No puedo ser específico sobre la naturaleza de los datos, ya que son propietarios, pero supongamos que tenemos datos como este: cada mes, algunas personas se suscriben a un servicio. Luego, en cada mes posterior, esas personas pueden actualizar el servicio, descontinuar el servicio o se les puede...
Estoy tomando el curso de Andrew Ng sobre Machine Learning a través de Coursera . Para las ecuaciones, se utilizan superíndices en lugar de subíndices. Por ejemplo, en la siguiente ecuación se usa x(i)x(i)x^{(i)} lugar de xixix_i
Estoy usando un clasificador que devuelve probabilidades. Para calcular el AUC, estoy usando el paquete pROC R. Las probabilidades de salida del clasificador son: probs=c(0.9865780, 0.9996340, 0.9516880, 0.9337157, 0.9778576, 0.8140116, 0.8971550, 0.8967585, 0.6322902, 0.7497237) probsmuestra la...
Si son densidades conocidas de las cuales puedo simular, es decir, para las cuales hay un algoritmo disponible. y si el producto es integrable, ¿existe un enfoque genérico para simular a partir de la densidad de este producto utilizando el simuladores de los 's?k ∏ i = 1 f i ( x ) α...
Estoy leyendo el capítulo de equilibrio de sesgo-varianza de Los elementos del aprendizaje estadístico y tengo dudas en la fórmula de la página 29. Deje que los datos surjan de un modelo tal que donde es aleatorio número con valor esperado y varianza . Supongamos que el valor esperado de error del...
Mi configuración es la siguiente: Estoy siguiendo las pautas en "Modelado predictivo aplicado". Por lo tanto, he filtrado características correlacionadas y termino con lo siguiente: 4900 puntos de datos en el conjunto de entrenamiento y 1600 puntos de datos en el conjunto de prueba. Tengo 26...
Los trabajos de investigación sobre aprendizaje automático a menudo tratan el aprendizaje y la inferencia como dos tareas separadas, pero no me queda claro cuál es la distinción. En este libro, por ejemplo, usan estadísticas bayesianas para ambos tipos de tareas, pero no proporcionan una motivación...
En el entrenamiento de redes neuronales profundas y superficiales, ¿por qué los métodos de gradiente (p. Ej., Descenso de gradiente, Nesterov, Newton-Raphson) se usan comúnmente, en oposición a otras metaheurísticas? Por metaheurística me refiero a métodos como el recocido simulado, la...
Intuitivamente, la media es solo el promedio de las observaciones. La variación es cuánto varían estas observaciones de la media. Me gustaría saber por qué la inversa de la varianza se conoce como precisión. ¿Qué intuición podemos hacer de esto? ¿Y por qué la matriz de precisión es tan útil como...
Esto no es tarea. Estoy interesado en entender si mi lógica es correcta con este simple problema de estadísticas. Digamos que tengo una moneda de 2 caras donde la probabilidad de lanzar una cabeza es y la probabilidad de lanzar una cola es . Supongamos que todos los lanzamientos tienen...
He estado leyendo Maraun et al. , "Procesos gaussianos no estacionarios en el dominio wavelet: síntesis, estimación y pruebas significativas" (2007) que define una clase de GP no estacionarias que pueden especificarse mediante multiplicadores en el dominio wavelet. La realización de uno de estos GP...
Estoy entrenando una red neuronal (los detalles no son importantes) donde los datos objetivo son un vector de ángulos (entre 0 y 2 * pi). Estoy buscando consejos sobre cómo codificar estos datos. Esto es lo que estoy intentando actualmente (con éxito limitado): 1) Codificación 1-de-C: pongo los...
He entendido cómo la regresión de crestas reduce los coeficientes hacia cero geométricamente. Además, sé cómo demostrar eso en el "Caso Ortonormal" especial, pero estoy confundido sobre cómo funciona en el caso general a través de "Descomposición
Recientemente me interesé en los LSTM y me sorprendió saber que los pesos se comparten a lo largo del tiempo. Sé que si comparte los pesos a lo largo del tiempo, sus secuencias de tiempo de entrada pueden ser de longitud variable. Con los pesos compartidos tiene muchos menos parámetros para...
Estoy tratando de entender las diferentes arquitecturas de redes neuronales recurrentes (RNN) que se aplicarán a los datos de series temporales y me estoy confundiendo un poco con los diferentes nombres que se usan con frecuencia al describir los RNN. ¿Es la estructura de la memoria a corto plazo...
Sé la definición de matriz simétrica positiva definida (SPD), pero quiero entender más. ¿Por qué son tan importantes, intuitivamente? Aquí está lo que sé. ¿Qué más? Para un dato dado, la matriz de covarianza es SPD. La matriz de covarianza es una métrica importante; consulte esta excelente...
Desde mi primera clase de probabilidad me he estado preguntando sobre lo siguiente. El cálculo de probabilidades generalmente se introduce a través de la relación de los "eventos favorecidos" al total de eventos posibles. En el caso de lanzar dos dados de 6 lados, la cantidad de posibles eventos...
Estoy leyendo sobre MCMC adaptativa (véase, por ejemplo, el Capítulo 4 del Manual de Markov Chain Monte Carlo , ed. Brooks et al., 2011; y también Andrieu & Thoms, 2008 ). nnnp(n)p(n)p(n)limn→∞p(n)=0limn→∞p(n)=0\lim_{n \rightarrow \infty} p(n) = 0 Este resultado es (a posteriori) intuitivo,...
Sea un espacio de probabilidad, dada una variable aleatoria y a -algebra podemos construir una nueva variable aleatoria , que es la expectativa condicional.(Ω,F,μ)(Ω,F,μ)(\Omega,\mathscr{F},\mu)ξ:Ω→Rξ:Ω→R\xi:\Omega \to \mathbb{R}σσ\sigmaG⊆FG⊆F\mathscr{G}\subseteq...
Soy muy consciente de los problemas de selección por pasos / adelante / atrás en los modelos de regresión. Existen numerosos casos de investigadores que denuncian los métodos y apuntan a mejores alternativas. Tenía curiosidad por saber si hay alguna historia donde exista un análisis...