Statistiques et Big Data

4

Différence entre binôme, binôme négatif et régression de Poisson

Je cherche des informations sur la différence entre la régression binomiale, binomiale négative et de Poisson et pour quelles situations ces régressions sont les mieux adaptées. Existe-t-il des tests que je peux effectuer dans SPSS qui peuvent me dire laquelle de ces régressions est la meilleure pour ma situation? De …

27 spss references binomial poisson-distribution negative-binomial

4

Quelle est la différence entre un test stationnaire et un test de racine unitaire?

Quelle est la différence entre le test de Kwiatkowski – Phillips – Schmidt – Shin (KPSS) et le test de Dickey-Fuller augmenté (ADF)? Testent-ils la même chose? Ou devons-nous les utiliser dans différentes situations?

27 time-series stationarity unit-root augmented-dickey-fuller kpss-test

4

Signification des notations de probabilité et

Quelle est la différence de sens entre la notation et qui sont couramment utilisées dans de nombreux livres et articles? P ( z | d , w )P(z;d,w)P(z;d,w)P(z;d,w)P(z|d,w)P(z|d,w)P(z|d,w)

27 probability notation

2

Fonction de perte de coefficient de dés vs entropie croisée

Lorsque vous entraînez des réseaux neuronaux de segmentation de pixels, tels que des réseaux entièrement convolutionnels, comment décidez-vous d'utiliser la fonction de perte d'entropie croisée par rapport à la fonction de perte de coefficient de dés? Je me rends compte que c'est une question courte, mais je ne sais pas …

27 neural-networks loss-functions cross-entropy

1

Exemple pas à pas de différenciation automatique en mode inverse

Je ne sais pas si cette question appartient ici, mais elle est étroitement liée aux méthodes de gradient en optimisation, qui semble être sur le sujet ici. Quoi qu'il en soit, n'hésitez pas à migrer si vous pensez qu'une autre communauté a une meilleure expertise dans le sujet. En bref, …

27 optimization derivative tensorflow automatic-differentiation

2

Quand est-il approprié d'utiliser une règle de notation incorrecte?

Merkle et Steyvers (2013) écrivent: Pour définir formellement une règle de notation appropriée, soit une prévision probabiliste d'un essai de Bernoulli avec une vraie probabilité de succès . Les règles de notation appropriées sont des mesures dont les valeurs attendues sont minimisées si .fffdddpppf=pf=pf = p Je comprends que c'est …

27 classification forecasting scoring-rules

1

Comment comprendre SARIMAX intuitivement?

J'essaie de comprendre un article sur la prévision de la charge électrique, mais je me bats avec les concepts à l'intérieur, en particulier le modèle SARIMAX . Ce modèle est utilisé pour prédire la charge et utilise de nombreux concepts statistiques que je ne comprends pas (je suis un étudiant …

27 regression time-series arima autoregressive intuition

5

Le réseau de neurones profond peut-il se rapprocher de la fonction de multiplication sans normalisation?

Disons que nous voulons faire une régression pour simple en f = x * yutilisant un réseau de neurones profond standard. Je me souviens qu'il y a des reseraches qui disent que NN avec une couche cachée peut apoximer n'importe quelle fonction, mais j'ai essayé et sans normalisation NN n'a …

27 regression machine-learning neural-networks deep-learning

4

Comment déterminer le seuil optimal pour un classificateur et générer une courbe ROC?

Disons que nous avons un classificateur SVM, comment générer une courbe ROC? (Comme théoriquement) (car on génère TPR et FPR avec chacun des seuils). Et comment déterminer le seuil optimal pour ce classificateur SVM?

27 machine-learning svm

1

Pourquoi l'APC est-elle sensible aux valeurs aberrantes?

Il existe de nombreux articles sur cette SE qui discutent des approches robustes de l'analyse en composantes principales (ACP), mais je ne trouve pas une seule bonne explication de la raison pour laquelle l' ACP est sensible aux valeurs aberrantes en premier lieu.

26 machine-learning pca outliers

1

Pourquoi les fonctions d'activation non centrées sur zéro sont-elles un problème dans la rétropropagation?

J'ai lu ici ce qui suit: Les sorties sigmoïdes ne sont pas centrées sur zéro . Cela n'est pas souhaitable car les neurones des couches ultérieures de traitement dans un réseau de neurones (plus à ce sujet bientôt) recevraient des données qui ne sont pas centrées sur zéro. Cela a …

26 neural-networks deep-learning backpropagation

7

Deux lancers de dés - même numéro dans l'ordre

J'étudie actuellement la classe d'inférence statistique sur Coursera. Dans l'une des affectations, la question suivante se pose. | Suppose you rolled the fair die twice. What is the probability of rolling the same number two times in a row? 1: 2/6 2: 1/36 3: 0 4: 1/6 Selection: 2 | …

26 probability self-study conditional-probability

5

Pourquoi prenons-nous la racine carrée de la variance pour créer un écart-type?

Désolé si cela a été répondu ailleurs, je n'ai pas pu le trouver. Je me demande pourquoi nous prenons la racine carrée , en particulier, de la variance pour créer l'écart type? De quoi s'agit-il de prendre la racine carrée qui produit une valeur utile?

26 variance standard-deviation

1

Quelles sont les notations classiques en statistique, algèbre linéaire et apprentissage automatique? Et quels sont les liens entre ces notations?

Lorsque nous lisons un livre, la compréhension des notations joue un rôle très important dans la compréhension du contenu. Malheureusement, différentes communautés ont des conventions de notation différentes pour la formulation du modèle et le problème d'optimisation. Quelqu'un pourrait-il résumer certaines notations de formulation ici et fournir des raisons possibles? …

26 machine-learning probability self-study optimization

2

Quel est exactement l'alpha dans la distribution de Dirichlet?

Je suis assez nouveau dans les statistiques bayésiennes et je suis tombé sur une mesure de corrélation corrigée, SparCC , qui utilise le processus Dirichlet dans le backend de son algorithme. J'ai essayé de parcourir pas à pas l'algorithme pour vraiment comprendre ce qui se passe mais je ne sais …

26 distributions bayesian dirichlet-distribution