Przypuszczam, że P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B) = P(A | B,C) * P(C) + P(A|B,\neg C) * P(\neg C) jest poprawny, podczas gdy P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B) = P(A | B,C) + P(A|B,\neg C) jest nieprawidłowe. Mam jednak...
Załóżmy, że mamy dwóch drzew regresji (drzewie i drzewa B) odwzorowanych wejściowe do wyjścia y ∈ R . Niech Y = F A ( x ) w drzewie i F B ( x ) na drzewa B. Każde drzewo wykorzystuje dzieli binarnej hiperplaszczyzn jako funkcji oddzielających.x ∈ Rrex∈Rrex \in \mathbb{R}^dy^∈ Ry^∈R\hat{y} \in...
To jest pytanie do dyskusji na temat skrzyżowania statystyki i innych nauk. Często napotykam ten sam problem: badacze w mojej dziedzinie twierdzą, że nie ma żadnego efektu, gdy wartość p jest nie mniejsza niż poziom istotności. Na początku często odpowiadałem, że nie tak działa testowanie hipotez....
Przeglądam artykuł, który wykorzystuje nierówność wyroczni, aby coś udowodnić, ale nie jestem w stanie zrozumieć, co on nawet próbuje zrobić. Kiedy szukałem w Internecie „Nierówności Oracle”, niektóre źródła skierowały mnie do artykułu „Candes, Emmanuel J.„ Nowoczesne oszacowanie statystyczne...
To pytanie odnosi się do pracy Galit Shmueli „Wyjaśnić lub przewidzieć” . W szczególności w sekcji 1.5 „Wyjaśnianie i przewidywanie są różne” profesor Shmueli pisze: W modelowaniu objaśniającym nacisk kładziony jest na minimalizowanie stronniczości w celu uzyskania jak najdokładniejszej...
Nie znalazłem zadowalającej odpowiedzi na to w Google . Oczywiście, jeśli dane, które mam, są rzędu milionów, to głębokie uczenie się jest drogą. Przeczytałem, że kiedy nie mam dużych zbiorów danych, może lepiej jest zastosować inne metody uczenia maszynowego. Podany powód jest nadmierny. Uczenie...
Czytałem najpopularniejsze książki w nauce statystycznej 1- Elementy uczenia statystycznego. 2- Wprowadzenie do uczenia statystycznego . Obaj wspominają, że regresja kalenicy ma dwie równoważne formuły. Czy istnieje zrozumiały matematyczny dowód tego wyniku? Przeszedłem również przez Cross...
Zamierzam użyć rozbieżności KL w moim kodzie python i mam ten samouczek . W tym samouczku wdrożenie rozbieżności KL jest dość proste. kl = (model * np.log(model/actual)).sum() Jak rozumiem, rozkład prawdopodobieństwa modeli actualpowinien wynosić <= 1. Moje pytanie brzmi: jaka jest...
Czasami widziałem, że podręczniki odnoszą się do drugiego parametru w rozkładzie normalnym jako odchylenie standardowe i wariancja. Na przykład zmienna losowa X ~ N (0, 4). Nie jest jasne, czy sigma czy sigma do kwadratu równa się 4. Chcę tylko znaleźć ogólną konwencję, która jest stosowana, gdy...
Korzystam z dwumianowej regresji logistycznej, aby określić, czy narażenie has_xlub ma has_ywpływ na prawdopodobieństwo kliknięcia przez użytkownika. Mój model jest następujący: fit = glm(formula = has_clicked ~ has_x + has_y, data=df, family = binomial()) To wynik z mojego...
W regresji liniowej przyjmujemy następujące założenia Średnia odpowiedzi, E(Yi)E(Yi)E(Y_i) , dla każdego zestawu wartości predyktorów (x1i,x2i,…)(x1i,x2i,…)(x_{1i}, x_{2i},…) , jest funkcją liniową predyktorów. Błędy εiεiε_i są niezależne. Błędy εiεiε_i dla każdego zestawu wartości predyktorów...
Zagłębiając się w literaturę o sieciach neuronowych , identyfikujemy inne metody z topologiami neuromorficznymi (architektury podobne do „sieci neuronowej”). I nie mówię o uniwersalnym twierdzeniu o aproksymacji . Przykłady podano poniżej. Zastanawiam się: jaka jest definicja sztucznej sieci...
Czytam podręcznik Gaussa Process for Machine Learning autorstwa CE Rasmussena i CKI Williams i mam problem ze zrozumieniem, co oznacza podział na funkcje . W podręczniku podano przykład, że należy sobie wyobrazić funkcję jako bardzo długi wektor (czy w rzeczywistości powinien być nieskończenie...
Jako kontynuacja Mojej sieci neuronowej nie mogę nawet nauczyć się odległości euklidesowej , uprościłem jeszcze bardziej i próbowałem wyszkolić jedną jednostkę ReLU (o losowej wadze) do jednej jednostki ReLU. Jest to najprostsza z dostępnych sieci, a mimo to w połowie przypadków nie jest ona...
Zdaję sobie sprawę, że może to być potencjalnie szerokie pytanie, ale zastanawiałem się, czy istnieją uogólnione założenia, które wskazują na użycie GAM (Uogólniony model addytywny) w stosunku do GLM (Uogólniony model liniowy)? Ktoś niedawno powiedział mi, że GAM należy używać tylko wtedy, gdy...
Zjawisko „nadmiernej dyspersji” w GLM powstaje za każdym razem, gdy używamy modelu, który ogranicza wariancję zmiennej odpowiedzi, a dane wykazują większą wariancję, niż pozwala na to ograniczenie modelu. Zdarza się to często podczas modelowania danych zliczeniowych przy użyciu Poissona GLM i można...
Moje pytanie jest bardzo proste: dlaczego wybieramy normalny jako rozkład, za którym podąża warunek błędu przy założeniu regresji liniowej? Dlaczego nie wybieramy innych, takich jak mundur, t czy cokolwiek
Model regresji liniowej przyjmuje szereg założeń, że regresja kwantylowa nie spełnia, a jeśli założenia regresji liniowej zostaną spełnione, to moja intuicja (i pewne bardzo ograniczone doświadczenie) jest taka, że regresja mediana dałaby prawie identyczne wyniki jak regresja liniowa. Jakie...
Pytanie ogólne Załóżmy, że mamy przesyłane dane , , ... \ sim f (x \, | \, \ boldsymbol {\ theta}) . Chcemy rekurencyjnie obliczyć oszacowanie maksymalnego prawdopodobieństwa \ boldsymbol {\ theta} . To znaczy, po obliczeniu \ hat {\ boldsymbol {\ theta}} _ {n-1} = \ underset {\ boldsymbol {\...
Marginal ogólnie odnosi się do czegoś, co jest małym efektem, czegoś, co znajduje się na zewnątrz większego systemu. Ma tendencję do zmniejszania znaczenia tego, co określa się jako „marginalne”. Jak to się ma do prawdopodobieństwa podzbioru zmiennych losowych? Zakładając, że słowa przyzwyczają...