Statistiques et Big Data

2

Quelle est l'autocorrélation pour une marche aléatoire?

On dirait que c'est vraiment élevé, mais c'est contre-intuitif pour moi. Quelqu'un peut-il expliquer? Je suis très confus par cette question et apprécierais une explication détaillée et perspicace. Merci beaucoup d'avance!

11 autocorrelation random-walk

1

Quels sont les avantages et les inconvénients de l'application d'informations mutuelles ponctuelles sur une matrice de cooccurrence de mots avant la SVD?

Une façon de générer des incorporations de mots est la suivante ( miroir ): Obtenez un corpus, par exemple: "J'aime voler. J'aime la PNL. J'aime le deep learning." Construisez le mot matrice de cooccurrence à partir de lui: Effectuez SVD sur XXX et conservez les kkk premières colonnes de U. …

11 natural-language svd mutual-information word-embeddings language-models

2

Comment les filtres et les cartes d'activation sont-ils connectés dans les réseaux de neurones convolutifs?

Comment les cartes d'activation d'une couche donnée sont-elles connectées aux filtres de cette couche? Je ne demande pas comment faire une opération convolutionnelle entre le filtre et la carte d'activation, je demande le type de connectivité de ces deux-là. Par exemple, supposons que vous souhaitiez une connectivité complète. Vous avez …

11 machine-learning deep-learning conv-neural-network

1

Mesurer l'uniformité d'une distribution en semaine

J'ai un problème similaire à la question posée ici: Comment mesurer la non-uniformité d'une distribution? J'ai un ensemble de distributions de probabilité sur les jours de la semaine. Je veux mesurer la proximité de chaque distribution (1 / 7,1 / 7, ..., 1/7). Pour le moment, j'utilise une réponse à …

11 probability distributions random-variable uniform measurement

3

Nombre de paramètres dans un réseau neuronal artificiel pour AIC

Comment puis-je calculer le nombre de paramètres dans un réseau neuronal artificiel afin de calculer son AIC?

11 neural-networks aic

2

Que calcule réellement la formule y ~ x + 0 dans R?

Quelle est la différence statistique entre une régression linéaire dans R avec l' formulaensemble à la y ~ x + 0place de y ~ x? Comment interpréter ces deux résultats différents?

11 multiple-regression generalized-linear-model intercept

1

Méthodologie Bootstrap. Pourquoi rééchantillonner «avec remplacement» au lieu d'un sous-échantillonnage aléatoire?

La méthode bootstrap a connu une grande diffusion ces dernières années, je l'utilise également beaucoup, notamment parce que le raisonnement derrière est assez intuitif. Mais c'est une chose que je ne comprends pas. Pourquoi Efron a choisi d'effectuer un rééchantillonnage avec remplacement au lieu de simplement sous-échantillonner en incluant ou …

11 bootstrap resampling subsampling

1

OLS vs Poisson GLM avec lien d'identité

Ma question révèle ma mauvaise compréhension de la régression de Poisson et des GLM en général. Voici quelques fausses données pour illustrer ma question: ### some fake data x=c(1:14) y=c(0, 1, 2, 3, 1, 4, 9, 18, 23, 31, 20, 25, 37, 45) Quelques fonctions personnalisées pour retourner psuedo-R2: ### …

11 generalized-linear-model poisson-distribution

1

Fonction de perte de déviance binomiale de Scikit

C'est la fonction de perte de déviance binomiale de scikit GradientBoosting, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return …

11 machine-learning scikit-learn boosting loss-functions

2

Comment simuler des données censurées

Je me demande comment puis-je simuler un échantillon de n durées de vie de distribution Weibull qui incluent des observations de type I censurées à droite. Par exemple, ayons le n = 3, la forme = 3, l'échelle = 1 et le taux de censure = .15, et le temps …

11 r survival simulation random-generation

3

Un réseau de neurones peut-il apprendre une fonctionnelle et sa dérivée fonctionnelle?

Je comprends que les réseaux de neurones (NN) peuvent être considérés comme des approximateurs universels des deux fonctions et de leurs dérivés, sous certaines hypothèses (à la fois sur le réseau et sur la fonction à approximer). En fait, j'ai fait un certain nombre de tests sur des fonctions simples …

11 machine-learning neural-networks function derivative

1

Support Vector Machine est-il sensible à la corrélation entre les attributs?

Je voudrais former un SVM pour classer les cas (TRUE / FALSE) sur la base de 20 attributs. Je sais que certains de ces attributs sont fortement corrélés. Par conséquent, ma question est la suivante: SVM est-il sensible à la corrélation ou à la redondance entre les fonctionnalités? Une référence?

11 svm multicollinearity kernel-trick

1

Comment interpréter les tracés en boîte crantée

Tout en faisant un EDA, j'ai décidé d'utiliser un diagramme en boîte pour illustrer la différence entre deux niveaux d'un facteur. La façon dont ggplot a rendu le diagramme en boîte était satisfaisante, mais légèrement simpliste (premier tracé ci-dessous). Tout en recherchant les caractéristiques des parcelles en caissons, j'ai commencé …

11 data-visualization ggplot2 eda

3

Chaînes de Markov contre HMM

Les chaînes de Markov ont du sens pour moi, je peux les utiliser pour modéliser des changements d'état probabilistes dans des problèmes réels. Vient ensuite le HMM. Les HMM seraient mieux adaptés à la modélisation de nombreux problèmes que les MC. Cependant, les problèmes mentionnés sont assez complexes à comprendre, …

11 hidden-markov-model

2

Pourquoi la fonction stl donne une variation saisonnière significative avec des données aléatoires

J'ai tracé le code suivant avec la fonction stl (décomposition saisonnière des séries chronologiques par Loess): plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) Il montre une variation saisonnière importante avec des données aléatoires mises dans le code ci-dessus (fonction rnorm). Une variation importante est observée à chaque exécution, bien que le modèle soit différent. …

11 time-series seasonality loess