Por lo que entiendo, la selección de variables basada en valores p (al menos en el contexto de regresión) es altamente defectuosa. Parece que la selección variable basada en AIC (o similar) también se considera defectuosa por algunos, por razones similares, aunque esto parece un poco confuso (por...
En el documento de 2015 de DeepMind sobre el aprendizaje de refuerzo profundo, afirma que "Los intentos anteriores de combinar RL con redes neuronales habían fracasado en gran medida debido al aprendizaje inestable". Luego, el documento enumera algunas causas de esto, en función de las...
Tengo datos sin procesar que tienen alrededor de 20 columnas (20 características). Diez de ellos son datos continuos y 10 de ellos son categóricos. Algunos de los datos categóricos pueden tener como 50 valores diferentes (Estados de EE. UU.). Después de preprocesar los datos, las 10 columnas...
Digamos que tenemos un problema de clasificación binaria con características principalmente categóricas. Utilizamos algún modelo no lineal (por ejemplo, XGBoost o Random Forests) para aprenderlo. ¿Debería preocuparse por la multicolinealidad? ¿Por qué? Si la respuesta a lo anterior es verdadera,...
En Econometría en su mayoría inofensiva: un compañero empirista (Angrist y Pischke, 2009: página 209) leí lo siguiente: (...) De hecho, el 2SLS recién identificado (digamos, el estimador simple de Wald) es aproximadamente imparcial . Esto es difícil de mostrar formalmente porque 2SLS recién...
Sé que en la regresión lineal la variable de respuesta debe ser continua, pero ¿por qué es así? Parece que no puedo encontrar nada en línea que explique por qué no puedo usar datos discretos para la variable de
Una norma es única (al menos en parte) porque está en el límite entre no convexo y convexo. Una norma es la norma convexa 'más escasa' (¿verdad?).L1L1L_1p=1p=1p=1L1L1L_1 Entiendo que la norma euclidiana tiene raíces en la geometría y tiene una interpretación clara cuando las dimensiones tienen las...
Encontré una prueba para una de las propiedades del modelo ARCH que dice que si , entonces es estacionario iff donde el modelo ARCH es:{ X t } ∑ p i = 1 b i < 1E(X2t)<∞E(Xt2)<∞\mathbb{E}(X_t^2) < \infty{Xt}{Xt}\{X_t\}∑pi=1bi<1∑i=1pbi<1\sum_{i=1}^pb_i < 1 Xt=σtϵtXt=σtϵtX_t =...
La topología del modelo de Google Inception se puede encontrar aquí: Google Inception Netowrk Noté que hay 3 capas softmax en este modelo (# 154, # 152, # 145), y 2 de ellas son una especie de escape temprano de este modelo. Por lo que sé, la capa softmax es para la salida final, entonces, ¿por...
Como estoy seguro de que todos aquí ya lo saben, el PDF de la distribución Beta está dado porX∼ B ( a , b )X∼si(un,si)X \sim B(a,b) F( x ) = 1B ( a , b )Xa - 1( 1 - x )b - 1F(X)=1si(un,si)Xun-1(1-X)si-1f(x) = \frac{1}{B(a,b)}x^{a-1}(1-x)^{b-1} He estado buscando por todo el lugar una explicación...
Me siento realmente tonto incluso haciendo una pregunta tan básica, pero aquí va: Si tengo una variable aleatoria XXX que puede tomar valores 000 y 111 , con P(X=1)=pP(X=1)=pP(X=1) = p y P(X=0)=1−pP(X=0)=1−pP(X=0) = 1-p , entonces si saco nnn muestras de ella, obtendré Una distribución...
Recientemente leí un artículo de Yann Dauphin et al. Identificando y atacando el problema del punto de silla de montar en la optimización no convexa de alta dimensión , donde introducen un interesante algoritmo de descenso llamado Saddle-Free Newton , que parece estar adaptado exactamente para la...
¿Qué problemas de entrada secuenciales son los más adecuados para cada uno? ¿La dimensionalidad de entrada determina cuál es una mejor coincidencia? ¿Los problemas que requieren "memoria más larga" son más adecuados para un LSTM RNN, mientras que los problemas con patrones de entrada cíclicos...
Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 2 años . Esta línea devuelve las primeras 4 filas en el...
Quería saber cuánto del aprendizaje automático requiere optimización. Por lo que he escuchado, las estadísticas son un tema matemático importante para las personas que trabajan con el aprendizaje automático. Del mismo modo, ¿qué importancia tiene para alguien que trabaja con el aprendizaje...
Actualmente, mi empleador está realizando una encuesta en toda la compañía sobre las actitudes hacia la oficina, es decir, Sentimiento. En el pasado, abrieron la encuesta en todas las áreas del negocio (supongamos que hay 10 departamentos muy diferentes) y todos los empleados dentro de ellos...
El clasificador Naive Bayes es el clasificador que asigna elementos a una clase función de la maximización de la posterior para la pertenencia a clases, y supone que las características de los elementos son independientes.C P ( C | x )xxxCCCP(C|x)P(C|x)P(C|x) La pérdida 0-1 es la pérdida que...
Cuando las personas hablan de redes neuronales, ¿qué quieren decir cuando dicen "tamaño de núcleo"? Los núcleos son funciones de similitud, pero ¿qué dice eso sobre el tamaño del
Estoy confundido entre los dos términos "función generadora de probabilidad" y "función generadora de momento". ¿Cómo difieren esos
En el libro "Teoremas del límite de la teoría de la probabilidad" de Valentin V. Petrov, vi una distinción entre las definiciones de una distribución que es "continua" y "absolutamente continua", que se establece de la siguiente manera: X P ( X ∈ B ) = 0 B P ( X ∈ B ) = 0 B( ∗ )(∗)(*) "... Se dice...