Statistiques et Big Data computational-statistics

1

L'analyse fonctionnelle et les espaces hilbert sont-ils utiles dans l'apprentissage automatique? Si c'est le cas, comment?

Je me demandais, en quoi les espaces hilbert et l'analyse fonctionnelle sont-ils utiles à l'apprentissage automatique? Je pensais que l'apprentissage automatique était un mélange de statistiques, d'informatique et d'optimisation. Quel est le lien entre l'analyse fonctionnelle et cela?

9 machine-learning mathematical-statistics computational-statistics

1

Quelqu'un peut-il expliquer que j'ai 5 ans à propos de ce problème dans le livre ESL de Hastie?

Je travaille sur le livre ESL de Hastie et j'ai du mal avec la question 2.3. La question est la suivante: Nous considérons une estimation du plus proche voisin à l'origine, et la distance médiane de l'origine au point de données le plus proche est donnée par cette équation. Je …

9 machine-learning computational-statistics

1

Classificateurs algébriques, plus d'informations?

J'ai lu les classificateurs algébriques: une approche générique pour la validation croisée rapide, la formation en ligne et la formation parallèle et j'ai été étonné par la performance des algorithmes dérivés. Cependant, il semble qu'au-delà de Naive Bayes (et GBM) il n'y a pas beaucoup d'algorithmes adaptés au framework. Y …

9 cross-validation references random-forest computational-statistics naive-bayes

3

Le générateur de nombres aléatoires de Mathematica s'écartant de la probabilité binomiale?

Donc, disons que vous lancez une pièce 10 fois et appelez cela 1 "événement". Si vous exécutez 1 000 000 de ces "événements", quelle est la proportion d'événements dont la tête se situe entre 0,4 et 0,6? La probabilité binomiale suggérerait que cela soit d'environ 0,65, mais mon code Mathematica …

9 computational-statistics mathematica

2

Comment trouver des valeurs optimales pour les paramètres de réglage dans les arbres boostés?

Je me rends compte qu'il y a 3 paramètres de réglage dans le modèle de boosting trees, c'est-à-dire le nombre d'arbres (nombre d'itérations) paramètre de rétrécissement nombre de divisions (taille de chaque arbre constitutif) Ma question est: pour chacun des paramètres de réglage, comment dois-je trouver sa valeur optimale? Et …

9 machine-learning cross-validation computational-statistics boosting gbm

1

Comment puis-je calculer une estimation de densité postérieure à partir d'un précédent et d'une vraisemblance?

J'essaie de comprendre comment utiliser le théorème de Bayes pour calculer un postérieur, mais je reste bloqué avec l'approche informatique, par exemple, dans le cas suivant, il n'est pas clair pour moi comment prendre le produit de l'a priori et de la vraisemblance, puis calculer le postérieur: Pour cet exemple, …

9 bayesian simulation computational-statistics

1

Avantage de multiples simulations à Monte-Carlo à l'ancienne?

L'esprit de cette question vient de "l'Ordinaire de Monte-Carlo", aussi appelé "bon vieux Monte-Carlo" Supposons que j'ai une variable aléatoire XXX, avec μ:=E[X]σ2:=Var[X]μ:=E[X]σ2:=Var[X]\mu := E[X]\\ \sigma^2:=Var[X] Les deux sont des valeurs inconnues, car la fonction de distribution de probabilité de XXX est inconnu (ou les calculs sont intraitables). Quoi qu'il …

8 probability monte-carlo computational-statistics

1

Modèle de mélange non paramétrique et grappes

J'ai une question sur les grappes que j'envisage de traiter avec une approche de mélange non paramétrique (je pense). Je travaille sur l'explication du comportement humain. Chaque ligne de ma base de données contient: l'ID de quelqu'un certains paramètres de l'environnement X (exemple: la température, le vent, etc.) une variable …

8 machine-learning clustering computational-statistics mixture

2

Comment comparer statistiquement deux algorithmes à travers trois ensembles de données dans la sélection et la classification d'entités?

Contexte du problème: Dans le cadre de mes recherches, j'ai écrit deux algorithmes qui peuvent sélectionner un ensemble de fonctionnalités à partir d'un ensemble de données (données d'expression génique de patients cancéreux). Ces caractéristiques sont ensuite testées pour voir dans quelle mesure elles peuvent classer un échantillon invisible comme cancéreux …

8 machine-learning statistical-significance computational-statistics standardization genetic-algorithms

2

Bootstrap vs intégration numérique

Ma compréhension de l'approche bootstrap est basée sur le cadre de Wasserman (presque mot pour mot): Soit une statistique ( est l'échantillon iid tiré de la distribution ). Supposons que nous voulons estimer - la variance de donné .Tn=g(X1,...,Xn)Tn=g(X1,...,Xn)T_n = g(X_1, ..., X_n)XiXiX_iFFFVF(Tn)VF(Tn)V_F(T_n)TnTnT_nFFF L'approche bootstrap suit ces deux étapes: Estimer …

8 bootstrap computational-statistics

1

Algèbre informatique symbolique pour les statistiques

Quelles fonctionnalités devraient exister dans un CAS spécifiquement axé sur les statistiques? Les systèmes d'algèbre symbolique comme Mathematica et Maple sont souvent utilisés pour les problèmes de calcul, de logique et de physique, mais sont rarement utilisés pour les statistiques. Pourquoi est-ce? Quelles constructions statistiques pourraient être ajoutées à un …

8 python computational-statistics computing mathematica maple

Questions marquées «computational-statistics»