Estatísticas e Big Data

Estou interessado em regressão com redes neurais. Redes neurais com zero nós ocultos + conexões de camada de salto são modelos lineares. E as mesmas redes neurais, mas com nós ocultos? Eu estou querendo saber qual seria o papel das conexões skip-layer? Intuitivamente, eu diria que, se você incluir as …

26 regression  machine-learning  neural-networks  deep-learning 

Recentemente, achei necessário derivar um pdf para o quadrado de uma variável aleatória normal com média 0. Por qualquer motivo, optei por não normalizar a variação anteriormente. Se eu fiz isso corretamente, este pdf é o seguinte: N2(x;σ2)=1σ2π−−√x−−√e−x2σ2N2(x;σ2)=1 1σ2πxe-x2σ2 N^2(x; \sigma^2) = \frac{1}{\sigma \sqrt{2 \pi} \sqrt{x}} e^{\frac{-x}{2\sigma^2}} Percebi que isso …

26 normal-distribution  gamma-distribution 

Eu descobri muito na internet sobre a interpretação de efeitos aleatórios e fixos. No entanto, não foi possível obter uma fonte identificando o seguinte: Qual é a diferença matemática entre efeitos aleatórios e fixos? Com isso, quero dizer a formulação matemática do modelo e a maneira como os parâmetros são …

26 mathematical-statistics  mixed-model  random-effects-model  fixed-effects-model 

Inspirado na palestra de Peter Donnelly no TED , na qual ele discute quanto tempo levaria para um determinado padrão aparecer em uma série de lançamentos de moedas, criei o seguinte script em R. Dado dois padrões 'hth' e 'htt', calcula quanto tempo leva (ou seja, quantas moedas jogam) em …

26 r  probability  stochastic-processes 

Anteriormente, usei o Forecast Pro para prever séries temporais univariadas, mas estou mudando meu fluxo de trabalho para R. O pacote de previsão para R contém muitas funções úteis, mas uma coisa que ele não faz é qualquer tipo de transformação de dados antes de executar automaticamente .arima (). Em …

26 r  time-series  data-transformation  forecasting  arima 

em quase todos os exemplos de código que eu já vi de um VAE, as funções de perda são definidas da seguinte forma (este é o código do tensorflow, mas eu já vi similar para theano, tocha etc.) Também é para uma convnet, mas também não é muito relevante , …

26 machine-learning  deep-learning  tensorflow  autoencoders  variational-bayes 

Eu tenho um conjunto de dados muito desequilibrado. Estou tentando seguir o conselho de ajuste e o uso, scale_pos_weightmas não tenho certeza de como devo ajustá-lo. Eu posso ver que RegLossObj.GetGradientsim: if (info.labels[i] == 1.0f) w *= param_.scale_pos_weight portanto, um gradiente de uma amostra positiva seria mais influente. No entanto, …

26 unbalanced-classes  xgboost 

Lembro-me de ter lido há pouco tempo que, em livros antigos (dias anteriores ao computador), os últimos dígitos dos quantis teóricos mostrados nos apêndices eram imprecisos para desencorajar o plágio (a idéia seria que se outro livro tivesse uma mesa no apêndice onde os últimos dígitos são idênticos aos encontrados …

25 references  history  tables 

Suponha que um modelo tenha 100% de precisão nos dados de treinamento, mas 70% de precisão nos dados de teste. O argumento a seguir é verdadeiro sobre esse modelo? É óbvio que este é um modelo com excesso de ajuste. A precisão do teste pode ser aprimorada, reduzindo o sobreajuste. …

25 model  accuracy  overfitting 

As pessoas costumam dizer que algum evento tem 50-60% de chance de acontecer. Às vezes, vejo pessoas dando barras de erro explícitas nas atribuições de probabilidade. Essas declarações têm algum significado ou são apenas uma peculiaridade linguística de desconforto ao escolher um número específico para algo que é inerentemente incognoscível?

25 probability  error 

É verdade que os métodos bayesianos não se ajustam demais? (Vi alguns artigos e tutoriais fazendo essa reivindicação) Por exemplo, se aplicarmos um Processo Gaussiano ao MNIST (classificação de dígitos manuscritos), mas mostrarmos apenas uma amostra, será revertida para a distribuição anterior para quaisquer entradas diferentes daquela amostra única, por …

25 bayesian  nonparametric  gaussian-process  overfitting  misspecification 

Fiquei me perguntando, por que é tão importante ter um aprendizado de máquina por princípios / teórico? De uma perspectiva pessoal como humano, posso entender por que o Machine Learning por princípios seria importante: humanos gostam de entender o que estão fazendo, encontramos beleza e satisfação em entender. do ponto …

25 machine-learning  neural-networks  conv-neural-network  theory 

Considere um modelo de obstáculos que prevê dados de contagem yde um preditor normal x: set.seed(1839) # simulate poisson with many zeros x <- rnorm(100) e <- rnorm(100) y <- rpois(100, exp(-1.5 + x + e)) # how many zeroes? table(y == 0) FALSE TRUE 31 69 Nesse caso, tenho …

25 r  count-data  zero-inflation 

Gostaria de saber se existe algum algoritmo que possa fazer classificação e regressão ao mesmo tempo. Por exemplo, eu gostaria de deixar o algoritmo aprender um classificador e, ao mesmo tempo, em cada rótulo, ele também aprende um alvo contínuo. Assim, para cada exemplo de treinamento, ele possui um rótulo …

25 regression  machine-learning  classification  predictive-models  finite-mixture-model 

Eu quero usar o aprendizado profundo no meu projeto. Examinei alguns artigos e me ocorreu uma pergunta: existe alguma diferença entre rede neural de convolução e aprendizado profundo? Essas coisas são iguais ou existem grandes diferenças e qual é a melhor?

25 machine-learning  neural-networks  deep-learning  terminology  conv-neural-network