Tengo un conjunto de datos con 338 predictores y 570 instancias (desafortunadamente no se puede cargar) en el que estoy usando el Lazo para realizar la selección de funciones. En particular, estoy usando la cv.glmnetfunción de la glmnetsiguiente manera, donde mydata_matrixhay una matriz binaria de...
Entiendo cómo funciona la covarianza es que los datos que están correlacionados deberían tener una covarianza algo alta. Me he encontrado con una situación en la que mis datos parecen correlacionados (como se muestra en el diagrama de dispersión) pero la covarianza es casi cero. ¿Cómo puede la...
Estoy leyendo un impresionante artículo introductorio de HMC del profesor Michael Betancourt, pero me quedo atascado en la comprensión de cómo hacemos para elegir la distribución del impulso. Resumen La idea básica de HMC es introducir una variable de impulso junto con la variable objetivo ....
A veces veo que la gente usa la aproximación de Taylor de la siguiente manera: E(ex)≈E(1+x)E(ex)≈E(1+x)E(e^x)\approx E(1+x) Sé que la aproximación de Taylor funciona para ex≈1+xex≈1+xe^x \approx 1+x Pero no está claro para mí que podamos hacer la aproximación dentro del operador de...
Estoy buscando estimar un GLM jerárquico pero con selección de características para determinar qué covariables son relevantes a nivel de población para incluir. Supongamos que tengo grupos con observaciones y posibles covariables. Es decir, tengo una matriz de diseño de covariables , resultados \...
Soy nuevo en ML. Me informaron que la normalización L2 de la regresión de cresta no castiga la intercepción . Como en la función de costo: El término de normalización L2 solo suma de a , no de a . También leí
Encontré la fórmula para obtener los límites superiores de confianza en el problema del bandido armado k: clnNini−−−−−√clnNinic\sqrt{\frac{\text{ln} N_i}{n_i}} donde es la cantidad de muestras que tenemos para este bandido particular y es la cantidad total de muestras que tenemos de todos los...
Supongamos que se le han dado algunos datos de un diseño de bloques al azar con 4 repeticiones y 23 tratamientos. Después de una inspección inicial de los datos, observa que para 8 tratamientos todas las repeticiones son idénticas, lo que obviamente es incorrecto. Después de informar el problema,...
Recientemente me he encontrado con varias fuentes "informales" que indican que, en algunas circunstancias, si usamos el AIC o el BIC para entrenar un modelo de serie temporal, no necesitamos dividir los datos en prueba y entrenamiento, podemos usar todos Los datos para el entrenamiento. (Las...
Mi objetivo final es poder tener una forma de generar un vector de tamaño de variables aleatorias de Bernoulli correlacionadas. Una forma en que estoy haciendo esto es usar el enfoque de Gaussian Coupla. Sin embargo, el enfoque de Gaussian Coupla me deja con un vector:norteNN (pags1, ......
Esta podría ser una pregunta vaga, pero me pregunto cómo se implementa la transformación cuantil de Scikit-Learn . Me pregunto cómo se puede transformar un conjunto de datos sesgado en una distribución normal como esta . Por lo general, scikit-learn proporciona un enlace a la wiki, pero no esta...
¿El teorema de aproximación universal para redes neuronales es válido para cualquier función de activación (sigmoide, ReLU, Softmax, etc.) o se limita a las funciones sigmoideas? Actualización: como señala shimao en los comentarios, no cumple absolutamente ninguna función. Entonces, ¿para qué...
Recientemente me encontré con un artículo fascinante sobre la predicción de futuros rendimientos del mercado de valores. El autor presenta el siguiente gráfico y cita un R ^ 2 de 0.913. Esto haría que el método del autor fuera muy superior a cualquier cosa que haya visto sobre el tema (la mayoría...
He seguido tutoriales en línea para kriging espacial con ambos geoRy gstat(y también automap). Puedo realizar kriging espacial y entiendo los conceptos principales detrás de él. Sé cómo construir un semivariograma, cómo ajustarle un modelo y cómo realizar kriging ordinario. Lo que no entiendo es...
Estoy tirando un dado justo. ¿Cuál es la distribución de probabilidad del número de tiradas hasta que primero acumulo: 1) Cinco unidades 2) 20 ocurrencias de caras que no son una? Estoy feliz de compartir la aplicación real si eso
¿Es cierto lo siguiente? sesgo bajo = varianza alta sesgo alto = varianza baja Entiendo el sesgo alto y bajo, pero ¿cómo es diferente la varianza? ¿O son los sinónimos
No estoy seguro de lo que entiendo de la documentación oficial, que dice: Devuelve: Un par (salidas, estado) donde: outputs: El tensor de salida RNN. Si time_major == False(por defecto), esta será la forma de un tensor: [batch_size, max_time, cell.output_size]. Si time_major == True,...
En "Aprendizaje automático: una perspectiva probabilística" de Kevin Murphy, capítulo 3.2, el autor demuestra el concepto de aprendizaje bayesiano en un ejemplo llamado "juego de números": después de observar muestras de , queremos escoja una hipótesis que describa mejor la regla que generó las...
En los comentarios sobre mi respuesta a una pregunta reciente sobre la suma de variables aleatorias , me encontré con un enlace al artículo de Wikipedia sobre la distribución de razones , y noté la siguiente afirmación peculiar allí: Las reglas algebraicas conocidas con números ordinarios no se...
TLDR: ¿Las estrías de regresión de placa delgada tienen una interpretación probabilística / bayesiana? Dados pares de entrada-salida , ; Quiero estimar una función siguiente manera donde es una función del núcleo y es un vector de características de tamaño . Los coeficientes y se pueden...