सांख्यिकी और बिग डेटा

मैं एक समारोह के अनुकूलन के लिए नेल्डर-मीड एल्गोरिथ्म को लागू करने की कोशिश कर रहा हूं। Nelder-मीड के बारे में विकिपीडिया पृष्ठ इसकी रोक कसौटी को छोड़कर पूरे एल्गोरिथ्म के बारे में आश्चर्यजनक रूप से स्पष्ट है,। वहाँ यह दुख की बात कहता है: अभिसरण के लिए जाँच करें …

11 optimization  algorithms 

यदि हम पूर्ण विकसित निर्णय वृक्ष (यानी एक अप्रत्याशित निर्णय वृक्ष) पर विचार करते हैं तो इसमें उच्च विचरण और निम्न पूर्वाग्रह होते हैं। बैगिंग और रैंडम फ़ॉरेस्ट इन उच्च विचरण मॉडल का उपयोग करते हैं और विचरण को कम करने के लिए उन्हें एकत्र करते हैं और इस प्रकार …

11 variance  random-forest  cart  bias  bagging 

प्रश्न को सॉफ्टवेयर-विशिष्ट बनाने के जोखिम पर, और इसकी सर्वव्यापकता और आदर्शवादिता के बहाने से, मैं biplot()R के फंक्शन के बारे में पूछना चाहता हूं , और, विशेष रूप से, इसके डिफ़ॉल्ट, सुपरमिपल लाल तीरों की गणना और प्लॉटिंग के बारे में, अंतर्निहित चर के लिए। [कुछ टिप्पणियों की समझ …

11 r  pca  biplot 

रैखिक मिश्रित प्रभाव मॉडल डेटा के लिए रैखिक प्रतिगमन मॉडल के विस्तार हैं जिन्हें समूह में एकत्र और संक्षेपित किया जाता है। मुख्य लाभ यह है कि गुणांक एक या एक से अधिक समूह चर के संबंध में भिन्न हो सकते हैं। हालांकि, मैं मिश्रित प्रभाव वाले मॉडल का उपयोग …

11 regression  mixed-model  random-effects-model  linear 

मैं गहरी शिक्षा के साथ शुरुआत कर रहा हूं, और मेरे पास एक सवाल है जिसका जवाब मुझे नहीं मिला, शायद मैंने ठीक से नहीं खोजा है। मैंने इसका उत्तर देखा है , लेकिन यह अभी भी स्पष्ट नहीं है कि वजन घटाने का नुकसान क्या है और यह नुकसान …

11 neural-networks  conv-neural-network 

सरल रैखिक मॉडल: ε टी एन ( 0 , σ 2 )एक्स = α टी + εटीएक्स=αटी+εटीx=\alpha t + \epsilon_t जहाँ ~ iidεटीεटी\epsilon_tएन( 0 , σ2)एन(0,σ2)N(0,\sigma^2) साथ औरवी एक आर ( एक्स ) = σ 2इ( x ) = α टीइ(एक्स)=αटीE(x) = \alpha tवीएक आर ( एक्स ) = σ2वीएआर(एक्स)=σ2Var(x)=\sigma^2 …

11 regression  stochastic-processes  autoregressive  deterministic 

कुछ चर्चा (नीचे) के बाद, मेरे पास अब एक केंद्रित प्रश्न का स्पष्ट चित्र है, इसलिए यहां एक संशोधित प्रश्न है, हालांकि कुछ टिप्पणियाँ अब मूल प्रश्न के साथ असंबद्ध लग सकती हैं। ऐसा लगता है कि टी-परीक्षण सममित वितरण के लिए जल्दी से परिवर्तित होता है , कि हस्ताक्षरित …

11 hypothesis-testing  t-test  paired-data  wilcoxon-signed-rank  sign-test 

Math.stackexchange पर एक प्रश्न द्वारा प्रेरित , और इसे अनुभवजन्य रूप से जांचते हुए , मैं iid यादृच्छिक चर की रकम के वर्ग-मूल पर निम्नलिखित कथन के बारे में सोच रहा हूं। मान लीजिए कि एक्स1, एक्स2, ... , एक्सnएक्स1,एक्स2,...,एक्सnX_1, X_2, \ldots, X_n iid रैंडम वैरिएबल हैं, जो परिमित गैर-शून्य …

11 normal-distribution  central-limit-theorem  sum 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

सभी आधुनिक सिफारिशकर्ता प्रणालियों में जो मैंने देखा है कि मैट्रिक्स फैक्टराइजेशन पर भरोसा करते हैं, उपयोगकर्ता-मूवी मैट्रिक्स पर एक गैर-नकारात्मक मैट्रिक्स फैक्टराइजेशन किया जाता है। मैं समझ सकता हूं कि व्याख्या के लिए गैर-नकारात्मकता क्यों महत्वपूर्ण है और / या यदि आप विरल कारक चाहते हैं। लेकिन अगर आप …

11 recommender-system  svd  matrix-decomposition  nnmf 

मेरे पास शब्दों की एक सूची है, जो विभिन्न स्वनिर्धारित श्रेणियों से संबंधित हैं। प्रत्येक श्रेणी का अपना एक पैटर्न होता है (उदाहरण के लिए किसी के पास विशेष वर्णों के साथ एक निश्चित लंबाई होती है, अन्य वर्ण मौजूद होते हैं जो केवल "शब्द", ...) की इस श्रेणी में …

11 machine-learning  classification  similarities  supervised-learning 

यादृच्छिक चर को देखते हुए , का माध्य और विचरण क्या है ?Y= ईx p ( λ )Y=Exp(λ)Y = Exp(\lambda)जी = १YG=1YG=\dfrac{1}{Y} मैं उलटा गामा वितरण को देखता हूं, लेकिन माध्य और विचरण केवल और क्रमशः परिभाषित किए जाते हैं ...α > 2α > 1α>1\alpha>1α > 2α>2\alpha>2

11 variance  mean  exponential 

मान लीजिए कि XXX को समान रूप से पर वितरित किया गया है [0,2π][0,2π][0, 2\pi]। चलो Y=sinXY=sin⁡XY = \sin X और Z=cosXZ=cos⁡XZ = \cos X । दिखाएँ कि YYY और बीच संबंध ZZZशून्य है। ऐसा लगता है कि मुझे साइन और कोसाइन के मानक विचलन, और उनके सह-अस्तित्व को जानना …

11 correlation  variance  random-variable  expected-value 

मैं शब्द एम्बेडिंग के लिए बहुत नया हूँ। मैं कल्पना करना चाहता हूं कि दस्तावेज सीखने के बाद कैसे दिख रहे हैं। मैंने पढ़ा कि t-SNE इसे करने का तरीका है। मेरे पास एम्बेडिंग के आकार के रूप में 250 आयामों के साथ 100K दस्तावेज़ हैं। कई पैकेज भी उपलब्ध …

11 pca  dimensionality-reduction  word2vec  word-embeddings  tsne 

ठीक है तो बस कुछ चीजों पर थोड़ा सा धुंधला, किसी भी मदद की बहुत सराहना की जाएगी। यह मेरी समझ है कि रैखिक प्रतिगमन मॉडल की सशर्त अपेक्षा के माध्यम से भविष्यवाणी की जाती है E(Y|X)=b+Xb+eइ(Y|एक्स)=ख+एक्सख+इE(Y|X)=b+Xb+e क्या हम मान लेते हैं कि और दोनों कुछ अज्ञात संभावना वितरण के …

11 regression