Según Miller and Freund's Probability and Statistics for Engineers, 8ed (pp.217-218), la función de probabilidad de maximizar la distribución binomial (ensayos de Bernoulli) se da como L(p)=∏ni=1pxi(1−p)1−xiL(p)=∏i=1npxi(1−p)1−xiL(p) = \prod_{i=1}^np^{x_i}(1-p)^{1-x_i} ¿Cómo llegar a esta...
Al entrenar una red neuronal usando el algoritmo de propagación hacia atrás, el método de descenso de gradiente se usa para determinar las actualizaciones de peso. Mi pregunta es: en lugar de utilizar el método de descenso de gradiente para localizar lentamente el punto mínimo con respecto a un...
La siguiente imagen muestra una curva continua de tasas de falsos positivos frente a tasas positivas verdaderas: Sin embargo, lo que no entiendo de inmediato es cómo se calculan estas tasas. Si se aplica un método a un conjunto de datos, tiene una cierta tasa de FP y una cierta tasa de FN. ¿No...
Bueno, la pregunta lo dice todo. ¿Qué se entiende por "preentrenamiento de una red neuronal"? ¿Alguien puede explicar en inglés simple y puro? Parece que no puedo encontrar ningún recurso relacionado con él. Sería genial si alguien me puede señalar a
Andrew Gelman escribió un extenso artículo sobre por qué las pruebas de AB Bayesianas no requieren corrección de hipótesis múltiples: Por qué (generalmente) no tenemos que preocuparnos por las comparaciones múltiples , 2012. No entiendo bien: ¿por qué los métodos bayesianos no requieren múltiples...
Sé que para problemas regulares, si tenemos un mejor estimador imparcial regular, debe ser el estimador de máxima verosimilitud (MLE). Pero, en general, si tenemos un MLE imparcial, ¿también sería el mejor estimador imparcial (o tal vez debería llamarlo UMVUE, siempre que tenga la varianza más...
Estoy estudiando sobre la estimación de máxima verosimilitud y leí que la función de verosimilitud es el producto de las probabilidades de cada variable. ¿Por qué es el producto? ¿Por qué no la suma? He estado intentando buscar en Google pero no puedo encontrar ninguna respuesta...
Soy un entusiasta de la programación y el aprendizaje automático. Hace solo unos meses comencé a aprender sobre programación de aprendizaje automático. Al igual que muchos que no tienen una formación científica cuantitativa, también comencé a aprender sobre ML jugando con los algoritmos y conjuntos...
Estaba jugando con una red neuronal simple con una sola capa oculta, por Tensorflow, y luego probé diferentes activaciones para la capa oculta: Relu Sigmoideo Softmax (bueno, generalmente softmax se usa en la última capa ..) Relu ofrece la mejor precisión de tren y precisión de validación. No...
Habiendo incluido un modelo de regresión cuantil en un documento, los revisores quieren que incluya ajustado en el documento. He calculado los pseudo- R 2 s (del documento JASA de 1999 de Koenker y Machado ) para los tres cuantiles de interés para mi estudio.R2R2R^2R2R2R^2 Sin embargo, nunca he...
Trato con un problema de detección de fraude (similar a la calificación crediticia). Como tal, existe una relación altamente desequilibrada entre las observaciones fraudulentas y no fraudulentas. http://blog.revolutionanalytics.com/2016/03/com_class_eval_metrics_r.html proporciona una excelente...
Algunas funciones de penalización y aproximaciones están bien estudiadas, como LASSO ( ) y Ridge ( ) y cómo se comparan en regresión.L 2L1L1L_1L2L2L_2 He estado leyendo sobre la penalización de Bridge, que es la penalización generalizada . Compare eso con el LASSO, que tiene \ gamma = 1 , y el...
A está positivamente relacionado con B. C es el resultado de A y B, pero el efecto de A sobre C es negativo y el efecto de B sobre C es positivo. Puede suceder
¿Cuál es la propiedad oráculo de un estimador? ¿Para qué objetivos de modelado es relevante la propiedad del oráculo (predictivo, explicativo, ...)? Las explicaciones teóricamente rigurosas y (especialmente) intuitivas son
Tengo entendido que en el aprendizaje automático puede ser un problema si su conjunto de datos tiene características altamente correlacionadas, ya que codifican efectivamente la misma información. Recientemente, alguien señaló que cuando realiza una codificación de una sola vez en una variable...
He estado tratando de desarrollar una comprensión basada en la intuición del teorema de Bayes en términos de la probabilidad anterior , posterior , de probabilidad y marginal . Para eso utilizo la siguiente ecuación: donde representa una hipótesis o creencia y representa datos o evidencia. He...
Para ilustrar mi pregunta, suponga que tengo un conjunto de entrenamiento donde la entrada tiene un grado de ruido pero la salida no, por ejemplo; # Training data [1.02, 1.95, 2.01, 3.06] : [1.0] [2.03, 4.11, 5.92, 8.00] : [2.0] [10.01, 11.02, 11.96, 12.04] : [1.0] [2.99, 6.06, 9.01, 12.10] :...
Estoy tratando de aprender aprendizaje de refuerzo y este tema es realmente confuso para mí. He tomado una introducción a las estadísticas, pero no podía entender este tema
Quiero hacer una regresión de una variable en . ¿Debo hacer esto usando polinomios en bruto u ortogonales? Miré la pregunta en el sitio que se ocupa de estos, pero realmente no entiendo cuál es la diferencia entre usarlos. yyyx,x2,…,x5X,X2,...,X5 5x,x^2,\ldots,x^5 ¿Por qué no puedo simplemente...
La primera oración de esta página wiki afirma que "en econometría, un problema de endogeneidad ocurre cuando una variable explicativa se correlaciona con el término de error. 1 " Mi pregunta es: ¿cómo puede suceder esto? ¿No se elige la regresión beta de modo que el término de error sea ortogonal...