Statistiques et Big Data

2

Plusieurs filtres dans une couche convolutionnelle n'apprendraient-ils pas le même paramètre pendant l'entraînement?

D'après ce que j'ai appris, nous utilisons plusieurs filtres dans une couche Conv d'un CNN pour apprendre différents détecteurs de fonctionnalités. Mais puisque ces filtres sont appliqués de la même manière (c'est-à-dire glissés et multipliés aux régions de l'entrée), n'apprendraient-ils pas simplement les mêmes paramètres pendant l'entraînement? Par conséquent, l'utilisation …

11 neural-networks conv-neural-network convolution filter

2

Quelle est l'intuition derrière la différenciation de second ordre?

Il peut parfois être nécessaire de différencier une série de temps pour la rendre fixe. Cependant, je ne comprends pas comment la différenciation de second ordre peut aider à la rendre stationnaire lorsque la différenciation de premier ordre ne suffit pas. Pourriez-vous donner une explication intuitive pour la différenciation de …

11 time-series stationarity

1

Comment calculer les scores de confiance en régression (avec forêts aléatoires / XGBoost) pour chaque prédiction dans R?

Existe-t-il un moyen d'obtenir un score de confiance (on peut également l'appeler valeur de confiance ou probabilité) pour chaque valeur prédite lors de l'utilisation d'algorithmes comme Random Forests ou Extreme Gradient Boosting (XGBoost)? Supposons que ce score de confiance varie de 0 à 1 et montre à quel point je …

11 r regression random-forest prediction boosting

1

Pourquoi LKJcorr est un bon a priori pour la matrice de corrélation?

Je lis le chapitre 13 "Adventures in Covariance" dans le ( superbe ) livre Statistical Rethinking de Richard McElreath où il présente le modèle hiérarchique suivant: ( REst une matrice de corrélation) L'auteur explique qu'il LKJcorrs'agit d'un a priori faiblement informatif qui fonctionne comme un a priori de régularisation pour …

11 regression self-study correlation prior hierarchical-bayesian

3

Problèmes avec l'encodage à chaud par rapport à l'encodage factice

Je suis conscient du fait que les variables catégorielles avec k niveaux doivent être codées avec k-1 variables dans le codage factice (de même pour les variables catégorielles à valeurs multiples). Je me demandais combien de problème un codage à chaud (c'est-à-dire en utilisant k variables à la place) sur …

11 regression multiple-regression categorical-data many-categories

2

Test de Kolmogorov – Smirnov: la valeur p et la statistique du test ks diminuent à mesure que la taille de l'échantillon augmente

Pourquoi les valeurs de p et les statistiques du test ks diminuent avec l'augmentation de la taille de l'échantillon? Prenez ce code Python comme exemple: import numpy as np from scipy.stats import norm, ks_2samp np.random.seed(0) for n in [10, 100, 1000, 10000, 100000, 1000000]: x = norm(0, 4).rvs(n) y = …

11 python p-value goodness-of-fit intuition scipy

2

Avantages et inconvénients du bootstrapping

Je viens d'apprendre le concept de bootstrap, et une question naïve m'est venue à l'esprit: si nous pouvons toujours générer de nombreux échantillons bootstrap de nos données, pourquoi se donner la peine d'obtenir davantage de données "réelles"? Je pense avoir une explication, dites-moi si j'ai raison: je pense que le …

11 variance bootstrap bias

3

CIFAR-10 Impossible d'obtenir une précision supérieure à 60%, Keras avec le backend Tensorflow [fermé]

Fermé. Cette question est hors sujet . Il n'accepte pas actuellement les réponses. Vous souhaitez améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé l'année dernière . La formation après 15 époques sur l'ensemble de données CIFAR-10 semble faire en …

11 neural-networks conv-neural-network keras

2

Pouvons-nous accepter la valeur nulle dans les tests de non-infériorité?

Dans un test t moyen des moyens, en utilisant les méthodes habituelles de test d'hypothèse, nous rejetons le nul ou ne le rejetons pas mais nous n'acceptons jamais le nul. Une des raisons à cela est que si nous obtenions plus de preuves, la même taille d'effet deviendrait significative. Mais …

11 hypothesis-testing tost non-inferiority

1

Dois-je choisir un régresseur ou un classificateur Random Forest?

J'adapte un ensemble de données avec une classe cible binaire par la forêt aléatoire. En python, je peux le faire soit par randomforestclassifier ou randomforestregressor. Je peux obtenir la classification directement à partir de randomforestclassifier ou je pourrais d'abord exécuter randomforestregressor et récupérer un ensemble de scores estimés (valeur continue). …

11 python random-forest

3

Pourquoi l'estimateur OLS du coefficient AR (1) est-il biaisé?

J'essaie de comprendre pourquoi OLS donne un estimateur biaisé d'un processus AR (1). Considérez Dans ce modèle, l'exogénéité stricte est violée, c'est-à-dire que et sont corrélés mais et sont pas corrélés. Mais si cela est vrai, pourquoi la dérivation simple suivante ne tient-elle pas? ytεtyt-1εtplim βytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). \begin{aligned} y_{t} &= \alpha …

11 time-series least-squares bias autoregressive estimators

3

Utilisez Holt-Winters ou ARIMA?

Ma question porte sur la différence conceptuelle entre Holt-Winters et ARIMA. Autant que je sache, Holt-Winters est un cas particulier d'ARIMA. Mais quand un algorithme est-il préféré à l'autre? Peut-être que Holt-Winters est incrémental et sert donc d'algorithme en ligne (plus rapide)? Dans l'attente de quelques informations ici.

11 time-series arima exponential-smoothing

3

Quels sont les avantages de la régression pas à pas?

J'expérimente la régression pas à pas pour des raisons de diversité dans mon approche du problème. Donc, j'ai 2 questions: Quels sont les avantages de la régression pas à pas? Quelles sont ses forces spécifiques? Que pensez-vous de l'approche hybride, où vous utilisez la régression pas à pas pour sélectionner …

11 regression feature-selection stepwise-regression

2

Gestion des mots inconnus dans les tâches de modélisation de langage à l'aide de LSTM

Pour une tâche de traitement du langage naturel (NLP), on utilise souvent des vecteurs word2vec comme incorporation pour les mots. Cependant, il peut y avoir de nombreux mots inconnus qui ne sont pas capturés par les vecteurs word2vec simplement parce que ces mots ne sont pas assez souvent vus dans …

11 natural-language word2vec lstm word-embeddings

1

Est-il judicieux d'utiliser la sélection d'entités avant Random Forest?

Tout est dans le titre, est-il judicieux d'utiliser la sélection des fonctionnalités avant d'utiliser la forêt aléatoire?

11 machine-learning feature-selection random-forest