour une valeur donnée x0x0x_0 , peut toujours être décomposé en la somme de trois quantités fondamentales: …

11 machine-learning variance

3

Quelle est la relation entre la théorie des jeux et l'apprentissage par renforcement?

Je suis intéressé par (Deep) Reinforcement Learning (RL) . Avant de plonger dans ce domaine, dois-je suivre un cours de théorie des jeux (GT) ? Quel est le lien entre GT et RL ?

11 deep-learning reinforcement-learning game-theory

2

Quelle est l'intuition derrière un réseau neuronal récurrent de mémoire à court terme (LSTM)?

L'idée derrière le réseau neuronal récurrent (RNN) est claire pour moi. Je le comprends de la manière suivante: nous avons une séquence d'observations ( ) (ou, en d'autres termes, des séries temporelles multivariées). Chaque observation est un vecteur numérique à dimensions. Dans le modèle RNN, nous supposons que la prochaine …

11 time-series neural-networks predictive-models intuition rnn

2

Références en ligne donnant une introduction à OLS

J'ai commencé à étudier les estimateurs des moindres carrés ordinaires (OLS) et j'en suis encore au tout début. J'ai déjà acheté des livres d'économétrie mais je n'ai rien trouvé en ligne. Je me demandais donc s'il existe un site Web, une page d'accueil ou d'autres ressources en ligne qui expliquent …

11 references least-squares

1

Ajustements aux prévisions (de régression linéaire)

Divulgation complète: je ne suis pas statisticien et je ne prétends pas l'être. Je suis un administrateur informatique modeste. Veuillez jouer doucement avec moi. :) Je suis responsable de la collecte et de la prévision de l'utilisation du stockage sur disque pour notre entreprise. Nous collectons mensuellement notre utilisation du …

11 regression forecasting adjustment

1

Comment choisir entre le test de signe et le test de rang signé de Wilcoxon?

J'essaie d'en choisir un parmi ces deux tests pour analyser les données appariées. Quelqu'un connaît-il des règles générales sur lesquelles choisir en général?

11 hypothesis-testing nonparametric paired-data wilcoxon-signed-rank sign-test

5

Interprétation du théorème de Bayes appliqué aux résultats positifs de la mammographie

J'essaie de comprendre le résultat du théorème de Bayes appliqué à l'exemple de la mammographie classique, la torsion de la mammographie étant parfaite. C'est, Incidence du cancer:.01.01.01 Probabilité d'une mammographie positive, étant donné que le patient a un cancer:111 Probabilité d'une mammographie positive, étant donné que le patient n'a pas …

11 bayesian bayes binning diagnosis

1

Quand la distribution d'échantillonnage fréquentiste ne peut-elle pas être interprétée comme postérieure bayésienne dans les paramètres de régression?

Mes vraies questions se trouvent dans les deux derniers paragraphes, mais pour les motiver: Si j'essaie d'estimer la moyenne d'une variable aléatoire qui suit une distribution normale avec une variance connue, j'ai lu que le fait de mettre un uniforme avant sur la moyenne donne une distribution postérieure proportionnelle à …

11 bayesian maximum-likelihood posterior frequentist

3

Chaque matrice de corrélation positive est-elle définie?

Je parle ici de matrices de corrélations de Pearson. J'ai souvent entendu dire que toutes les matrices de corrélation doivent être semi-définies positives. Ma compréhension est que les matrices définies positives doivent avoir des valeurs propres , tandis que les matrices semi-définies positives doivent avoir des valeurs propres . Cela …

11 covariance-matrix eigenvalues correlation-matrix