Estatísticas e Big Data

Ambos os processos parecem ser usados ​​para estimar o valor máximo de uma função desconhecida, e ambos obviamente têm maneiras diferentes de fazer isso. Mas, na prática, um dos métodos é essencialmente intercambiável? Onde eu gostaria de usar um sobre o outro? https://en.wikipedia.org/wiki/Simulated_annealing http://www.iro.umontreal.ca/~bengioy/cifar/NCAP2014-summerschool/slides/Ryan_adams_140814_bayesopt_ncap.pdf Pergunta semelhante Otimização bayesiana ou descida …

8 optimization  maximum  bayesian-optimization 

Sabe-se que, ao construir uma árvore de decisão, dividimos a variável de entrada exaustivamente e encontramos a melhor divisão por abordagem de teste estatístico ou por função de impureza. Minha pergunta é: quando usamos uma variável contínua como variável de entrada (apenas alguns valores duplicados), o número de divisões possíveis …

8 cart 

Eu tenho uma série temporal binária: temos 2160 dados (0 = não aconteceu, 1 = aconteceu) por um período de uma hora em 90 dias. Quero prever depois desses 90 dias, onde o próximo 1 acontecerá, e também Estender essa provisão para o próximo mês.

8 time-series  binary-data 

Eu tenho um conjunto de valores dos quais eu calculo a mediana M. Eu queria saber como eu poderia calcular o erro nessa estimativa.xEu, i = 1 , … , NxEu,Eu=1,…,N{x_i}, i=1, \dots ,N Na net, descobri que pode ser calculado como ondeσé o desvio padrão. Mas não encontrei referências …

8 standard-deviation  bootstrap  standard-error  median 

Estou avaliando um artigo de jornal sobre suas interações estatísticas. O artigo está tentando estabelecer uma relação entre controle menos rígido da pressão arterial e progressão para hipertensão grave. Suspeita-se que a hipertensão preexistente seja um fator prognóstico (dado ).p=0.048&lt;0.05p=0.048&lt;0.05p=0.048<0.05 Sua defesa é que O valor é marginalmente significativo. Isso …

8 interaction  odds 

Estou tentando entender como a matriz de covariância funciona. Então, vamos supor que temos duas variáveis: , onde fornece a relação entre as variáveis, ou seja, quanto uma depende da outra.Cov ( X , Y ) = E [ ( x - E [ X ] ) ( y - …

8 correlation  covariance  moments 

Ultimamente, venho estudando a teoria por trás das RNAs e queria entender a 'mágica' por trás da capacidade de classificação não linear de várias classes. Isso me levou a este site, que faz um bom trabalho em explicar geometricamente como essa aproximação é alcançada. Aqui está como eu entendi (em …

8 machine-learning  neural-networks  approximation  intuition  function 

Dada a probabilidade gaussiana de uma amostra como com sendo o espaço de parâmetro e , parametrizações arbitrárias do vetor médio e da matriz de covariância.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) = \mathcal{N}(y;\mu(\theta),\Sigma(\theta))ΘΘ\Thetaμ(θ)μ(θ)\mu(\theta)Σ(θ)Σ(θ)\Sigma(\theta) É possível especificar uma densidade anterior e parametrização do vetor médio e a matriz de covariância modo que a probabilidade marginal é …

8 normal-distribution  mixed-model  prior  marginal  conjugate-prior 

Atualmente, o aprendizado estatístico e seus resultados são difundidos nas ciências sociais. Há alguns meses, Guido Imbens disse: "LASSO é o novo OLS". Estudei um pouco o Machine Learning e sei que seu principal objetivo é a previsão. Também concordo com a distinção de Leo Breiman entre duas culturas estatísticas. …

8 machine-learning  lasso  causality 

Estou testando a otimização bayesiana, seguindo Snoek, Larochelle e Adams [ http://arxiv.org/pdf/1206.2944.pdf] , usando GPML [ http://www.gaussianprocess.org/gpml/code/matlab / doc /] . Eu implementei a função de aquisição de melhoria esperada descrita na página 3, e estou assumindo que estou certo de que para decidir onde próxima consulta meu objetivo devo …

8 gaussian-process  optimization  bayesian-optimization 

Defina o critério de informação bayesiano como (eu não descarto o constante, , para evitar problemas ao equacionar a probabilidade marginal)BIC=−2⋅lnL^+k⋅(ln(n)−ln(2π))BIC=−2⋅ln⁡L^+k⋅(ln⁡(n)−ln⁡(2π)) \mathrm{BIC} = {-2 \cdot \ln{\hat L} + k \cdot (\ln(n) - \ln(2 \pi))} −ln(2π)−ln⁡(2π) - \ln(2 \pi) Dado dados e um modelo , a relação aproximada entre a probabilidade …

8 hypothesis-testing  bayesian  bic 

Fechado . Esta questão precisa ser mais focada . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela se concentre apenas em um problema editando esta postagem . Fechado há 4 anos . Você pode me ajudar a entender o ponto de vista …

8 bayesian  frequentist 

Para determinar a correlação cruzada entre Salese Variable cost, ambos com sazonalidade mensal, preciso descentralizar as duas séries?

8 time-series  seasonality  cross-correlation 

Eu implementei os algoritmos Viterbi e Forward , mas, estranhamente, não consigo entender como o algoritmo Backward funciona. Intuitivamente, sinto que preciso fazer a mesma coisa que no Forward apenas para trás, usando os valores calculados durante a propagação do Forward . Minha intuição está correta? Eu li muitos slides …

8 markov-process  hidden-markov-model  viterbi-algorithm 

Podemos usar a estatística F para determinar se pelo menos um dos preditores afeta a resposta. Mas por que não levar um valor p mínimo em todos os preditores? Não requer a introdução de um novo conceito.

8 f-statistic