¿Cuáles son las diferencias entre "inferencia" y "estimación" en el contexto del aprendizaje automático ? Como novato, siento que inferimos variables aleatorias y estimamos los parámetros del modelo. ¿Es correcto este entendimiento? Si no es así, ¿cuáles son exactamente las diferencias y cuándo...
En el libro Modelos y métodos estadísticos para datos de por vida , está escrito: Censura: cuando una observación está incompleta debido a alguna causa aleatoria. Truncamiento: cuando la naturaleza incompleta de la observación se debe a un proceso de selección sistemática inherente al diseño...
Aprendizaje supervisado 1) Un humano construye un clasificador basado en entrada y salida de datos 2) Ese clasificador está entrenado con un conjunto de datos de entrenamiento 3) Ese clasificador se prueba con un conjunto de datos de prueba 4) Despliegue si el resultado es satisfactorio Para...
He estado tratando de entender cómo la tasa de descubrimiento falso (FDR) debería informar las conclusiones del investigador individual. Por ejemplo, si su estudio tiene poca potencia, ¿debería descontar sus resultados incluso si son significativos en ? Nota: estoy hablando del FDR en el contexto...
Estoy revisando las notas de Andrew Ng sobre Machine Learning. Las notas nos presentan a la regresión logística y luego al perceptrón. Al describir Perceptron, las notas dicen que solo cambiamos la definición de la función de umbral utilizada para la regresión logística. Después de hacer eso,...
Estaba leyendo el documento ImageNet Classification with Deep Convolutional Neural Networks y en la sección 3, donde explicaron la arquitectura de su red neuronal convolucional, explicaron cómo preferían usar: no linealidad no saturanteF( x ) = m a x ( 0 , x ) .F(X)=metrounaX(0 0,X).f(x) =...
Nota: Sé que L1 tiene una propiedad de selección de características. Estoy tratando de entender cuál elegir cuando la selección de funciones es completamente irrelevante. ¿Cómo decidir qué regularización (L1 o L2) usar? ¿Cuáles son los pros y los contras de cada una de las regularizaciones L1 /...
Las distribuciones muy sesgadas, como el log-normal, no dan como resultado intervalos de confianza de arranque precisos. Aquí hay un ejemplo que muestra que las áreas de cola izquierda y derecha están lejos del 0.025 ideal, sin importar qué método de arranque intente en R: require(boot) n <-...
¿Qué diferencia hace el centrado (o de-significado) de sus datos para PCA? He oído que facilita las matemáticas o que evita que la primera PC esté dominada por los medios de las variables, pero siento que todavía no he podido comprender el concepto con firmeza. Por ejemplo, la respuesta principal...
Estoy buscando una distribución donde la densidad de probabilidad disminuya rápidamente después de un punto alejado de la media, o en mis propias palabras, una "distribución en forma de meseta". Algo entre el gaussiano y el
Sé que esta pregunta se ha hecho con el caso mean = mediana, pero no encontré nada relacionado con mean = mode. Si el modo es igual a la media, ¿puedo concluir siempre que se trata de una distribución simétrica? ¿Me veré obligado a conocer también la mediana de esta
Deje y ser procesos de ruido blanco. ¿Podemos decir que es necesariamente un proceso de ruido blanco?b t c t = a t + b
¿Cómo puedo generar manualmente un número aleatorio de una distribución dada, como por ejemplo, 10 realizaciones de la distribución normal
Últimamente he estado pensando mucho en el "problema de desequilibrio de clase" en el aprendizaje automático / estadístico, y me estoy adentrando cada vez más en un sentimiento de que simplemente no entiendo lo que está sucediendo. Primero déjame definir (o intentar) definir mis términos: El...
Mi pregunta surge de este comentario en una publicación de blog de Andrew Gelman en la que aboga por el uso de intervalos de confianza del 50% en lugar de intervalos de confianza del 95%, aunque no sobre la base de que se estimen de manera más sólida: Prefiero intervalos de 50% a 95% por 3...
Entiendo cómo obtenemos 3.5 como el valor esperado para lanzar un dado de 6 lados. Pero intuitivamente, puedo esperar que cada cara tenga la misma probabilidad de 1/6. Entonces, ¿no debería ser el valor esperado de lanzar un dado cualquiera de los números entre 1-6 con igual probabilidad? En...
Una red neuronal aprende las características de un conjunto de datos como un medio para lograr algún objetivo. Cuando esté hecho, podemos querer saber qué aprendió la red neuronal. ¿Cuáles fueron las características y por qué le importaban? ¿Alguien puede dar algunas referencias sobre el cuerpo de...
La fórmula para la probabilidad condicional de que ocurra dado que ha sucedido es:AA\text{A}BB\text{B}P(A | B)=P(A∩B)P(B).P(A | B)=P(A∩B)P(B). P\left(\text{A}~\middle|~\text{B}\right)=\frac{P\left(\text{A} \cap \text{B}\right)}{P\left(\text{B}\right)}. Mi libro de texto explica la intuición...
Estoy intentando escribir una serie de publicaciones de blog sobre valores p y pensé que sería interesante volver a donde comenzó todo, que parece ser el artículo de Pearson de 1900. Si está familiarizado con ese documento, recordará que esto cubre las pruebas de bondad de ajuste. Pearson es un...
A menudo veo que las personas crean nuevas funciones basadas en las funciones existentes en un problema de aprendizaje automático. Por ejemplo, aquí: https://triangleinequality.wordpress.com/2013/09/08/basic-feature-engineering-with-the-titanic-data/ las personas han considerado el tamaño de la...