Estatísticas e Big Data

O termo "perda" é sinônimo de "erro"? Existe uma diferença na definição? Além disso, qual é a origem do termo "perda"? Nota: A função de erro mencionada aqui não deve ser confundida com erro normal.

31 loss-functions 

Por que usamos unidades lineares retificadas (ReLU) com redes neurais? Como isso melhora a rede neural? Por que dizemos que ReLU é uma função de ativação? A função de ativação softmax não é usada para redes neurais? Eu estou supondo que usamos ambos, ReLU e softmax, assim: neurônio 1 com …

31 neural-networks 

Eu li esta página: http://neuralnetworksanddeeplearning.com/chap3.html e disse que a camada de saída sigmóide com entropia cruzada é bastante semelhante à camada de saída softmax com probabilidade logarítmica. o que acontece se eu usar sigmoid com probabilidade de log ou softmax com entropia cruzada na camada de saída? Está bom? porque …

31 neural-networks  maximum-likelihood  softmax 

Eu li sobre duas versões da função de perda para regressão logística, qual delas está correta e por quê? No Machine Learning , Zhou ZH (em chinês), com β=(w,b) and βTx=wTx+bβ=(w,b) and βTx=wTx+b\beta = (w, b)\text{ and }\beta^Tx=w^Tx +b : l(β)=∑i=1m(−yiβTxi+ln(1+eβTxi))(1)(1)l(β)=∑i=1m(−yiβTxi+ln⁡(1+eβTxi))l(\beta) = \sum\limits_{i=1}^{m}\Big(-y_i\beta^Tx_i+\ln(1+e^{\beta^Tx_i})\Big) \tag 1 Do meu curso na faculdade, …

31 logistic  loss-functions 

Em quase todo o trabalho de análise que já fiz, uso: set.seed(42) É uma homenagem ao Guia do Mochileiro das Galáxias . Mas estou pensando se estou criando viés usando a mesma semente repetidamente.

31 random-generation 

Entendo o que é um posterior, mas não tenho certeza do que o último significa? Como os 2 são diferentes? Kevin P Murphy indicou em seu livro, Aprendizado de Máquina: uma Perspectiva Probabilística , que é "um estado de crença interno". O que isso realmente significa? Fiquei com a impressão …

31 posterior  definition 

Acho que R pode levar muito tempo para gerar gráficos quando milhões de pontos estão presentes - o que não é surpreendente, uma vez que os pontos são plotados individualmente. Além disso, essas parcelas costumam ser muito confusas e densas para serem úteis. Muitos dos pontos se sobrepõem e formam …

31 r  data-visualization 

Se a probabilidade conjunta é a interseção de 2 eventos, então a probabilidade conjunta de 2 eventos independentes não deve ser zero, pois eles não se cruzam? Estou confuso.

30 probability  joint-distribution 

Quero dizer, algumas dessas variáveis ​​estão fortemente correlacionadas entre si. Como / por que / em que contexto os definimos como variáveis independentes ?

30 regression  terminology  predictor 

Costumo ver pessoas criar novos recursos com base nos recursos existentes em um problema de aprendizado de máquina. Por exemplo, aqui: https://triangleinequality.wordpress.com/2013/09/08/basic-feature-engineering-with-the-titanic-data/ as pessoas consideram o tamanho da família de uma pessoa como um novo recurso, com base no número de irmãos, irmãs e pais, que eram características existentes. Mas …

30 machine-learning  feature-engineering 

Uma rede neural aprende características de um conjunto de dados como um meio de atingir algum objetivo. Quando estiver pronto, podemos querer saber o que a rede neural aprendeu. Quais eram os recursos e por que se importava com eles? Alguém pode dar algumas referências no corpo do trabalho que …

30 neural-networks  deep-learning 

Entendo como obtemos 3,5 como o valor esperado para rolar um dado de 6 lados justo. Mas intuitivamente, posso esperar cada rosto com a mesma chance de 1/6. Portanto, o valor esperado de rolar um dado não deve ser um dos números entre 1 e 6 com igual probabilidade? Em …

30 expected-value  terminology  history 

Estou tentando escrever uma série de postagens no blog sobre valores-p e pensei que seria interessante voltar para onde tudo começou - o que parece ser o artigo de 1900 da Pearson. Se você estiver familiarizado com esse documento, lembre-se de que isso abrange testes de qualidade do ajuste. Pearson …

30 p-value  history  ronald-fisher 

Seja e processos de ruído branco. Podemos dizer que é necessariamente um processo de ruído branco?b t c t = a t + b tatata_tbtbtb_tct=at+btct=at+btc_t=a_t+b_t

30 time-series  econometrics  white-noise 

Minha pergunta sai desse comentário em um post de Andrew Gelman no blog em que ele defende o uso de intervalos de confiança de 50% em vez de intervalos de confiança de 95%, embora não com base em que eles sejam estimados com mais robustez: Eu prefiro intervalos de 50% …

30 confidence-interval  assumptions  robust