Parte de uma série de tentativas de compreensão entre Bayesiano e frequentista: 1 2 3 4 5 6 7 Acho que entendo a diferença de como os bayesianos e os freqüentadores abordam a escolha entre hipóteses , mas não tenho muita certeza se ou como isso deve me explicar como eles veem a...
Um fator Bayes é definido no teste bayesiano de hipóteses e na seleção do modelo bayesiano pela razão de duas probabilidades marginais: dada uma amostra iid e respectivas densidades amostrais e , com as anteriores correspondentes e , o fator Bayes para comparar os dois modelos é Um livro que...
Li em um livro de aprendizado de máquina que parâmetros de regressão linear podem ser estimados (entre outros métodos) por descida de gradiente, enquanto parâmetros de regressão logística são geralmente estimados por estimativa de probabilidade máxima. É possível explicar a um iniciante (eu) por...
Esta pergunta pergunta sobre a probabilidade de sucesso em um RPG. No entanto, a pergunta e suas respostas não cobrem algumas das complexidades da mecânica dos dados. Em particular, ele não cobre falhas (um resultado possível). Um jogador tem um conjunto de dados, com base em algum mecânico no...
No presente documento , ( Bayesiana Inference para Variância Componentes Usando único erro Contraste , Harville, 1974), o autor afirma ( y- Xβ)′H- 1( y- Xβ) = ( y- Xβ^)′H- 1( y- Xβ^) + ( β- β^)′( X′H- 1X) ( β-
Considere um processo aleatório para o qual a média existe e seja constante, para todos os momentos , ou seja, para todos os tempos turnos do tempo (ou "atrasos") . Não imponho condições adicionais a momentos mais altos nem à função de distribuição. Como posso descrever esse processo? É apenas...
Considere um modelo de regressão linear: yi=xi⋅β+εi,i=1,…,n,yi=xi⋅β+εi,i=1,…,n, y_i = \mathbf x_i \cdot \boldsymbol \beta + \varepsilon _i, \, i=1,\ldots ,n, que εi∼L(0,b)εi∼L(0,b)\varepsilon _i \sim \mathcal L(0, b) , ou seja , A distribuição de Laplace com 0 parâmetro de 000média bbb , são...
Estou tentando converter minha coluna de fator em variáveis fictícias: str(cards$pointsBin) # Factor w/ 5 levels ".lte100",".lte150",..: 3 2 3 1 4 4 2 2 4 4 ... labels <- model.matrix(~ pointsBin, data=cards) head(labels) # (Intercept) pointsBin.lte150 pointsBin.lte200 pointsBin.lte250...
Estou tentando entender a definição exata dos parâmetros de localização / escala / forma (por exemplo, é chamado parâmetro de forma ec é parâmetro de escala no Pareto Tipo I). Mas os livros aos quais me referi ( The Cambridge Dictionary of Statistics , HMC's Introduction to Mathematics Statistics ,...
É possível ter um conjunto de variáveis não correlacionadas, mas linearmente dependentes?KKK ie e∑ K i = 1 a i x i = 0c o r ( xEu, xj) = 0cor(xi,xj)=0cor(x_i, x_j)=0∑Ki = 1umaEuxEu= 0∑i=1Kaixi=0 \sum_{i=1}^K a_ix_i=0 Se sim, você pode escrever um exemplo? EDIT: Das respostas, segue-se que não...
Ao usar o CV com dobra k para selecionar entre os modelos de regressão, geralmente calculo o erro CV separadamente para cada modelo, juntamente com o erro padrão SE, e seleciono o modelo mais simples dentro de 1 SE do modelo com o menor erro CV (o 1 regra de erro padrão, veja, por exemplo, aqui )....
Fiz uma pergunta sobre um modelo linear feito com R lm: "A regressão usou mínimos quadrados iterativos lineares ou não lineares?" Eu procurei um pouco e [acho que] entendi a diferença entre os dois, mas não consegui encontrar nenhuma evidência do uso de mínimos quadrados lineares por R lm(que é o...
As redes de codificadores automáticos parecem ser muito mais complicadas do que as redes MLP classificadoras normais. Depois de várias tentativas usando Lasagne, tudo o que recebo na saída reconstruída é algo que se assemelha, na melhor das hipóteses, a uma média borrada de todas as imagens do...
O que você pensa sobre o uso da regressão para projetar fora do intervalo de dados? Se temos certeza de que segue uma forma linear ou de modelo de potência, o modelo não poderia ser útil além do intervalo de dados? Por exemplo, tenho um volume impulsionado pelo preço. Deveríamos poder projetar...
Muito se tem falado sobre a importância das distribuições normais na natureza. Muitas medidas, como altura ou peso, são distribuídas aproximadamente normal. Mas nenhum deles é exatamente normal, pelo que entendi. Considerando que a distribuição normal é uma das distribuições máximas de entropia ,...
Seja uma variável aleatória discreta, levando seus valores em . Gostaria de dividir pela metade essa variável, ou seja, para encontrar uma variável aleatória , como:N YXXXNN\mathbb{N}YYY X= Y+ Y∗X=Y+Y∗X = Y + Y^* onde é uma cópia independente de . YY∗Y∗Y^*YYY Estou me referindo a esse processo...
Estou tentando reduzir a dimensionalidade e o ruído de um conjunto de dados executando o PCA no conjunto de dados e jogando fora os últimos PCs. Depois disso, quero usar alguns algoritmos de aprendizado de máquina nos PCs restantes e, portanto, quero normalizar os dados equalizando a variação dos...
Nos modelos CBOW e skip-gram do word2vec, como a escolha de vetores de palavras de (matriz de palavras de entrada) versus a escolha de vetores de palavras de (matriz de palavras de saída) afeta a qualidade dos vetores de palavras resultantes?W
Estou tentando agrupar conjuntos de dados diferentes usando algoritmos não supervisionados (clustering). O problema é que tenho muitos recursos (~ 500) e uma pequena quantidade de casos (200-300). Até agora, costumava fazer apenas problemas de classificação para os quais sempre rotulava dados como...
Eu estava pensando em resolver Lasso através de métodos de subgradiente de baunilha. Mas li pessoas sugerindo o uso da descida proximal do gradiente. Alguém pode destacar por que o GD proximal, em vez de os métodos do subgradiente de baunilha, são usados no