He estado tratando de entender el aumento de gradiente leyendo varios blogs, sitios web y tratando de encontrar mi respuesta mirando, por ejemplo, el código fuente de XGBoost. Sin embargo, parece que no puedo encontrar una explicación comprensible de cómo los algoritmos de aumento de gradiente...
Me refiero al ajuste de la puerta trasera y al ajuste de la puerta delantera aquí : Ajuste de puerta trasera : el problema epidemiológico arquetípico en las estadísticas es ajustar el efecto de un factor de confusión medido. El criterio de puerta trasera de Pearl generaliza esta idea. Ajuste...
He leído en varios lugares que R Squared no es una medida ideal cuando un modelo se ajusta usando LASSO. Sin embargo, no tengo claro exactamente por qué es eso. Además, ¿podría recomendar la mejor
Soy un principiante y estoy tratando de entender lo que muestra un gráfico de autocorrelación. He leído varias explicaciones de diferentes fuentes, como esta página o la página de Wikipedia relacionada, entre otras, que no estoy citando aquí. Tengo este código muy simple, donde tengo fechas en...
Para calcular las predicciones promediadas por el modelo en la escala de respuesta de un GLM, ¿cuál es "correcto" y por qué? Calcule la predicción promedio del modelo en la escala del enlace y luego vuelva a transformar a la escala de respuesta, o Transforme las predicciones a la escala de...
El LSTM en el siguiente código Keras input_t = Input((4, 1)) output_t = LSTM(1)(input_t) model = Model(inputs=input_t, outputs=output_t) print(model.summary()) puede ser representado como Entiendo que cuando llamamos a model.predict(np.array([[[1],[2],[3],[4]]]))la (única) unidad LSTM,...
En el libro de aprendizaje profundo de Ian Goodfellow , está escrito que A veces, la función de pérdida que realmente nos importa (por ejemplo, error de clasificación) no es una que pueda optimizarse de manera eficiente. Por ejemplo, minimizar al mínimo la pérdida esperada de 0-1 es típicamente...
En la detección comprimida, existe una garantía de teorema de que tiene una solución dispersa única c (consulte el apéndice para obtener más detalles).argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc ccc ¿Existe un teorema similar para...
En un caso multivariante de valor real, ¿hay alguna manera de muestrear uniformemente los puntos desde la superficie donde la distancia de Mahalanobis desde la media de la es una constante? EDITAR: Esto solo se reduce a puntos de muestreo uniformemente desde la superficie de un hiper-elipsoide que...
En un artículo reciente, Norton et al. (2018) declara que[ 1 ][1]^{[1]} No se pueden comparar diferentes razones de probabilidad del mismo estudio cuando los modelos estadísticos que dan como resultado estimaciones de razón de probabilidades tienen diferentes variables explicativas porque cada...
Como aplicación de ejemplo, considere las siguientes dos propiedades de los usuarios de Stack Overflow: reputación y recuentos de vistas de perfil . Se espera que para la mayoría de los usuarios esos dos valores sean proporcionales: los usuarios de alta reputación atraen más atención y, por lo...
En el "Libro de por qué" de Judea Pearl, habla de lo que llama la Escalera de la causalidad, que es esencialmente una jerarquía compuesta de diferentes niveles de razonamiento causal. El más bajo se refiere a los patrones de asociación en los datos observados (p. Ej., Correlación, probabilidad...
¿Cuál es la diferencia entre paradigmas bayesianos objetivos y subjetivos? ¿Qué objetos o procedimientos definen o interpretan de manera diferente? ¿Hay alguna diferencia en su elección de
Tengo el modelo y= xun× zsi+ ey=xa×zb+e y=x^a \times z^b + e donde yyy es la variable dependiente, Xxx y zzz son variables explicativas, unaa y sibb son los parámetros y miee es un término de error. Tengo estimaciones de parámetros de unaa y sibb una matriz de covarianza de estas estimaciones....
Tengo esta pregunta: ¿cómo cree que es la distribución del tiempo que pasa por día en YouTube? Mi respuesta es que probablemente se distribuye normalmente y queda muy sesgada. Espero que haya un modo en el que la mayoría de los usuarios pasan alrededor de un tiempo promedio y luego una larga cola...
En el análisis bayesiano conjugado de Kevin Murphy de la distribución gaussiana , escribe que la distribución predictiva posterior es p ( x ∣ D ) = ∫p ( x ∣ θ ) p ( θ ∣ D ) dθp(x∣D)=∫p(x∣θ)p(θ∣D)dθ p(x \mid D) = \int p(x \mid \theta) p(\theta \mid D) d \theta donde reDD son los datos en los que...
He ajustado mi modelo y estoy tratando de entender si es bueno. He calculado las métricas recomendadas para evaluarlo ( / AUC / precisión / error de predicción / etc.) pero no sé cómo interpretarlas. En resumen, ¿cómo puedo saber si mi modelo es bueno en función de la métrica? ¿Es un de 0.6 (por...
No encontré una definición de función de pérdida en wiki en el contexto del aprendizaje automático. sin embargo, este es menos formal, es bastante claro. En esencia, una función de pérdida es increíblemente simple: es un método para evaluar qué tan bien su algoritmo modela su conjunto de datos....
Supongamos que tenemos un conjunto (medible y adecuadamente bien comportado) , donde es compacto. Además, supongamos que podemos extraer muestras de la distribución uniforme sobre wrt la medida de Lebesgue y que conocemos la medida . Por ejemplo, tal vez es una caja que contiene...
Cerrada . Esta pregunta necesita detalles o claridad . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Agregue detalles y aclare el problema editando esta publicación . Cerrado hace 6 meses . Esta es una pregunta puramente...