Tengo problemas para comprender qué es un proceso Bayesian Bootstrapping y cómo eso diferiría de su rutina de arranque normal. Y si alguien pudiera ofrecer una revisión intuitiva / conceptual y una comparación de ambos, sería genial. Pongamos un ejemplo. Digamos que tenemos un conjunto de datos X...
Los datos tienen muchas características (por ejemplo, 100) y el número de instancias es como 100,000. Los datos son escasos. Quiero ajustar los datos usando regresión logística o svm. ¿Cómo sé si las características son lineales o no lineales para poder usar el truco del núcleo si no es...
Aquí está mi vieja pregunta Me gustaría preguntar si alguien sabe la diferencia (si hay alguna diferencia) entre los modelos Hidden Markov (HMM) y el Filtro de partículas (PF), y como consecuencia el Filtro Kalman, o en qué circunstancias usamos qué algoritmo. Soy estudiante y tengo que hacer un...
¿Cómo funciona el método de inversión? Digamos que tengo una muestra aleatoria con densidad sobre y, por lo tanto, con cdf en . Luego, por el método de inversión obtengo la distribución de como . X1,X2,...,XnX1,X2,...,XnX_1,X_2,...,X_nf(x;θ)=1θx(1−θ)θf(x;θ)=1θx(1−θ)θf(x;\theta)={1\over \theta}...
Hace poco, estaba trabajando en el aprendizaje de algoritmos de refuerzo, como adaboost, aumento de gradiente, y he sabido que el árbol de aprendizaje débil más utilizado es el árbol. Realmente quiero saber si hay algunos ejemplos recientes exitosos (me refiero a algunos artículos o artículos) para...
Tengo dos funciones de densidad de probabilidad de distribuciones normales: f1(x1|μ1,σ1)=1σ12π−−√e−(x−μ1)22σ21f1(x1|μ1,σ1)=1σ12πe−(x−μ1)22σ12f_1(x_1 \; | \; \mu_1, \sigma_1) = \frac{1}{\sigma_1\sqrt{2\pi} } \; e^{ -\frac{(x-\mu_1)^2}{2\sigma_1^2}
Estaba leyendo el informe de la solución ganadora de una competencia de Kaggle ( Clasificación de malware ). El informe se puede encontrar en esta publicación del foro . El problema era un problema de clasificación (nueve clases, la métrica era la pérdida logarítmica) con 10000 elementos en el...
Preámbulo Esta es una publicación muy larga. Si está releyendo esto, tenga en cuenta que he revisado la parte de la pregunta, aunque el material de fondo sigue siendo el mismo. Además, creo que he ideado una solución al problema. Esa solución aparece en la parte inferior de la publicación. Gracias...
EDITAR: como esta pregunta se ha inflado, un resumen: encontrar diferentes conjuntos de datos significativos e interpretables con las mismas estadísticas mixtas (media, mediana, rango medio y sus dispersiones asociadas y regresión). El cuarteto Anscombe (ver ¿ Propósito de visualizar datos de alta...
¿Qué es "logístico" acerca de la distribución logística, en sentido común? ¿Cuál es la etimología y la lógica léxica del nombre, no solo la definición matemática
En las estadísticas clásicas, existe la definición de que una estadística de un conjunto de datos se define como completa para un parámetro es imposible formar un estimador imparcial de partir de ella de manera no trivial. Es decir, la única forma de tener para todos es que sea casi con...
Con Stan y los paquetes frontend rstanarmo brmspuedo analizar fácilmente los datos al estilo bayesiano como lo hice antes con modelos mixtos como lme. Si bien tengo la mayor parte del libro y los artículos de Kruschke-Gelman-Wagenmakers-etc en mi escritorio, estos no me dicen cómo resumir los...
Definimos una arquitectura de cuello de botella como el tipo que se encuentra en el documento de ResNet donde [dos capas de conv 3x3] se reemplazan por [una 1x1 conv, una 3x3 conv, y otra 1x1 conv capa]. Entiendo que las capas conv 1x1 se usan como una forma de reducción de dimensión (y...
Por ejemplo, en R, la MASS::mvrnorm()función es útil para generar datos para demostrar varias cosas en las estadísticas. Toma un Sigmaargumento obligatorio que es una matriz simétrica que especifica la matriz de covarianza de las variables. ¿Cómo crearía un n × n simétricon×nn×nn\times n matrix...
¿Por qué las personas usan técnicas de programación cuadrática (como SMO) cuando se trata de SVM kernelized? ¿Qué hay de malo en el descenso de gradiente? ¿Es imposible de usar con los núcleos o es demasiado lento (y por qué?). Aquí hay un poco más de contexto: tratando de entender un poco mejor...
Tengo entendido que incluso cuando se siguen los procedimientos adecuados de validación cruzada y selección de modelos, se producirá un sobreajuste si se busca un modelo lo suficientemente difícil , a menos que se impongan restricciones en la complejidad del modelo, punto. Además, a menudo las...
Estaba leyendo el documento de normalización de lotes (BN) (1) y no entendía la necesidad de usar promedios móviles para rastrear la precisión del modelo e incluso si aceptaba que era lo correcto, no entiendo qué están haciendo exactamente. Según tengo entendido (que puede estar equivocado), el...
Fondo: Sí, la máquina de Boltzmann restringida (RBM) PUEDE usarse para iniciar los pesos de una red neuronal. También puede ser utilizado de una manera "capa por capa" para construir una red profunda creencia (es decir, para entrenar a un capa -ésima en la parte superior de ( n - 1 ) capa de...
He estado leyendo algunas preguntas sobre t-SNE ( t-Distributed Stochastic Neighbor Embedded ) últimamente, y también visité algunas preguntas sobre MDS ( Multidimensional Scaling ). A menudo se usan de manera análoga, por lo que parecía una buena idea hacer esta pregunta, ya que aquí hay muchas...
Basado en el poco conocimiento que tengo sobre los métodos MCMC (Markov chain Monte Carlo), entiendo que el muestreo es una parte crucial de la técnica antes mencionada. Los métodos de muestreo más utilizados son Hamiltonian y Metropolis. ¿Hay alguna manera de utilizar el aprendizaje automático o...