Estou tentando modelar e prever uma série temporal que é cíclica e não sazonal (ou seja, existem padrões sazonais, mas não por um período fixo). Isso deve ser possível usando um modelo ARIMA, conforme mencionado na Seção 8.5 de Previsão: princípios e prática : O valor de é importante se os dados...
A definição mais simples de uma estatística suficiente na perspectiva freqüentista é dada aqui na Wikipedia . No entanto, recentemente me deparei em um livro bayesiano, com a definição . É declarado no link que ambos são equivalentes, mas não vejo como. Além disso, na mesma página, na seção «Outros...
Me deparei com o seguinte problema de simulação: dado um conjunto de números reais conhecidos, uma distribuição em é definida por onde indica a parte positiva de . Embora eu possa pensar em um amostrador Metropolis-Hastings visando essa distribuição, pergunto-me se existe um amostrador direto...
Não nos desculpe: não tentei pesquisar isso (além de revisar a lista de perguntas que o CV pode ter respondido a essa pergunta). Ensinei isso na aula na semana passada para diagnosticar modelos de regressão logística múltipla e avisei os alunos com antecedência que não conheciam as origens do...
Pode ser usada uma rede contraditória generativa (GAN) para aumento de dados (ou seja, para gerar exemplos sintéticos que são adicionados a um conjunto de dados)? Isso teria algum impacto no desempenho de um modelo treinado no conjunto de dados
Conheço os primeiros momentos de alguma distribuição. Sei também que minha distribuição é contínua, unimodal e bem modelada (parece distribuição de gama). É possível:NNN Usando algum algoritmo, gere amostras dessa distribuição, que em condições limite terão exatamente os mesmos momentos? Resolver...
Existem vários sites que descrevem a descida do gradiente para encontrar os parâmetros para a regressão linear simples ( aqui está um deles). O Google também a descreve em seu novo curso de ML (para o público). No entanto, na Wikipedia , são fornecidas as seguintes fórmulas para calcular os...
Isso pode ser um pouco de uma pergunta filosófica, mas aqui vamos nós: Na teoria da decisão, o risco de um estimador de Bayes para é definido com relação a uma distribuição anterior on .θ∈q¸qθ^( X )θ^(x)\hat\theta(x)θ ∈ Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Agora, por um lado, para que o verdadeiro...
Atualmente, estou trabalhando em uma tarefa de previsão de demanda, com dados de dezenas de milhares de produtos em algumas milhares de lojas. Mais especificamente, tenho alguns anos de dados diários de vendas por produto em cada loja, e meu objetivo é prever as vendas futuras de cada item em cada...
Para floresta aleatória, dividimos o nó por Gini impureza ou entropia para um conjunto de recursos. O RandomForestClassifier no sklearn, podemos optar por dividir usando o critério Gini ou Entropy. No entanto, o que eu li sobre o Extra-Trees Classifier, um valor aleatório é selecionado para a...
É possível que o PDF da diferença de dois IDs pareça um retângulo (em vez de, digamos, o triângulo que obtemos se os RVs forem retirados da distribuição uniforme). ou seja, é possível que o PDF f de jk (para dois IDs retirados de alguma distribuição) tenha f (x) = 0,5 para todos os -1 <x...
Quais são os testes de sazonalidade mais simples para séries temporais? Sendo mais específico, quero testar se specific time series the seasonal componenté significativo. Quais são os pacotes recomendados no Python /
Recentemente, recapitulei meus conhecimentos sobre séries temporais e percebi que o aprendizado de máquina geralmente oferece apenas um passo à frente das previsões. Com previsões um passo à frente, quero dizer previsões que, por exemplo, se tivermos dados horários, use os dados das 10h às 11h e...
Pergunta : Eu ajustei um modelo probabilístico (rede bayesiana) para modelar uma variável de resultado binário. Gostaria de criar um gráfico de calibração de alta resolução (por exemplo, spline) corrigido para sobreajuste com o bootstrapping. Existe um procedimento padrão para calcular essa...
Eu estava navegando no repositório do Github para o Pymc e encontrei este notebook: Inferência Variacional: Redes Neurais Bayesianas O autor exalta as virtudes da programação bayesiana / probabilística, mas continua dizendo: Infelizmente, quando se trata de problemas tradicionais de ML, como...
Estou lendo um aprendizado profundo de Ian Goodfellow et al. Ele introduz o viés como que e são o parâmetro estimado e o parâmetro real subjacente, respectivamente.B i a s ( θ ) = E( θ^) - θBEuumas(θ)=E(θ^)-θBias(\theta)=E(\hat\theta)-\thetaθ θθ^θ^\hat\thetaθθ\theta A consistência, por outro...
Estou lendo o aprendizado prático de máquina com o Scikit-Learn e o TensorFlow: conceitos, ferramentas e técnicas para criar sistemas inteligentes . Então, não sou capaz de descobrir a diferença entre votação forçada e votação suave no contexto de métodos baseados em conjuntos. Cito descrições...
Um autoencoder variacional (VAE) fornece uma maneira de aprender a distribuição de probabilidade relacionando uma entrada à sua representação latente . Em particular, o codificador mapeia uma entrada para uma distribuição em . Um codificador típico produzirá parâmetros , representando a...
Ensinaram-me que podemos produzir uma estimativa de parâmetro na forma de um intervalo de confiança após a amostragem de uma população. Por exemplo, intervalos de confiança de 95%, sem suposições violadas, devem ter uma taxa de sucesso de 95% de conter qualquer que seja o parâmetro verdadeiro que...
Seja uma amostra aleatória da distribuição gama .X1,...,XnX1,...,XnX_1,...,X_nGamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Seja e a média e a variação da amostra, respectivamente.X¯X¯\bar{X}S2S2S^2 Em seguida, prove ou refute que e são