Voy a seguir el curso DeepAI de Cousera (video 1 de la Semana 3 "Visión general de las redes neuronales") y Andrew Ng explica cómo cada capa en una red neuronal es solo otra regresión logística, pero no explica cómo hace que las cosas sean más precisas. Entonces, en una red de 2 capas, ¿cómo el...
Estaba leyendo esta pregunta sobre la regresión a gran escala ( enlace ) donde Whuber señaló un punto interesante de la siguiente manera: "Casi cualquier prueba estadística que ejecute será tan poderosa que es casi seguro identificar un efecto" significativo ". Debe centrarse mucho más en la...
Estamos tratando con la distribución lognormal en un curso de finanzas y mi libro de texto simplemente dice que esto es cierto, lo cual me parece un poco frustrante ya que mi experiencia en matemáticas no es muy fuerte, pero quiero la intuición. ¿Alguien puede mostrarme por qué este es el...
No estoy seguro si este es el sitio de pila correcto, pero aquí va. ¿Cómo funciona el método .similiarity? Wow SpaCy es genial! ¡Su modelo tfidf podría ser más fácil, pero w2v con solo una línea de código ?! En su tutorial de 10 líneas sobre spaCy andrazhribernik nos muestra el método de...
Douglas Bates afirma que los siguientes modelos son equivalentes "si la matriz de varianza-covarianza para los efectos aleatorios con valores vectoriales tiene una forma especial, llamada simetría compuesta" ( diapositiva 91 en esta presentación ): m1 <- lmer(y ~ factor + (0 + factor|group),...
Últimamente, he tenido que leer varios artículos en economía (un campo con el que no estoy muy familiarizado). Una cosa que he notado es que incluso cuando la variable de respuesta es binaria, los modelos de regresión lineal ajustados usando OLS son ubicuos. Mi pregunta es por lo tanto: ¿Por qué...
Una medida común utilizada para comparar dos o más modelos de clasificación es usar el área bajo la curva ROC (AUC) como una forma de evaluar indirectamente su desempeño. En este caso, un modelo con un AUC más grande generalmente se interpreta que funciona mejor que un modelo con un AUC más...
Estoy usando un script Es para registros centrales. Tengo un marco de datos que muestra las diferentes composiciones elementales en las columnas en una profundidad determinada (en la primera columna). Quiero realizar un PCA con él y estoy confundido sobre el método de estandarización que tengo que...
Aprendizaje de estadísticas bayesianas por primera vez; Como un ángulo para comprender MCMC, me preguntaba: ¿está haciendo algo que fundamentalmente no se puede hacer de otra manera, o simplemente está haciendo algo mucho más eficiente que las alternativas? A modo de ilustración, supongamos que...
Los RNN son notablemente buenos para capturar la dependencia temporal de los datos secuenciales. Sin embargo, ¿qué sucede cuando los elementos de secuencia no están igualmente espaciados en el tiempo? Por ejemplo, la primera entrada a la celda LSTM ocurre el lunes, luego no hay datos de martes a...
Con el conocimiento limitado que tengo sobre SVM, es bueno para una matriz de datos corta y gruesa (muchas características, y no demasiadas instancias), pero no para grandes datos.XXX Entiendo que una razón es que Kernel Matrix es una matriz donde, es el número de instancias en los datos. Si...
Digamos que nuestro conjunto de datos contiene 1 millón de ejemplos, es decir, , y deseamos utilizar el descenso de gradiente para realizar una regresión logística o lineal en este conjunto de datos.X1, ... , x106 6x1,…,x106x_1, \ldots, x_{10^6} ¿Qué pasa con el método de descenso de gradiente que...
¿Hay una distribución o puedo trabajar desde otra distribución para crear una distribución como esa en la imagen a continuación (disculpas por los malos dibujos)? donde doy un número (0.2, 0.5 y 0.9 en los ejemplos) para saber dónde debería estar el pico y una desviación estándar (sigma) que hace...
¿Qué es el aprendizaje profundo bayesiano y cómo se relaciona con las estadísticas bayesianas tradicionales y el aprendizaje profundo tradicional? ¿Cuáles son los principales conceptos y matemáticas involucrados? ¿Podría decir que son solo estadísticas bayesianas no paramétricas? ¿Cuáles son sus...
Tengo un conocimiento básico de cómo funcionan los RNN (y, en particular, con las unidades LSTM). Tengo una idea pictórica de la arquitectura de una unidad LSTM, que es una celda y algunas puertas, que regulan el flujo de valores. Sin embargo, al parecer, no he entendido completamente cómo LSTM...
Estoy considerando dos estrategias para hacer "aumento de datos" en pronósticos de series de tiempo. Primero, un poco de historia. Un predictor PAGPAGP para pronosticar el siguiente paso de una serie temporal es una función que generalmente depende de dos cosas, los estados pasados de la serie...
En R, hay tres métodos para formatear los datos de entrada para una regresión logística usando la glmfunción: Los datos pueden estar en formato "binario" para cada observación (por ejemplo, y = 0 o 1 para cada observación); Los datos pueden estar en el formato "Wilkinson-Rogers" (por ejemplo, y =...
¿Cómo se entrena la capa de incrustación en la capa de incrustación de Keras? (digamos que usa el tensorflow backend, lo que significa que es similar a word2vec, glove o fasttext) Supongamos que no utilizamos una incrustación
Mientras probaba los modelos de mezcla gaussiana aquí , encontré estos 4 tipos de covarianzas. 'full' (each component has its own general covariance matrix), 'tied' (all components share the same general covariance matrix), 'diag' (each component has its own diagonal covariance...
Si todo lo que está haciendo es volver a tomar muestras de la distribución empírica, ¿por qué no solo estudiar la distribución empírica? Por ejemplo, en lugar de estudiar la variabilidad mediante muestreo repetido, ¿por qué no cuantificar la variabilidad a partir de la distribución...