Estoy construyendo un modelo VAR para pronosticar el precio de un activo y me gustaría saber si mi método es estadísticamente sólido, si las pruebas que he incluido son relevantes y si se necesitan más para garantizar un pronóstico confiable basado en mis variables de entrada. A continuación se...
¿Puede ser útil la regularización si solo estamos interesados en estimar (e interpretar) los parámetros del modelo, no en el pronóstico o la predicción? Veo cómo la regularización / validación cruzada es extremadamente útil si su objetivo es hacer buenos pronósticos sobre nuevos datos. Pero,...
Entonces, en una distribución normal, tenemos dos parámetros: media y varianza . En el libro Pattern Recognition and Machine Learning , de repente aparece un hiperparámetro en los términos de regularización de la función de error.μμ\muσ2σ2\sigma^2λλ\lambda ¿Qué son los hiperparámetros? ¿Por qué...
Al tratar de explicar los análisis de conglomerados, es común que las personas malinterpreten el proceso como si estuviera relacionado con las variables. Una forma de hacer que la gente supere esa confusión es una trama como esta: Esto muestra claramente la diferencia entre la pregunta de si...
Me he unido recientemente como miembro de la facultad en un departamento de matemáticas. de una reputada institución. Enseñaré el curso Probabilidad y Estadística a nivel de pregrado. La institución ya tiene un plan de estudios para este curso con el que no estoy muy satisfecho. En ese programa,...
Esta puede ser una pregunta simple para muchos, pero aquí está: ¿Por qué no se define la varianza como la diferencia entre cada valor que se sigue entre sí en lugar de la diferencia con el promedio de los valores? Esta sería la opción más lógica para mí, supongo que obviamente estoy...
¿Cuál sería la mejor manera de tomar muestras de la distribución de Cantor ? Solo tiene cdf y no podemos
El tocón de decisión es un árbol de decisión con una sola división. También se puede escribir como una función por partes. Por ejemplo, suponga que es un vector, y es el primer componente de , en la configuración de regresión, se puede usar un tocón de decisiónx 1 xXxxX1x1x_1Xxx F( x ) = { 35...
Estoy tratando de construir un clasificador de etiquetas múltiples para asignar temas a documentos existentes usando scikit Estoy procesando mis documentos pasándolos a través de las TfidfVectorizeretiquetas MultiLabelBinarizery creando un OneVsRestClassifiercon un SGDClassifierestimador. Sin...
Tengo un conjunto de datos de 140000 ejemplos y 30 características para las que estoy entrenando a varios clasificadores para una clasificación binaria (SVM, Regresión logística, Bosque aleatorio, etc.) En muchos casos, el ajuste de hiperparámetros en todo el conjunto de datos mediante Grid o...
En primer lugar, da probabilidad de resultados. Entonces, por ejemplo, sus predicciones para las elecciones estadounidenses son actualmente del 82% de Clinton frente al 18% de Trump. Ahora, incluso si Trump gana, ¿cómo sé que no fue solo el 18% del tiempo que debería haber ganado? El otro...
He estado tratando de entender el concepto de muestreo negativo en el contexto de word2vec. No puedo digerir la idea del muestreo [negativo]. Por ejemplo en los documentos de Mikolov, la expectativa de muestreo negativa se formula como Iniciar sesiónσ( ⟨ W , c ⟩ ) + k ⋅ ECnorte∼ Pre[ logσ( - ⟨ w ,...
La arquitectura AlexNet utiliza rellenos cero como se muestra en la imagen: Sin embargo, no hay explicación en el documento por qué se introduce este relleno. El curso Standford CS 231n enseña que usamos relleno para preservar el tamaño espacial: Me pregunto si es la única razón por la que...
Deje que las coordenadas cartesianas x,yx,yx,y de un punto aleatorio se seleccionen st (x,y)∼U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10) . Por lo tanto, el radio, ρ=x2+y2−−−−−−√ρ=x2+y2\rho = \sqrt{x^2 + y^2} , no se distribuye uniformemente como lo implica el...
¿Hay alguna diferencia entre 'transferencia de aprendizaje' y 'adaptación de dominio'? No sé sobre el contexto, pero entiendo que tenemos un conjunto de datos 1 y lo entrenamos, después de lo cual tenemos otro conjunto de datos 2 para el que queremos adaptar nuestro modelo sin volver a entrenar...
Estoy tratando de estimar los parámetros de una distribución gamma que mejor se ajusta a mi muestra de datos. Solo quiero usar la media , estándar (y, por lo tanto, la varianza ) de la muestra de datos, no los valores reales, ya que estos no siempre estarán disponibles en mi aplicación. Según este...
De la página de Wikipedia titulada correlación no implica causalidad , Para dos eventos correlacionados, A y B, las diferentes relaciones posibles incluyen: A causa B (causalidad directa); B causa A (causalidad inversa); A y B son consecuencias de una causa común, pero no se causan mutuamente; A...
Estoy tratando de comprender cuál es el propósito de la función de pérdida y no puedo entenderlo. Entonces, hasta donde yo entiendo, la función de pérdida es para introducir algún tipo de métrica con la que podamos medir el "costo" de una decisión incorrecta. Digamos que tengo un conjunto de...
Me gustaría probar la hipótesis de que dos muestras se extraen de la misma población, sin hacer suposiciones sobre las distribuciones de las muestras o la población. ¿Cómo debería hacer esto? Desde Wikipedia, mi impresión es que la prueba U de Mann Whitney debería ser adecuada, pero en la práctica...
La regularización en regresión (lineal, logística ...) es la forma más popular de reducir el sobreajuste. Cuando el objetivo es la precisión de la predicción (no explicar), ¿hay alguna buena alternativa a la regularización, especialmente adecuada para grandes conjuntos de datos (mi / billones de...