En su blog , el físico Steve Hsu escribió lo siguiente: Suponiendo una distribución normal, solo hay alrededor de 10,000 personas en los EE. UU. Que rinden a + 4SD y un número similar en Europa, por lo que esta es una población bastante selecta (aproximadamente, los pocos cientos de estudiantes...
Entonces, tengo un proceso aleatorio que genera variables aleatorias distribuidas normalmente XXX. Aquí está la función de densidad de probabilidad correspondiente: Quería estimar la distribución de unos pocos momentos de esa distribución original, digamos el primer momento: la media aritmética....
¿Tiene sentido el costo de la entropía cruzada en el contexto de la regresión (en oposición a la clasificación)? Si es así, ¿podría dar un ejemplo de juguete a través de TensorFlow? ¿Si no, porque no? Estaba leyendo acerca de la entropía cruzada en Redes Neurales y Aprendizaje Profundo por Michael...
Considere el modelo de regresión lineal. y=Xβ+uy=Xβ+u\mathbf{y}=\mathbf{X\beta}+\mathbf{u} , u∼N(0,σ2I)u∼N(0,σ2I)\mathbf{u}\sim N(\mathbf{0},\sigma^2\mathbf{I}) , E(u∣X)=0E(u∣X)=0E(\mathbf{u}\mid\mathbf{X})=\mathbf{0} . Deje vs .H 1 : σ 2 0 ≠ σ 2H0:σ20=σ2H0:σ02=σ2H_0:...
Quiero saber qué es y en qué se diferencia del ensamblaje. Supongamos que quiero lograr una alta precisión en la clasificación y segmentación, para una tarea específica, si utilizo diferentes redes, como CNN, RNN, etc. para lograr esto, ¿se llama esto un modelo de extremo a extremo?...
Recientemente he revisado algunos documentos antiguos de Nancy Reid, Barndorff-Nielsen, Richard Cox y, sí, un pequeño Ronald Fisher sobre el concepto de "inferencia condicional" en el paradigma frecuentista, lo que parece significar que las inferencias se basan considerando solo el "subconjunto...
Sea una muestra aleatoria de la distribución uniforme en , donde . Deje que y sean las estadísticas de pedido más grandes y más pequeñas. Demuestre que la estadística es una estadística suficiente conjuntamente completa para el parámetro . X=(x1,x2,…xn)X=(x1,x2,…xn)\mathbf{X}= (x_1, x_2, \dots...
¿Hay grupos de investigación trabajando en el uso del aprendizaje profundo para problemas de optimización combinatoria?
PREFACIO: No me importan los méritos de usar un límite o no, ni cómo se debe elegir un límite. Mi pregunta es puramente matemática y debido a la curiosidad. La regresión logística modela la probabilidad condicional posterior de la clase A versus la clase B y se ajusta a un hiperplano donde las...
Soy bastante nuevo en el campo de los procesos gaussianos y cómo se están aplicando en el aprendizaje automático. Sigo leyendo y escuchando sobre las funciones de covarianza que son la atracción principal de estos métodos. Entonces, ¿alguien podría explicar de manera intuitiva lo que está...
Al inicializar los pesos de conexión en una red neuronal de avance, es importante inicializarlos aleatoriamente para evitar cualquier simetría que el algoritmo de aprendizaje no pueda romper. La recomendación que he visto en varios lugares (por ejemplo, en el tutorial MNIST de TensorFlow ) es usar...
He estado usando el ajuste del modelo caret, pero luego volví a ejecutar el modelo usando el gbmpaquete. Entiendo que el caretpaquete usa gbmy el resultado debe ser el mismo. Sin embargo, solo una ejecución de prueba rápida usando data(iris)muestra una discrepancia en el modelo de aproximadamente...
Las funciones empíricas de CDF generalmente se estiman mediante una función de paso. ¿Hay alguna razón por la cual esto se hace de tal manera y no mediante el uso de una interpolación lineal? ¿La función de paso tiene propiedades teóricas interesantes que nos hacen preferirla? Aquí hay un ejemplo...
Dadas dos variables aleatorias y η podemos calcular su "coeficiente de correlación" c , y formar la línea de mejor ajuste entre estas dos variables aleatorias. Mi pregunta es por quéξξ\xiηη\etaccc 1) Hay variables aleatorias, y η que dependen de la peor manera posible, es decir, ξ = f ( η ) y, a...
Estoy a punto de terminar mis honores en estadística, y realmente quiero hacer un doctorado porque encuentro que las estadísticas matemáticas son extremadamente interesantes. Las áreas de investigación en las que más quiero hacer un doctorado son procesos estocásticos y series de tiempo. Sin...
Tenemos dos modelos que usan el mismo método para calcular la probabilidad de registro y el AIC para uno es más bajo que el otro. Sin embargo, el que tiene el AIC más bajo es mucho más difícil de interpretar. Tenemos problemas para decidir si vale la pena introducir la dificultad y juzgamos esto...
En mi opinión, los datos de entrada correlacionados deben conducir a un sobreajuste en las redes neuronales porque la red aprende la correlación, por ejemplo, el ruido en los datos. ¿Es esto
En el libro de Bishop sobre aprendizaje automático, se analiza el problema de ajustar una función polinómica a un conjunto de puntos de datos. Sea M el orden del polinomio ajustado. Dice como eso Vemos que, a medida que M aumenta, la magnitud de los coeficientes generalmente aumenta. En...
Mi pregunta proviene del siguiente hecho. He estado leyendo publicaciones, blogs, conferencias, así como libros sobre aprendizaje automático. Mi impresión es que los profesionales del aprendizaje automático parecen ser indiferentes a muchas cosas que les interesan a los estadísticos /...
Soy nuevo en la investigación de estadísticas bayesianas. Escuché de los investigadores que los investigadores bayesianos implementan mejor MCMC por sí mismos en lugar de usar herramientas como JAGS / Stan. ¿Puedo preguntar cuál es el beneficio de implementar el algoritmo MCMC por sí mismo (en un...