सांख्यिकी और बिग डेटा

मैं एक प्रतिगमन मॉडल बनाना चाहता हूं जो कई ओएलएस मॉडल का औसत है, प्रत्येक पूर्ण डेटा के सबसेट पर आधारित है। इसके पीछे का विचार इस कागज पर आधारित है । मैं कश्मीर सिलवटों का निर्माण करता हूं और कश्मीर ओएलएस मॉडल का निर्माण करता हूं, प्रत्येक में बिना …

13 regression  least-squares  ensemble 

मान लीजिए कि मैं ऊंचाई (सेमी में) की गणना कर रहा हूं और संख्या शून्य से अधिक होनी चाहिए। यहाँ नमूना सूची है: 0.77132064 0.02075195 0.63364823 0.74880388 0.49850701 0.22479665 0.19806286 0.76053071 0.16911084 0.08833981 Mean: 0.41138725956196015 Std: 0.2860541519582141 इस उदाहरण में, सामान्य वितरण के अनुसार, 99.7% मान औसत से विचलन के …

13 probability  mathematical-statistics  normal-distribution  standard-deviation 

Halmos-सैवेज प्रमेय का कहना है कि एक प्रधान सांख्यिकीय मॉडल के लिए एक आंकड़ा पर्याप्त है अगर (और केवल अगर) सभी में राडोण निकोडिम व्युत्पन्न का एक -measurable संस्करण है, जहां a है विशेषाधिकार प्राप्त उपाय ऐसी है कि के लिए और ।(Ω,A,P)(Ω,A,P)(\Omega, \mathscr A, \mathscr P)T:(Ω,A,P)→(Ω′,A′)T:(Ω,A,P)→(Ω′,A′)T: (\Omega, \mathscr A, …

13 probability  mathematical-statistics  intuition  measure-theory 

यहाँ गौसियन मिक्सचर मॉडल्स को आज़माते हुए , मुझे ये 4 प्रकार के सहसंयोजक मिले। 'full' (each component has its own general covariance matrix), 'tied' (all components share the same general covariance matrix), 'diag' (each component has its own diagonal covariance matrix), 'spherical' (each component has its own single variance). …

13 covariance-matrix  gaussian-mixture 

में R, वहाँ तीन तरीकों एक रसद प्रतिगमन उपयोग करने के लिए इनपुट डेटा को स्वरूपित करने हैं glmसमारोह: डेटा प्रत्येक अवलोकन के लिए "बाइनरी" प्रारूप में हो सकता है (जैसे, प्रत्येक अवलोकन के लिए y = 0 या 1); डेटा "विल्किंसन-रोजर्स" प्रारूप में हो सकता है (जैसे, y = …

13 r  logistic  generalized-linear-model 

मुझे RNN (और, विशेष रूप से, LSTM इकाइयों के साथ) कैसे काम करता है, इसका एक बुनियादी ज्ञान है। मेरे पास एक एलएसटीएम इकाई की वास्तुकला का सचित्र विचार है, जो एक सेल और कुछ द्वार हैं, जो मूल्यों के प्रवाह को नियंत्रित करते हैं। हालांकि, जाहिरा तौर पर, मैं …

13 neural-networks  lstm  rnn  backpropagation 

पहली बार बायेसियन आँकड़े सीखना; MCMC समझने की दिशा में एक कोण के रूप में मैंने सोचा: क्या यह कुछ ऐसा है जो मौलिक रूप से दूसरे तरीके से नहीं किया जा सकता है, या यह सिर्फ विकल्पों की तुलना में कहीं अधिक कुशलता से कुछ कर रहा है? चित्रण …

13 bayesian  mcmc 

मान लें कि हमारे डेटा सेट में 1 मिलियन उदाहरण हैं, अर्थात, , और हम इन डेटा सेट पर लॉजिस्टिक या रैखिक प्रतिगमन करने के लिए ढाल वंश का उपयोग करना चाहते हैं।एक्स1, ... , एक्स106x1,…,x106x_1, \ldots, x_{10^6} यह ढाल मूल विधि के साथ क्या है जो इसे अक्षम बनाता …

13 machine-learning  gradient-descent  large-data 

निश्चित नहीं है कि यह सही स्टैक साइट है, लेकिन यहाँ जाता है। कैसे काम करता है। वाह स्पासीजी बढ़िया है! इसका tfidf मॉडल आसान हो सकता है, लेकिन कोड की केवल एक पंक्ति के साथ w2v ?! SpaCy और andrazhribernik के उनके 10 लाइन ट्यूटोरियल में हमें .similarity विधि …

13 natural-language  word2vec  tf-idf  nltk 

मैं कसेरा के डीपएआई कोर्स (वीक 3 वीडियो 1 "न्यूरल नेटवर्क्स ओवरव्यू") और एंड्रयू एनजी के बारे में बता रहा हूं कि तंत्रिका नेटवर्क में प्रत्येक परत सिर्फ एक और लॉजिस्टिक रिग्रेशन है, लेकिन वह यह नहीं समझाता है कि यह किस तरह से बात को और सटीक बनाता है। …

13 logistic  neural-networks 

अनुभवहीन Bayes वर्गीकारक वर्गीकारक जो प्रदान करती है आइटम है xxx एक वर्ग के लिए CCC पीछे अधिकतम के आधार पर P(C|x)P(C|x)P(C|x) वर्ग की सदस्यता के लिए, और मानता है कि वस्तुओं की सुविधाओं से स्वतंत्र हैं। 0-1 नुकसान वह नुकसान है जो किसी भी मिस-वर्गीकरण को "1" का नुकसान …

13 machine-learning  bayesian  optimization  naive-bayes  loss-functions 

प्रिंसिपल कंपोनेंट एनालिसिस (PCA) का उद्देश्य फ़ंक्शन L2 मानदंड में पुनर्निर्माण त्रुटि को कम कर रहा है (अनुभाग 2.12 यहां देखें । एक और दृश्य प्रक्षेपण पर विचरण को अधिकतम करने की कोशिश कर रहा है। हमारे पास यहां एक उत्कृष्ट पोस्ट भी है: PCA का उद्देश्य फ़ंक्शन क्या है। …

13 machine-learning  pca  optimization  convex 

हाल ही में मैंने Yann Dauphin et al द्वारा एक पेपर पढ़ा है। उच्च-आयामी गैर-उत्तल अनुकूलन में काठी बिंदु समस्या की पहचान करना और उस पर हमला करना , जहां वे सैडल-फ्री न्यूटन नामक एक दिलचस्प वंश एल्गोरिथ्म का परिचय देते हैं , जो तंत्रिका नेटवर्क अनुकूलन के लिए बिल्कुल …

13 optimization  deep-learning  gradient-descent 

में एक अनुभववादी के साथी: ज्यादातर हानिरहित अर्थमिति (Angrist और Pischke, 2009: पेज 209) मैं निम्नलिखित पढ़ें: (...) वास्तव में, केवल पहचाने गए 2SLS (कहते हैं, सरल वाल्ड अनुमानक) लगभग निष्पक्ष है । यह औपचारिक रूप से प्रदर्शित करना कठिन है क्योंकि अभी-अभी पहचाने गए 2SLS में कोई क्षण नहीं …

13 regression  self-study  multiple-regression  econometrics  instrumental-variables 

कम से कम वर्गों और रैखिक प्रतिगमन में क्या अंतर है? क्या यह एक ही बात है?

13 regression  least-squares  terminology