En el aprendizaje automático (para problemas de regresión), a menudo veo que se usa el error cuadrático medio (MSE) o el error absoluto medio (MAE) como la función de error para minimizar (más el término de regularización). Me pregunto si hay situaciones en las que sería más apropiado usar el...
Tengo una serie diaria bastante predecible con estacionalidad semanal. Puedo hacer predicciones que parecen ser bastante precisas (confirmadas por validación cruzada) cuando no hay vacaciones. Sin embargo, cuando hay vacaciones, tengo los siguientes problemas: En mi pronóstico obtengo números...
Me gustaría obtener intervalos de confianza del 95% en las predicciones de un nlmemodelo mixto no lineal . Como no se proporciona nada estándar para hacer esto dentro nlme, me preguntaba si es correcto usar el método de "intervalos de predicción de población", como se describe en el capítulo del...
LASSO y LASSO adaptativo son dos cosas diferentes, ¿verdad? (Para mí, las penalizaciones se ven diferentes, pero solo estoy verificando si me pierdo algo). Cuando generalmente habla de red elástica, ¿es el caso especial LASSO o LASSO adaptativo? ¿Cuál hace el paquete glmnet, siempre que elija...
Los economometristas académicos a menudo están interesados en determinar la causalidad. Parece que todos los trabajos de ciencias de datos / estadísticas del sector privado que conozco solo buscan modelos predictivos. ¿Hay algún trabajo en el sector privado (o en el gobierno) que investigue la...
Tenemos una gran variedad de métodos para la generación aleatoria a partir de distribuciones univariadas (transformación inversa, aceptar-rechazar, Metropolis-Hastings, etc.) y parece que podemos tomar muestras de literalmente cualquier distribución válida, ¿es eso cierto? ¿Podría proporcionar...
Voy a usar la prueba de Kolmogorov-Smirnov para evaluar la normalidad de MYDATA en R. Este es un ejemplo de lo que hago ks.test(MYDATA,"pnorm",mean(MYDATA),sd(MYDATA)) Aquí está el resultado que me da R: data: MYDATA D = 0.13527, p-value = 0.1721 alternative hypothesis: two-sided Warning...
Creo que el título de esta pregunta lo dice todo.
Refiriéndose a este hilo: ¿Cómo explicaría Markov Chain Monte Carlo (MCMC) a un laico? . Puedo ver que es una combinación de Cadenas de Markov y Montecarlo: se crea una cadena de Markov con el posterior como distribución limitante invariante y luego los sorteos de Monte Carlo (dependientes) se...
El progreso reciente en las redes neuronales se resume en una secuencia de arquitecturas novedosas caracterizadas principalmente por su creciente complejidad de diseño. Desde LeNet5 (1994) hasta AlexNet (2012), Overfeat (2013) y GoogleLeNet / Inception (2014), etc. ¿Hay algún intento de dejar que...
Estoy leyendo el artículo Propagación de errores por el método Monte Carlo en cálculos geoquímicos, Anderson (1976) y hay algo que no entiendo del todo. Considere algunos datos medidos y un programa que los procese y devuelva un valor dado. En el artículo, este programa se utiliza para obtener...
Estoy realizando una tarea de clasificación binaria donde la probabilidad de resultado es bastante baja (alrededor del 3%). Estoy tratando de decidir si optimizar por AUC o pérdida de registro. Por lo que he entendido, AUC maximiza la capacidad del modelo para discriminar entre clases mientras que...
Me di cuenta de que al construir modelos de regresión forestal aleatorios, al menos en R, el valor predicho nunca excede el valor máximo de la variable objetivo que se ve en los datos de entrenamiento. Como ejemplo, vea el código a continuación. Estoy construyendo un modelo de regresión para...
Antecedentes: Estoy tratando de seguir la revisión de Princeton de la estimación de MLE para GLM . Entiendo los conceptos básicos de la estimación MLE: likelihood, score, observada y esperada Fisher informationy la Fisher scoringtécnica. Y sé cómo justificar la regresión lineal simple con la...
En Bishop's Pattern Recognition and Machine Learning leí lo siguiente, justo después de que se introdujera la densidad de probabilidad :p(x∈(a,b))=∫bap(x)dxp(x∈(a,b))=∫abp(x)dxp(x\in(a,b))=\int_a^bp(x)\textrm{d}x Bajo un cambio no lineal de variable, una densidad de probabilidad se transforma de...
Realmente no entiendo cómo funciona el filtro de arranque. Conozco los conceptos más o menos, pero no entiendo ciertos detalles. Esta pregunta es para mí para aclarar el desorden. Aquí usaré este algoritmo de filtro popular de una referencia de doucet (hasta ahora creo que esta es la referencia más...
El libro bayesiano de Kruschke dice, con respecto al uso de una distribución beta para lanzar una moneda, Por ejemplo, si no tenemos ningún conocimiento previo que no sea el conocimiento de que la moneda tiene un lado de la cara y un lado de la cola, eso equivale a haber observado previamente...
En un comentario sobre otra pregunta , se preguntó si el tema en discusión era "proporciones de conteo" o "proporciones continuas", y un seguimiento indicó que la diferencia era información crítica (al tema de regresión logística / binomial versus beta). ¿Cuál es la distinción entre los dos y...
Entiendo la relación entre el análisis de componentes principales y la descomposición del valor singular en un nivel algebraico / exacto. Mi pregunta es sobre la implementación de scikit-learn . La documentación dice: " [TruncatedSVD] es muy similar a PCA, pero opera en vectores de muestra...
En esta publicación , puedes leer la declaración: Los modelos generalmente están representados por puntos θθ\theta en una variedad dimensional finita. Sobre Geometría diferencial y estadística de Michael K Murray y John W Rice, estos conceptos se explican en prosa legible incluso ignorando las...