Estatísticas e Big Data least-squares

1

Como exatamente calcular a função de perda profunda do Q-Learning?

Tenho uma dúvida sobre como exatamente é treinada a função de perda de uma Deep Q-Learning Network. Estou usando uma rede feedforward de 2 camadas com camada de saída linear e relu camadas ocultas. Vamos supor que eu tenho 4 ações possíveis. Portanto, a saída da minha rede para o …

10 least-squares deep-learning loss-functions reinforcement-learning q-learning

1

O que realmente significa a condição estrita de exogeneidade do OLS?

Na Econometria de Hayashi, afirma-se que uma das suposições do OLS clássico é: E eu sei que as implicações são que para todos os , e que o termo do erro não está correlacionado com os regressores.E(ϵi|x1,x2,…,xn)=0, for i=1,…,n.(1)(1)E(ϵi|x1,x2,…,xn)=0, for i=1,…,n.\mathbb{E}(\epsilon_i\lvert\mathbf{x_1}, \mathbf{x_2}, \ldots, \mathbf{x_n}) = 0 \text{, for } i=1, …

10 regression econometrics least-squares

1

Relação entre MLE e mínimos quadrados em caso de regressão linear

Hastie e Tibshirani mencionam na seção 4.3.2 do livro que, na configuração de regressão linear, a abordagem dos mínimos quadrados é de fato um caso especial de máxima probabilidade. Como podemos provar esse resultado? PS: Não poupe detalhes matemáticos.

9 regression maximum-likelihood least-squares

2

Suposições dos mínimos quadrados

Assuma a seguinte relação linear: YEu= β0 0+ β1 1XEu+ uEuYi=β0+β1Xi+uiY_i = \beta_0 + \beta_1 X_i + u_i , onde YEuYiY_i é a variável dependente, XEuXiX_i uma única variável independente e vocêEuuiu_i o termo do erro. De acordo com Stock & Watson (Introdução à Econometria; Capítulo 4 ), a terceira …

9 regression least-squares assumptions bias consistency

1

Modelo linear em que os dados têm incerteza, usando R

Digamos que eu tenha dados que tenham alguma incerteza. Por exemplo: X Y 1 10±4 2 50±3 3 80±7 4 105±1 5 120±9 A natureza da incerteza pode ser repetir medições ou experimentos, ou medir a incerteza do instrumento, por exemplo. Eu gostaria de ajustar uma curva usando R, algo …

9 r least-squares error-propagation

1

Definição dos pesos quadrados mínimos ponderados: Função R lm vs.

Alguém poderia me dizer por que estou obtendo resultados diferentes de Rmínimos quadrados ponderados e solução manual por operação de matriz ? Especificamente, estou tentando resolver manualmente , onde é a matriz diagonal dos pesos, é a matriz de dados, é a resposta vetor. W A bW A x = …

9 r regression least-squares weighted-regression weighted-data

1

O que é comum, em mínimos quadrados comuns?

Recentemente, um amigo meu perguntou o que há de tão comum nos mínimos quadrados comuns. Não parecemos chegar a lugar algum na discussão. Nós dois concordamos que o OLS é um caso especial do modelo linear, tem muitos usos, é bem conhecido e é um caso especial de muitos outros …

9 regression linear-model least-squares terminology

2

O OLS é assintoticamente eficiente sob heterocedasticidade

Eu sei que o OLS é imparcial, mas não eficiente sob heterocedasticidade em um cenário de regressão linear. Na Wikipedia http://en.wikipedia.org/wiki/Minimum_mean_square_error O estimador MMSE é assintoticamente imparcial e converge na distribuição para a distribuição normal: , onde I (x) é a informação de Fisher de x. Assim, o estimador MMSE …

9 least-squares heteroscedasticity efficiency

2

Como os resíduos se relacionam com os distúrbios subjacentes?

No método dos mínimos quadrados, queremos estimar os parâmetros desconhecidos no modelo: Yj= α + βxj+ εj( j = 1 ... n )Yj=α+βxj+εj(j=1 ...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Depois de fazer isso (para alguns valores observados), obtemos a linha de regressão ajustada: Yj= α^+ β^x …

9 regression least-squares residuals heteroscedasticity assumptions

3

Qual é a importância da matriz de chapéu,

Qual é a importância da matriz de chapéu, , na análise de regressão?H=X(X′X)−1X′H=X(X′X)−1X′H=X(X^{\prime}X )^{-1}X^{\prime} É apenas para um cálculo mais fácil?

9 regression multiple-regression least-squares

1

Aplicando regressão de crista para um sistema de equações sub-determinado?

Quando , o problema dos mínimos quadrados que impõe uma restrição esférica δ no valor de β pode ser escrito como min ‖ y - X p ‖ 2 2 s . t . ‖ Β ‖ 2 2 ≤ ô 2 para um sistema sobredeterminado. ‖ ⋅ ‖ 2 …

9 regression least-squares regularization ridge-regression underdetermined

1

Sob quais suposições o método dos mínimos quadrados ordinários fornece estimadores eficientes e imparciais?

É verdade que, sob as premissas de Gauss Markov, o método dos mínimos quadrados ordinários fornece estimadores eficientes e imparciais? Então: tE( ut) = 0E(ut)=0E(u_t)=0 para todos osttt t = sE( utvocês) = σ2E(utus)=σ2E(u_tu_s)=\sigma^2 parat = st=st=s t ≠ sE( utvocês) = 0E(utus)=0E(u_tu_s)=0 parat ≠ st≠st\neq s onde são os …

9 regression self-study least-squares

2

Teorema de Gauss-Markov: AZUL e OLS

Estou lendo o teorema de Guass-Markov na wikipedia e esperava que alguém pudesse me ajudar a descobrir o ponto principal do teorema. Assumimos um modelo linear, em forma de matriz, é dado por: e nós estamos olhando para o azul, β .y=Xβ+ηy=Xβ+η y = X\beta +\eta βˆβ^ \widehat\beta De acordo …

9 regression least-squares mse blue

2

Bootstrapping paramétrico, semiparamétrico e não paramétrico para modelos mistos

Os seguintes enxertos são retirados deste artigo . Eu sou novato no bootstrap e estou tentando implementar o bootstrap paramétrico, semiparamétrico e não paramétrico para o modelo misto linear com o R bootpacote. Código R Aqui está o meu Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult …

9 r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

1

Faixa de lambda na regressão líquida elástica

\def\l{|\!|} Dada a regressão líquida elástica minb12||y−Xb||2+αλ||b||22+(1−α)λ||b||1minb12||y−Xb||2+αλ||b||22+(1−α)λ||b||1\min_b \frac{1}{2}\l y - Xb \l^2 + \alpha\lambda \l b\l_2^2 + (1 - \alpha) \lambda \l b\l_1 como um intervalo apropriado de λλ\lambda ser escolhido para validação cruzada? No caso α=1α=1\alpha=1 (regressão de crista), a fórmula dof=∑js2js2j+λdof=∑jsj2sj2+λ\textrm{dof} = \sum_j \frac{s_j^2}{s_j^2+\lambda} pode ser usado para …

9 least-squares lasso regularization ridge-regression elastic-net

Perguntas com a marcação «least-squares»