Actualmente estoy un poco desconcertado por cómo el descenso de gradiente de mini lotes puede quedar atrapado en un punto de silla de montar. La solución puede ser demasiado trivial que no la entiendo. Obtiene una nueva muestra cada época, y calcula un nuevo error basado en un nuevo lote, por lo...
Estoy simplificando una pregunta de investigación que tengo en el trabajo. Imagine que tengo 5 monedas y llamemos a las cabezas un éxito. Estas son monedas MUY sesgadas con probabilidad de éxito p = 0.1. Ahora, si las monedas fueran independientes, entonces obtener la probabilidad de al menos 1...
Estoy tratando de obtener una comprensión intuitiva y sentir la diferencia y la diferencia práctica entre el término consistente y asintóticamente imparcial. Conozco sus definiciones matemáticas / estadísticas, pero estoy buscando algo intuitivo. Para mí, mirando sus definiciones individuales, casi...
Esto se refiere al documento Localización eficiente de objetos mediante redes convolucionales , y por lo que entiendo, el abandono se implementa en 2D. Después de leer el código de Keras sobre cómo se implementa el Dropout 2D espacial, básicamente se implementa una máscara binaria aleatoria de...
El propósito del trabajo era optimizar algunos parámetros maximizando la probabilidad de registro regularizada. Luego calculan derivadas parciales. Y luego, los autores mencionan que optimizan la ecuación utilizando L-BFGS, un procedimiento estándar de cuasi-Newton para optimizar las funciones...
Defina la estimación del lazo donde la i ^ {th} fila x_i \ in \ mathbb {R} ^ p de la matriz de diseño X \ in \ mathbb {R} ^ {n \ times p} es un vector de covariables para explicar la respuesta estocástica y_i (para i = 1, \ puntos n
Parece que hay consejos contradictorios sobre cómo manejar la comparación entre el error del tren y la prueba, particularmente cuando hay una brecha entre los dos. Parece que hay dos escuelas de pensamiento que para mí parecen estar en conflicto. Estoy buscando entender cómo conciliar los dos (o...
(AA sería uno de muchos, bb no) ¡Pensé que serían 10! / 8! Pero aparentemente estoy haciendo algo mal. ¿Alguien puede ayudarme porque estoy
Se pone mucho énfasis en confiar e informar los tamaños de los efectos en lugar de los valores p en la investigación aplicada (por ejemplo, citas más abajo). Pero, ¿no es cierto que un tamaño de efecto como un valor p es una variable aleatoria y, como tal, puede variar de una muestra a otra cuando...
Parece haber mucha confusión en la comparación de usar glmnetdentro caretpara buscar una lambda óptima y usar cv.glmnetpara hacer la misma tarea. Se plantearon muchas preguntas, por ejemplo: Modelo de clasificación train.glmnet vs. cv.glmnet? ¿Cuál es la forma correcta de usar glmnet con...
Entonces, sabemos que la búsqueda aleatoria funciona mejor que la búsqueda de cuadrícula, pero un enfoque más reciente es la optimización bayesiana (usando procesos gaussianos). Busqué una comparación entre los dos y no encontré nada. Sé que en el cs231n de Stanford solo mencionan la búsqueda...
Entonces, esta puede ser una pregunta común, pero nunca he encontrado una respuesta satisfactoria. ¿Cómo se determina la probabilidad de que la hipótesis nula sea verdadera (o falsa)? Digamos que les das a los estudiantes dos versiones diferentes de una prueba y quieres ver si las versiones son...
¿Cómo entrenar el modelo LSTM en datos de series de tiempo múltiples? Caso de uso: Tengo ventas semanales de 20,000 agentes durante los últimos 5 años. Necesita pronosticar las próximas ventas semanales para cada agente. ¿Debo seguir una técnica de procesamiento por lotes: tomar un agente a la...
La competencia de Kaggle La predicción Safe Driver de Porto Seguro utiliza el puntaje de Gini normalizado como medida de evaluación y esto me hizo sentir curiosidad sobre los motivos de esta elección. ¿Cuáles son las ventajas de usar el puntaje de Gini normalizado en lugar de las métricas más...
El teorema de aproximación universal es un resultado bastante famoso para las redes neuronales, básicamente afirmando que, bajo algunos supuestos, una función puede ser aproximada uniformemente por una red neuronal con cualquier precisión. ¿Hay algún resultado análogo que se aplique a las redes...
Algunas pruebas estadísticas son robustas y otras no. ¿Qué significa exactamente la robustez? Sorprendentemente, no pude encontrar esa pregunta en este sitio. Además, a veces, la solidez y la potencia de una prueba se discuten juntas. E intuitivamente, no pude diferenciar entre los dos conceptos....
Digamos que tenemos los puntos de datos de entrada (predictor) y de salida (respuesta) A, B, C, D, E y queremos ajustar una línea a través de los puntos. Este es un problema simple para ilustrar la pregunta, pero también puede extenderse a dimensiones más altas. Planteamiento del problema El...
¿Una familia de una distribución tiene una definición de estadística diferente a la de otras disciplinas? En general, una familia de curvas es un conjunto de curvas, cada una de las cuales viene dada por una función o parametrización en la que se varía uno o más de los parámetros. Dichas familias...
Estamos en el advenimiento de la computación cuántica , con lenguajes cuánticos que anticipan computadoras cuánticas de hardware ahora disponibles en niveles altos y bajos para computadoras cuánticas simuladas. La computación cuántica trae nuevas funciones elementales como enredos y...
Supongamos que sabemos p (x, y), p (x, z) y p (y, z), ¿es cierto que la distribución conjunta p (x, y, z) es identificable? Es decir, ¿solo hay una posible p (x, y, z) que tiene márgenes