Estatísticas e Big Data

A Seção 1.7.2 de Descobrindo estatísticas usando R por Andy Fields, et all, ao listar virtudes de média versus mediana, declara: ... a média tende a ser estável em diferentes amostras. Depois de explicar as muitas virtudes da mediana, por exemplo, ... A mediana não é afetada por pontuações extremas …

22 mean  median 

Estou curioso para saber como os gradientes são propagados novamente através de uma rede neural usando módulos ResNet / pular conexões. Eu já vi algumas perguntas sobre o ResNet (por exemplo, rede neural com conexões de camada de salto ), mas esta pergunta especificamente sobre a propagação de retorno de …

22 machine-learning  neural-networks  conv-neural-network  gradient-descent  backpropagation 

Eu tenho um conjunto de dados. Diga observações e variáveis:101010333 obs A B C 1 0 0 1 2 0 1 0 3 1 0 1 4 1 1 0 5 1 0 1 6 1 0 0 7 1 1 0 8 0 0 1 9 0 1 1 …

22 proportion  descriptive-statistics  paradox 

Tendo incluído um modelo de regressão quantil em um artigo, os revisores querem que eu inclua ajustado no artigo. Eu calculei os pseudo- 2s (do artigo de JASA de Koenker e Machado em 1999 ) para os três quantis de interesse para o meu estudo.R2R2R^2R2R2R^2 Entretanto, nunca ouvi falar de …

22 goodness-of-fit  r-squared  quantile-regression 

Eu estava jogando com uma rede neural simples, com apenas uma camada oculta, da Tensorflow, e tentei diferentes ativações para a camada oculta: Relu Sigmoid Softmax (bem, normalmente o softmax é usado na última camada ..) Relu oferece a melhor precisão de trem e precisão de validação. Não sei bem …

22 machine-learning  neural-networks  conv-neural-network  tensorflow  sigmoid-curve 

A está positivamente relacionado a B. C é o resultado de A e B, mas o efeito de A em C é negativo e o efeito de B em C é positivo. Isso pode acontecer?

22 regression  correlation 

Andrew Gelman escreveu um extenso artigo sobre o motivo pelo qual o teste Bayesiano AB não exige correção de múltiplas hipóteses: Por que geralmente não precisamos nos preocupar com comparações múltiplas , 2012. Não entendo bem: por que os métodos bayesianos não exigem várias correções de teste? A ~ Distribution1 …

22 hypothesis-testing  bayesian  multiple-comparisons 

Algumas funções e aproximações de penalidade são bem estudadas, como o LASSO ( ) e o Ridge ( ) e como elas se comparam na regressão.L 2L1L1L_1L2L2L_2 Eu tenho lido sobre a penalidade de Bridge, que é a penalidade generalizada . Compare isso com o LASSO, que possui \ gama …

22 regression  lasso  regularization  ridge-regression  elastic-net 

Ao treinar uma rede neural usando o algoritmo de retropropagação, o método de descida de gradiente é usado para determinar as atualizações de peso. Minha pergunta é: Em vez de usar o método de descida de gradiente para localizar lentamente o ponto mínimo com relação a um determinado peso, por …

22 neural-networks  gradient-descent  backpropagation 

De acordo com Probability and Statistics for Engineers, de Miller e Freund, 8ed (pp.217-218), a função de probabilidade a ser maximizada para a distribuição binomial (ensaios de Bernoulli) é dada como L ( p ) = ∏ni = 1pxEu( 1 - p )1 - xEueu(p)=∏Eu=1npxEu(1-p)1-xEuL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} Como chegar a …

22 estimation  maximum-likelihood  bernoulli-distribution  point-estimation 

Sei que, para problemas regulares, se temos o melhor estimador imparcial regular, ele deve ser o estimador de máxima verossimilhança (MLE). Mas, geralmente, se tivermos um MLE imparcial, também seria o melhor estimador imparcial (ou talvez eu deva chamá-lo de UMVUE, desde que tenha a menor variação)?

22 mathematical-statistics  maximum-likelihood  unbiased-estimator 

Eu estava examinando a literatura sobre regularização e frequentemente vejo parágrafos que vinculam a regulatização de L2 ao prior gaussiano e L1 com Laplace centrado em zero. Sei como esses anteriores são, mas não entendo como isso se traduz, por exemplo, em pesos no modelo linear. Em L1, se eu …

22 regression  bayesian  prior  regularization  laplace-distribution 

Qual é a diferença entre a distribuição binomial negativa e a distribuição binomial? Tentei ler on-line e descobri que a distribuição binomial negativa é usada quando os pontos de dados são discretos, mas acho que até a distribuição binomial pode ser usada para pontos de dados discretos.

22 categorical-data  data-mining  binomial  negative-binomial 

A imagem abaixo mostra uma curva contínua de taxas de falsos positivos vs. taxas de verdadeiros positivos: No entanto, o que não entendo imediatamente é como essas taxas estão sendo calculadas. Se um método é aplicado a um conjunto de dados, ele possui uma certa taxa de FP e uma …

22 machine-learning  data-visualization  roc  auc 

Gostaria de agrupar hierarquicamente meus dados, mas, em vez de usar a distância euclidiana, gostaria de usar a correlação. Além disso, como o coeficiente de correlação varia de -1 a 1, com -1 e 1 indicando "co-regulação" em meu estudo, estou tratando -1 e 1 como d = 0. Portanto, …

22 correlation  clustering  distance  hierarchical-clustering