Statistiques et Big Data

2

Pourquoi cet exemple montre-t-il que la sélection de titres ne nécessite aucune compétence?

Je lis Thinking, Fast and Slow de Daniel Kahneman et je suis tombé sur le texte suivant Il y a quelques années, j'ai eu une occasion inhabituelle d'examiner de près l'illusion de compétences financières. J'avais été invité à parler à un groupe de conseillers en placement dans une entreprise qui …

9 regression time-series correlation

3

Descente en gradient sur des fonctions non convexes

Quelles situations connaissons-nous où la descente de gradient peut converger (soit vers un point critique, soit vers un minimum local / global) pour des fonctions non convexes? Pour SGD sur les fonctions non convexes, un type de preuve a été examiné ici, http://www.cs.cornell.edu/courses/cs6787/2017fa/Lecture7.pdf

9 gradient-descent gradient sgd non-convex

2

Comment montrer que cette matrice est semi-définie positive?

Laisser K=(K11K21K12K22)K=(K11K12K21K22)K=\begin{pmatrix} K_{11} & K_{12}\\ K_{21} & K_{22} \end{pmatrix} être une matrice réelle semi-définie positive symétrique (PSD) avec K12=KT21K12=K21TK_{12}=K_{21}^T. Puis pour|r|≤1|r|≤1|r| \le 1, K∗=(K11rK21rK12K22)K∗=(K11rK12rK21K22)K^*=\begin{pmatrix} K_{11} & rK_{12}\\ rK_{21} & K_{22} \end{pmatrix} est également une matrice PSD. MatricesKKK et K∗K∗K^* sont 2×22×22 \times 2 et KT21K21TK_{21}^Tdésigne la matrice de transposition. Comment …

9 matrix linear-algebra

3

Indépendance de la moyenne de l'échantillon et de la variance de l'échantillon dans la distribution binomiale

Laisser X∼Binomial(n,p)X∼Binomial(n,p)X\sim\mathrm{Binomial}(n,p). Nous savons queE[X]=npE[X]=np\mathrm{E}[X]=np et V a r[X] = n p ( 1 - p )Var[X]=np(1-p)\mathrm{Var}[X]=np(1-p). Cela signifie-t-il que l' échantillon signifieX¯X¯\bar xet la variance de l' échantillons2s2s^2sont dépendants les uns des autres? Ou cela signifie-t-il simplement que la variance de la population peut être écrite en fonction de …

9 distributions binomial independence

1

Quelles sont les conséquences d'événements rares dans la régression logistique?

Je sais que la taille de l'échantillon affecte la puissance dans n'importe quelle méthode statistique. Il existe des règles pour déterminer le nombre d'échantillons dont une régression a besoin pour chaque prédicteur. J'entends aussi souvent que le nombre d'échantillons dans chaque catégorie dans la variable dépendante d'une régression logistique est …

9 logistic assumptions rare-events

1

Régression linéaire: comment privilégier les paramètres moins «sensibles»?

J'ai un modèle de régression simple ( y = param1 * x1 + param2 * x2 ). Lorsque j'adapte le modèle à mes données, je trouve deux bonnes solutions: La solution A, params = (2,7), est la meilleure sur l' ensemble d'entraînement avec RMSE = 2,5 MAIS! Solution B params …

9 regression cross-validation overfitting sensitivity-analysis

3

Apprentissage par renforcement sur des données historiques

J'ai travaillé sur l'apprentissage de la politique optimale de communication pour les clients (quelles notifications envoyer, combien envoyer et quand envoyer). J'ai des données historiques des notifications passées envoyées (avec des horodatages) et leurs performances. J'essayais d'appliquer RL à ce problème afin d'apprendre la stratégie optimale. Cependant, une contrainte clé …

9 reinforcement-learning

1

Quelle est la différence entre les différents types de résidus dans l'analyse de survie (régression de Cox)?

Je suis relativement nouveau dans l'analyse de survie. On m'a conseillé de rechercher et d'apprendre les résidus de Schoenfeld dans le cadre d'un diagnostic de modèle pour voir si l'hypothèse de risque proportionnel était satisfaite. En recherchant ceci, j'ai vu des références à de nombreux types de résidus, notamment: Cox-Snell …

9 references survival residuals cox-model schoenfeld-residuals

1

Quels sont certains des inconvénients de l’optimisation hyperparamétrique bayésienne?

Je suis relativement nouveau dans l'apprentissage automatique et les statistiques, mais je me demandais pourquoi l'optimisation bayésienne n'est pas référée plus souvent en ligne lors de l'apprentissage de l'apprentissage automatique pour optimiser les hyperparamètres de votre algorithme. Par exemple, en utilisant un cadre comme celui-ci: https://github.com/fmfn/BayesianOptimization L'optimisation bayésienne de vos …

9 machine-learning optimization hyperparameter bayesian-optimization

1

Consigner les probabilités en référence au classificateur softmax

Dans ce https://cs231n.github.io/neural-networks-case-study/ pourquoi mentionne-t-il "le classificateur Softmax interprète chaque élément de ff comme détenant les probabilités de log (non normalisées) des trois classes." Je comprends pourquoi il n'est pas normalisé mais pas pourquoi il s'agit d'un journal? Que signifie une probabilité logarithmique? Pourquoi ne pas simplement dire des probabilités …

9 machine-learning neural-networks information-theory softmax

1

Comment prouver si la moyenne d'une fonction de densité de probabilité existe

Il est bien connu qu’étant donné une variable aléatoire de valeur réelle XXX avec pdf FFf, la moyenne de XXX (s'il existe) est trouvé par E [X] =∫RXF( x )d x.E[X]=∫RXF(X)réX.\begin{equation} \mathbb{E}[X]=\int_{\mathbb{R}}x\,f(x)\,\mathrm{d}x\,. \end{equation} Question générale: maintenant, si l'on ne peut pas résoudre l'intégrale ci-dessus sous forme fermée, mais veut simplement …

9 distributions mathematical-statistics expected-value

4

La régression basée sur un arbre peut-elle être pire que la régression linéaire ordinaire?

Salut, j'étudie les techniques de régression. Mes données ont 15 fonctionnalités et 60 millions d'exemples (tâche de régression). Lorsque j'ai essayé de nombreuses techniques de régression connues (arbre boosté par gradient, régression d'arbre de décision, AdaBoostRegressor, etc.), la régression linéaire s'est très bien déroulée. Meilleur score parmi ces algorithmes. Quelle …

9 regression modeling deep-learning model cart

1

Les matrices de covariance et de corrélation et / ou leurs inverses ont-elles des interprétations utiles?

Tout en apprenant à calculer les matrices de covariance et de corrélation et leurs inverses en VB et T-SQL il y a quelques années, j'ai appris que les différentes entrées ont des propriétés intéressantes qui peuvent les rendre utiles dans les bons scénarios d'exploration de données. Un exemple évident est …

9 self-study covariance covariance-matrix correlation-matrix determinant

1

Qu'est-ce que la prédiction dense dans le Deep Learning?

J'utilise le modèle pré-formé de TensorFlow de réseau neuronal convolutionnel. https://github.com/tensorflow/models/blob/master/slim/nets/resnet_v2.py#L130 J'ai trouvé la phrase suivante: Cependant, pour les tâches de prédiction denses, nous conseillons d'utiliser des entrées dont les dimensions spatiales sont des multiples de 32 plus 1, par exemple [321, 321]. Quelqu'un sait-il ce qu'est la prédiction dense …

9 neural-networks conv-neural-network

2

Quelle est la cause du problème des comparaisons multiples?

Je comprends l'intuition derrière le MCP mais j'ai du mal à identifier exactement la cause, qu'est-ce qui devrait être évité, ou du moins expliqué. Dans sa définition la plus directe, je conviens que si je prends des données et que j'applique une approche de force brute en essayant toutes les …

9 hypothesis-testing multiple-comparisons