Czy jest jakaś różnica między „uczeniem się przez transfer” a „adaptacją domeny”? Nie wiem o kontekście, ale rozumiem, że mamy jakiś zestaw danych 1 i trenujemy go, po czym mamy inny zestaw danych 2, do którego chcemy dostosować nasz model bez ponownego szkolenia od zera, dla którego „uczenie się...
Próbuję oszacować parametry rozkładu gamma, które najlepiej pasują do mojej próbki danych. Chcę tylko użyć średniej , std (a więc i wariancji ) z próbki danych, a nie rzeczywistych wartości - ponieważ nie zawsze będą one dostępne w mojej aplikacji. Zgodnie z tym dokumentem do oszacowania kształtu...
Ze strony Wikipedii zatytułowanej korelacja nie oznacza związku przyczynowego , W przypadku dowolnych dwóch skorelowanych zdarzeń, A i B, możliwe różne zależności obejmują: A powoduje B (bezpośredni związek przyczynowy); B powoduje A (przyczynowość odwrotna); A i B są konsekwencjami wspólnej...
Próbuję zrozumieć, jaki jest cel funkcji utraty i nie do końca rozumiem. Tak więc, o ile rozumiem, funkcja straty służy wprowadzeniu pewnego rodzaju miernika, za pomocą którego możemy zmierzyć „koszt” niewłaściwej decyzji. Powiedzmy, że mam zestaw danych z 30 obiektami, podzieliłem je na zestawy...
Chciałbym przetestować hipotezę, że dwie próbki pochodzą z tej samej populacji, nie przyjmując żadnych założeń dotyczących rozkładu próbek lub populacji. Jak mam to zrobić? Z Wikipedii mam wrażenie, że test U Manna Whitneya powinien być odpowiedni, ale wydaje mi się, że nie działa w praktyce. Dla...
Regularyzacja w regresji (liniowa, logistyczna ...) jest najpopularniejszym sposobem ograniczenia nadmiernego dopasowania. Kiedy celem jest dokładność prognoz (nie wyjaśniając), czy istnieją jakieś dobre alternatywy dla regularyzacji, szczególnie odpowiednie dla dużych zbiorów danych (mi /...
Przeglądałem dokumenty konwolucji keras i znalazłem dwa rodzaje konwulsji Conv1D i Conv2D. Przeprowadziłem wyszukiwanie w Internecie i właśnie to rozumiem na temat Conv1D i Conv2D; Conv1D jest używany do sekwencji, a Conv2D do zdjęć. Zawsze myślałem, że sieci nerwowe splotu są używane tylko do...
Czytałem o estymatorze Jamesa-Steina. W tych uwagach jest zdefiniowany jako θ^=(1−p−2∥X∥2)Xθ^=(1−p−2‖X‖2)X \hat{\theta}=\left(1 - \frac{p-2}{\|X\|^2}\right)X Przeczytałem dowód, ale nie rozumiem następującego oświadczenia: Geometrycznie estymator Jamesa-Steina zmniejsza każdy składnik kierunku...
Natknąłem się na pytanie w wywiadzie: Co 10 minut przyjeżdża czerwony pociąg. Co 15 minut przyjeżdża niebieski pociąg. Oba zaczynają się od przypadkowego czasu, więc nie masz żadnego harmonogramu. Jeśli przyjeżdżasz na stację w przypadkowym czasie i jeździsz pociągiem, który przyjeżdża pierwszy,...
Rozumiem, że stosując podejście bayesowskie do szacowania wartości parametrów: Rozkład tylny jest kombinacją rozkładu wcześniejszego i rozkładu prawdopodobieństwa. Symulujemy to, generując próbkę z rozkładu tylnego (np. Przy użyciu algorytmu Metropolis-Hasting do generowania wartości i...
SARSA i Q Learning to algorytmy uczenia wzmacniającego, które działają w podobny sposób. Najbardziej uderzającą różnicą jest to, że SARSA jest na polisie, podczas gdy Q Learning jest na polisie. Reguły aktualizacji są następujące: Q
Moja dziewczyna niedawno dostała pracę w sprzedaży i handlu w dużym banku. Zainspirowana jej nową pracą wierzy, że jest w stanie przewidzieć, czy zapasy wzrosną, czy spadną pod koniec miesiąca większe niż przypadek (wierzy, że może to zrobić nawet z 80% dokładnością!) Jestem bardzo sceptyczny....
Pytanie może brzmieć nieco dziwnie, ponieważ jestem nowy w wnioskowaniu statystycznym i sieciach neuronowych. Kiedy w problemach z klasyfikacją za pomocą sieci neuronowych mówimy, że chcemy nauczyć się funkcji która odwzorowuje przestrzeń wejściową na przestrzeń wyjściową...
Patrzyłem na częściowo nadzorowane metody uczenia się i natknąłem się na koncepcję „pseudo-etykietowania”. Jak rozumiem, dzięki pseudo-etykietowaniu masz zestaw danych oznaczonych etykietą, a także zestaw danych nieznakowanych. Najpierw trenujesz model tylko na danych z etykietami. Następnie...
Wiele źródeł datuje klasyczny projekt „pudełkowej fabuły” na Johna Tukeya i jego „schematyczną fabułę” z 1970 r. Wygląda na to, że od tego czasu pozostał względnie niezmienny, a wycięta w pudełku wersja Edwarda Tufte'a nie została przyłapana, podczas gdy wykresy skrzypcowe - choć bardziej...
Czytam książkę Statystyka (Freeman, Pisani, Purves) i próbuję odtworzyć przykład, w którym rzuca się monetą, powiedzmy 50 razy, liczbę głów liczoną i to się powtarza powiedzmy 1000 razy. Po pierwsze, utrzymałem liczbę rzutów (wielkość próbki) na poziomie 1000 i zwiększyłem liczbę powtórzeń. Im...
Myślałem o tym problemie pod prysznicem, ponieważ inspiracją były strategie inwestycyjne. Powiedzmy, że było drzewo magicznych pieniędzy. Każdego dnia możesz zaoferować pieniądze drzewku pieniędzy, które potroi je lub zniszczy z prawdopodobieństwem 50/50. Natychmiast zauważasz, że robiąc to,...
Więc tutaj studiuję wnioskowanie. Chciałbym, aby ktoś mógł wymienić zalety wykładniczej rodziny. Przez rodzinę wykładniczą rozumiem rozkłady, które są podane jako f( x|θ)=h(x)exp{η(θ)T( x ) - B ( θ)}f(x|θ)=h(x)exp{η(θ)T.(x)-b(θ)}\begin{align*} f(x|\theta) = h(x)\exp\left\{\eta(\theta)T(x) -...
Czytałem raport OOŚ i ten spisek przykuł moją uwagę. Chcę teraz móc tworzyć ten sam typ fabuły. Pokazuje ewolucję wydajności energetycznej między dwoma latami (1990-2015) i dodaje wartość zmiany między tymi dwoma okresami. Jak nazywa się tego typu fabuła? Jak mogę stworzyć tę samą fabułę (z...
Czy ktoś wie, w którym roku MCMC stało się powszechne (tj. Popularna metoda wnioskowania bayesowskiego)? Szczególnie pomocny byłby link do liczby opublikowanych artykułów MCMC (czasopism) w