Statistiques et Big Data identifiability

2

Qu'est-ce que l'identifiabilité du modèle?

Je sais qu'avec un modèle non identifiable, on peut dire que les données sont générées par de multiples assignations différentes aux paramètres du modèle. Je sais qu'il est parfois possible de contraindre des paramètres afin qu'ils soient tous identifiables, comme dans l'exemple de Cassella & Berger, 2e éd, section 11.2. …

38 identifiability

2

Dirichlet Processus de clustering: comment gérer les étiquettes?

Q: Quelle est la méthode standard pour regrouper des données à l'aide d'un processus Dirichlet? Lors de l'utilisation de Gibbs, des grappes d'échantillonnage apparaissent et disparaissent pendant l'échantillonnage. Par ailleurs, nous avons un problème d'identifiabilité car la distribution postérieure est invariante aux ré-étiquetages de cluster. Ainsi, nous ne pouvons pas …

14 bayesian clustering mcmc dirichlet-process identifiability

1

Définition de la fonction softmax

Cette question fait suite à stats.stackexchange.com/q/233658 Le modèle de régression logistique pour les classes {0, 1} est P(y=1|x)=exp(wTx)1+exp(wTx)P(y=0|x)=11+exp(wTx)P(y=1|x)=exp⁡(wTx)1+exp⁡(wTx)P(y=0|x)=11+exp⁡(wTx) \mathbb{P} (y = 1 \;|\; x) = \frac{\exp(w^T x)}{1 + \exp(w^T x)} \\ \mathbb{P} (y = 0 \;|\; x) = \frac{1}{1 + \exp(w^T x)} Clairement, ces probabilités sont à 1. En définissant …

8 logistic neural-networks multinomial-logit softmax identifiability

2

Identifiabilité des modèles de réseaux de neurones

Il est assez intuitif que la plupart des topologies / architectures de réseaux de neurones ne soient pas identifiables. Mais quels sont les résultats bien connus sur le terrain? Existe-t-il des conditions simples qui permettent / empêchent l’identifiabilité? Par exemple, tous les réseaux avec des fonctions d'activation non linéaires et …

8 neural-networks conv-neural-network rnn identifiability

1

Problème d'identification des paramètres

J'ai toujours du mal à obtenir la véritable essence de l'identification en économétrie. Je sais que nous déclarons qu'un paramètre (par exemple ) peut être identifié si, simplement en regardant sa distribution (conjointe), nous pouvons déduire la valeur du paramètre. Dans un cas simple de y = b_1X + u …

8 estimation identifiability

Questions marquées «identifiability»