Estoy leyendo Thinking, Fast and Slow de Daniel Kahneman y me encontré con el siguiente texto Hace algunos años tuve una oportunidad inusual de examinar de cerca la ilusión de la habilidad financiera. Me habían invitado a hablar con un grupo de asesores de inversiones en una empresa que brindaba...
Estoy estudiando la diferencia entre la regularización en la regresión RKHS y la regresión lineal, pero me resulta difícil comprender la diferencia crucial entre los dos. (xi,yi)(xi,yi)(x_i,y_i)f(⋅)f(⋅)f(\cdot)f(x)≈u(x)=∑i=1mαiK(x,xi),f(x)≈u(x)=∑i=1mαiK(x,xi),\begin{equation}f(x)\approx...
El título lo dice todo: ¿cuántos parámetros entrenables hay en una capa GRU? Este tipo de pregunta surge mucho cuando se intenta comparar modelos de diferentes tipos de capas RNN, como las unidades de memoria a largo plazo (LSTM) frente a GRU, en términos del rendimiento por parámetro. Dado que un...
Un pdf generalmente se escribe como , donde la minúscula se trata como una realización o resultado de la variable aleatoria que tiene ese pdf. Del mismo modo, un cdf se escribe como , que tiene el significado . Sin embargo, en algunas circunstancias, como la definición de la función de puntuación y...
Conocí un comportamiento paradójico de las llamadas "pruebas exactas" o "pruebas de permutación", cuyo prototipo es la prueba de Fisher. Aquí está. Imagine que tiene dos grupos de 400 individuos (p. Ej., 400 casos de control frente a 400) y una covariable con dos modalidades (p. Ej., Expuestos /...
Recientemente vi esta charla de Eric J. Ma y revisé su entrada de blog , donde cita a Radford Neal, que los modelos bayesianos no se sobreajustan (pero pueden sobreajustar ) y cuando los usamos , no necesitamos conjuntos de prueba para validarlos (para Me parece que las citas hablan más bien sobre...
Estoy tratando de modelar y pronosticar una serie de tiempo que es cíclica en lugar de estacional (es decir, hay patrones estacionales, pero no con un período fijo). Esto debería ser posible utilizando un modelo ARIMA, como se menciona en la Sección 8.5 de Pronósticos: principios y práctica : El...
La definición más simple de estadísticas suficientes en la perspectiva frecuentista se da aquí en Wikipedia . Sin embargo, recientemente me encontré con un libro bayesiano, con la definición . En el enlace se afirma que ambos son equivalentes, pero no veo cómo. Además, en esa misma página, en la...
Me encontré con el siguiente problema de simulación: dado un conjunto de números reales conocidos, una distribución en está definida por donde denota la parte positiva de . Si bien puedo pensar en una muestra de Metropolis-Hastings dirigida a esta distribución, me pregunto si existe una muestra...
Sé los primeros momentos de alguna distribución. También sé que mi distribución es continua, unimodal y bien formada (parece una distribución gamma). Es posible que:norteNN Usando algún algoritmo, genere muestras a partir de esta distribución, que en condiciones límite tendrá exactamente los...
Hay varios sitios web que describen el descenso de gradiente para encontrar los parámetros para la regresión lineal simple ( aquí hay uno de ellos). Google también lo describe en su nuevo curso (para el público) de ML. Sin embargo en Wikipedia , se proporcionan las siguientes fórmulas para...
Esto podría ser un poco de una cuestión filosófica, pero aquí vamos: En teoría de la decisión, el riesgo de un estimador de Bayes θ ( x ) para θ ∈ Θ se define con respecto a una distribución a priori π en Θ .θ^(x)θ^(x)\hat\theta(x)θ∈Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Ahora, por un lado, para que el...
Actualmente estoy trabajando en una tarea de pronóstico de demanda, con datos sobre decenas de miles de productos en un par de miles de tiendas. Más específicamente, tengo unos pocos años de datos de ventas diarias por producto en cada tienda, y mi objetivo es pronosticar las ventas futuras de cada...
¿Es posible hacer que el PDF de la diferencia de dos iid rv se vea como un rectángulo (en lugar de, digamos, el triángulo que obtenemos si los rv se toman de la distribución uniforme). es decir, ¿es posible que el PDF f de jk (para dos iid rv tomados de alguna distribución) tenga f (x) = 0.5 para...
¿Cuáles son las pruebas de estacionalidad más simples para series de tiempo? Siendo más específico, quiero probar si specific time series the seasonal componentes significativo. ¿Cuáles son los paquetes recomendados en Python /
Recientemente recapitulé mi conocimiento de la Serie temporal y me di cuenta de que el aprendizaje automático en su mayoría solo da pronósticos un paso por delante. Con pronósticos de un paso adelante me refiero a pronósticos que, por ejemplo, si tenemos datos por hora, utilizamos los datos desde...
Pregunta : He ajustado un modelo probabilístico (red bayesiana) para modelar una variable de resultado binaria. Me gustaría crear un gráfico de calibración de alta resolución (por ejemplo, spline) corregido por sobreajuste con bootstrapping. ¿Existe un procedimiento estándar para calcular dicha...
Estoy leyendo aprendizaje profundo por Ian Goodfellow et al. Introduce el sesgo como donde y son el parámetro estimado y el parámetro real subyacente, respectivamente.Bias(θ)=E(θ^)−θBias(θ)=E(θ^)−θBias(\theta)=E(\hat\theta)-\thetaθ^θ^\hat\thetaθθ\theta La consistencia, por otro lado, está...
Estoy leyendo Aprendizaje automático práctico con Scikit-Learn y TensorFlow: conceptos, herramientas y técnicas para construir sistemas inteligentes . Entonces no soy capaz de descubrir la diferencia entre la votación dura y la votación suave en contexto con los métodos basados en...
Un autoencoder variacional (VAE) proporciona una forma de aprender la distribución de probabilidad relaciona una entrada con su representación latente . En particular, el codificador asigna una entrada a una distribución en . Un codificador típico generará parámetros , que representa la...