Hay varias publicaciones sobre cómo seleccionar funciones. Uno de los métodos describe la importancia de la característica basada en estadísticas t. En R varImp(model)aplicado en modelo lineal con características estandarizadas, se utiliza el valor absoluto del estadístico t para cada parámetro del...
En primer lugar: lo sé, no se requiere un número general de tamaño de muestra para entrenar una red neuronal. Depende de demasiados factores, como la complejidad de la tarea, el ruido en los datos, etc. Y cuantas más muestras de entrenamiento tenga, mejor será mi red. Pero me preguntaba: ¿es...
Las competiciones de Kaggle determinan las clasificaciones finales en función de un conjunto de pruebas extendido. Un conjunto de prueba extendido es una muestra; puede no ser representativo de la población que se está modelando. Dado que cada presentación es como una hipótesis, el algoritmo que...
He estado mirando las conferencias CS231N de Stanford y estoy tratando de entender algunos problemas en las arquitecturas de CNN. Lo que estoy tratando de entender es si hay algunas pautas generales para elegir el tamaño del filtro de convolución y cosas como avances o ¿es esto más un arte que una...
En el libro de Gelman & Hill (2007) (Análisis de datos utilizando regresión y modelos multinivel / jerárquicos), los autores afirman que incluir parámetros medios redundantes puede ayudar a acelerar MCMC. El ejemplo dado es un modelo no anidado de "simulador de vuelo" (Ec....
Entiendo que dado un conjunto de observaciones independientes el Estimador de máxima verosimilitud (o, de manera equivalente, el MAP con anterior plano / uniforme) que identifica los parámetros \ mathbf {θ} que producen la distribución del modelo p_ {modelo} \ izquierda (\, \ cdot \,; \ mathbf...
¿Es incorrecto que las splines solo estén disponibles en los modelos GAM y no en los modelos GLM? Escuché esto hace un tiempo, y me pregunto si esto es solo una idea falsa, o si tiene algo de verdad. Aquí hay una
Estoy leyendo Construcción de modelos multivariables: un enfoque pragmático para el análisis de regresión basado en polinomios fraccionados para modelar variables continuas de Patrick Royston y Willie Sauerbrei. Hasta ahora, estoy impresionado y es un enfoque interesante que no había considerado...
Tengo un diagrama de dispersión que tiene un tamaño de muestra que es igual al número de personas en el eje xy el salario medio en el eje y, estoy tratando de averiguar si el tamaño de la muestra tiene algún efecto sobre el salario medio. Esta es la trama: ¿Cómo interpreto esta...
La función objetivo del Análisis de Componentes Principales (PCA) es minimizar el error de reconstrucción en la norma L2 (ver sección 2.12 aquí . Otra vista está tratando de maximizar la varianza en la proyección. También tenemos una excelente publicación aquí: ¿Cuál es la función objetivo de PCA?...
EDITAR: Estoy más interesado en los problemas técnicos y la metodología para determinar la probabilidad de un máximo "verdadero" en una población dada dada una estadística de muestra. Hay problemas para estimar la probabilidad de que los corredores sean más rápidos que el Sr. Bolt a partir de...
¿Cómo funciona realmente la estimación de parámetros / Entrenamiento de regresión logística? Trataré de poner lo que tengo hasta ahora. La salida es y la salida de la función logística en forma de probabilidad dependiendo del valor de
Cerrada . Esta pregunta está basada en la opinión . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que pueda ser respondida con hechos y citas editando esta publicación . Cerrado hace 2 años .
Si encajamos un GAM como: gam.fit = gam::gam(Outstate ~ Private + s(Room.Board, df = 2) + s(PhD, df = 2) + s(perc.alumni, df = 2) + s(Expend, df = 5) + s(Grad.Rate, df = 2), data = College) Donde, usamos el conjunto de datos College, que se puede encontrar dentro del paquete ISLR. Ahora, si...
Cómo construir un ejemplo de una distribución de probabilidad para la cual cumple, suponiendo \ mathbb {P} (X \ ne0) = 1 ?E(1X)=1E(X)E(1X)=1E(X)\mathbb{E}\left(\frac{1}{X}\right)=\frac{1}{\mathbb{E}(X)}P(X≠0)=1P(X≠0)=1\mathbb{P}(X\ne0)=1 La desigualdad que se deriva de la desigualdad de Jensen...
Si quisiéramos calcular el efecto causal de sobre Y en el gráfico causal a continuación, podemos usar los teoremas de ajuste de puerta trasera y de puerta delantera, es decir, P ( y | do ( X = x ) ) = ∑ u P ( y | x , u ) P ( u )XXXYYYPAG( yEl | hacer (X= x ) ) = ∑tuPAG( yEl | x,u)P( u...
Mi colega quiere analizar algunos datos después de transformar la variable de respuesta elevándola a la potencia de (es decir, ). y0.1251818\frac18y0,125y0.125y^{0.125} Me siento incómodo con esto, pero me cuesta articular por qué. No se me ocurre ninguna razón mecanicista para esta...
Estoy realizando experimentos en el conjunto de validación EMNIST usando redes con RMSProp, Adam y SGD. Estoy logrando un 87% de precisión con SGD (tasa de aprendizaje de 0.1) y abandono (0.1 problema de abandono), así como la regularización L2 (penalización 1e-05). Al probar la misma configuración...
Hasta ahora he visto a ANOVA usado de dos maneras: Primero , en mi texto introductorio de estadística, ANOVA se introdujo como una forma de comparar medias de tres o más grupos, como una mejora sobre la comparación por pares, para determinar si una de las medias tiene una diferencia...
Si observa una distribución beta con α=β=4α=β=4\alpha=\beta=4 se ve muy similar a una distribución gaussiana . ¿Pero es? ¿Cómo puede probar si una distribución Beta (4,4) es gaussiana o