통계 및 빅 데이터

컨볼 루션 신경망을 배울 때 다음 그림에 관한 질문이 있습니다. 1) 레이어 1의 C1에는 6 개의 기능 맵이 있습니다. 6 개의 컨볼 루션 커널이 있습니까? 각 컨볼 루션 커널은 입력을 기반으로 기능 맵을 생성하는 데 사용됩니다. 2) 레이어 2의 S1에는 6 개의 기능 맵이 있고 C2에는 16 개의 기능 맵이 …

16 machine-learning  neural-networks  deep-learning  pattern-recognition  conv-neural-network 

대략적인 베이지안 계산 은 기본적으로 확률 모델이 적합하지 않은 모델에 적합하도록하는 멋진 기법입니다 (예 : 모수를 수정하면 모델에서 샘플링 할 수 있지만 수치, 알고리즘 또는 분석적 으로 가능성을 계산할 수는 없음 ). 청중에 대략적인 베이지안 계산 (ABC)을 도입하면 정말 간단하지만 여전히 다소 흥미로운 몇 가지 예제 모델을 사용하는 것이 좋다 …

16 bayesian  simulation  model  likelihood  abc 

릿지 회귀 추정 파라미터 ββ\boldsymbol \beta 선형 모델에서 y=Xβy=Xβ\mathbf y = \mathbf X \boldsymbol \beta 에 의한 β λ = ( X ⊤ X + λ I ) - 1 X ⊤ Y , λ는 정규화 파라미터이다. 상관 된 예측 변수가 많은 경우 OLS 회귀 ( λ = 0 ) …

16 regression  ridge-regression  shrinkage 

우리는 기계 학습 : 확률 적 관점 (Kevin Murphy)을 통해 기계 학습을 공부하고 있습니다. 텍스트는 각 알고리즘의 이론적 기초를 설명하지만 어떤 경우에 어떤 알고리즘이 더 낫다는 것을 거의 말하지 않으며, 어떤 알고리즘이 더 나은지에 대해서는 말하지 않습니다. 예를 들어, 커널을 선택하기 위해 데이터의 복잡성을 측정하기 위해 탐색 적 데이터 분석을 …

16 machine-learning  eda 

컴퓨터 비전에서의 응용으로 인해 CNN (Convolutional Neural Network)을 연구하고 있습니다. 저는 표준 피드 포워드 신경망에 이미 익숙하므로 일부 사람들이 CNN을 이해하는 데 도움이 될 수 있기를 바랍니다. CNN에 대한 생각은 다음과 같습니다. 기존 피드 포워드 NN에는 각 요소가 "입력 레이어"에서 NN에 입력 한 기능 벡터로 구성된 학습 데이터가 있으므로 이미지 …

16 neural-networks  deep-learning  conv-neural-network  convolution 

오늘 저는 입문 통계를 가르치고 학생이 여기에 다음과 같이 질문합니다. "왜 표준 편차가 분산의 sqrt로 정의되고 N에 대한 제곱의 sqrt로 정의되지 않습니까?" 모집단 분산을 정의합니다 : σ2=1N∑(xi−μ)2σ2=1N∑(xi−μ)2\sigma^2=\frac{1}{N}\sum{(x_i-\mu)^2} 표준 편차 : σ=σ2−−√=1N√∑(xi−μ)2−−−−−−−−−−√σ=σ2=1N∑(xi−μ)2\sigma=\sqrt{\sigma^2}=\frac{1}{\sqrt{N}}\sqrt{\sum{(x_i-\mu)^2}} . 우리가 σ에 줄 수있는 해석σσ\sigma 은 모집단 평균의 와 모집단의 평균 편차를 제공한다는 것입니다 .XXX 그러나 sd의 정의에서 …

16 variance  standard-deviation  intuition  teaching 

"ward.D"옵션 (R 버전 <= 3.0.3의 유일한 Ward 옵션 "ward"와 동일)이 사용하는 것은 Ward의 (1963) 클러스터링 기준을 구현하지 않지만 "ward.D2"옵션은 해당 기준을 구현합니다 ( Murtagh and Legendre 2014). ( http://stat.ethz.ch/R-manual/R-patched/library/stats/html/hclust.html ) 분명히 와드 .D는 와드의 기준을 제대로 이행하지 못한다. 그럼에도 불구하고 그것이 생성하는 클러스터링과 관련하여 좋은 일을하는 것처럼 보입니다. method = …

16 r  clustering  ward 

시계열 예측에 적당한 배경 지식이 있습니다. 여러 예측 책을 살펴본 결과 다음 질문 중 어느 것도 다루지 않았습니다. 두 가지 질문이 있습니다. 주어진 시계열이 다음과 같은 경우 어떻게 객관적으로 (통계 테스트를 통해) 결정합니까? 확률 적 계절성 또는 결정적 계절성 확률 적 추세 또는 결정적 추세 시리즈에 명확하게 확률 론적 요소가있는 …

16 time-series  forecasting  arima  stochastic-processes 

내가 알다시피, 로지스틱 시그 모이 드 활성화 기능을 가진 퍼셉트론 / 단일 층 인공 신경망은 로지스틱 회귀와 같은 모델입니다. 두 모델 모두 다음 방정식으로 제공됩니다. F(x)=11−e−βXF(x)=11−e−βXF(x) = \frac{1}{1-e^{-\beta X}} 퍼셉트론 학습 알고리즘은 온라인 및 오류 중심의 반면 로지스틱 회귀에 대한 매개 변수는 기울기 하강 및 제한 메모리 BFGS 또는 확률 …

16 logistic  communication 

지난 몇 달 동안 저는 이번 여름에 석사 논문 준비를위한 Quantile 회귀에 대해 집중적으로 읽었습니다. 구체적으로 나는이 주제에 관한 Roger Koenker의 2005 년 책 대부분을 읽었습니다. 이제이 기존 지식을 확장하여 도구 변수 (IV)를 허용하는 회귀 기술을 양자화하려고합니다. 이것은 빠른 속도로 성장하고있는 활발한 연구 분야 인 것 같습니다. 누군가 나에게 제안 …

16 regression  references  econometrics  instrumental-variables  quantile-regression 

나는이 문제를 생각하고 있었다. http://en.wikipedia.org/wiki/Two_envelopes_problem 나는 해결책을 믿고 그것을 이해한다고 생각하지만, 다음과 같은 접근법을 취하면 완전히 혼란 스럽다. 문제 1 : 나는 당신에게 다음 게임을 제공 할 것입니다. 당신 은 10 달러를 지불 하고 나는 공정한 동전을 뒤집을 것입니다. 내가 당신에게 $ 5주고 꼬리 내가 당신에게 $ 주고 20를줍니다. 기대치는 …

16 probability  paradox  puzzle 

나는 페이지에서 새로운 통계 및 R에서 아주 새로운. 나는 강의 비와 수위 사이의 상관 관계를 찾는 목표로 대학 프로젝트를 진행하고 있습니다. 상관 관계가 입증되면 예측 / 예측을 원합니다. 데이터는 내가 들어있는 특정 하천 (5 분마다 촬영) 몇 년의 데이터 세트를 가지고 : 밀리미터 단위의 강우 초당 입방 미터의 강 흐름 …

16 r  time-series  forecasting  cross-correlation  lags 

사용할 성능 측정, ROC 곡선 아래 영역 (FPR의 함수로서 TPR) 또는 정밀 회수 곡선 아래 영역 (리콜 함수로서의 정밀도)에 대해 의문이 있습니다. 내 데이터가 불균형합니다. 즉, 부정적인 인스턴스의 수가 긍정적 인 인스턴스보다 훨씬 많습니다. weka의 출력 예측을 사용하고 있으며 샘플은 다음과 같습니다. inst#,actual,predicted,prediction 1,2:0,2:0,0.873 2,2:0,2:0,0.972 3,2:0,2:0,0.97 4,2:0,2:0,0.97 5,2:0,2:0,0.97 6,2:0,2:0,0.896 7,2:0,2:0,0.973 …

16 r  machine-learning  roc  precision-recall  auc 

내가 사용하고 glmer으로부터 기능을 lme4R의 패키지, 그리고 내가 사용하고 bobyqa최적화 (내 경우에는 기본 즉). 경고 메시지가 표시되며 그 의미가 무엇인지 궁금합니다. Warning message: In optwrap(optimizer, devfun, start, rho$lower, control = control, : convergence code 3 from bobyqa: bobyqa -- a trust region step failed to reduce q "신뢰 영역 단계에서 …

16 r  optimization  lme4-nlme  convergence  glmm 

Markov Random Fields를 사용하여 이미지의 영역을 분할하는 방법을 배우려고합니다. MRF의 일부 매개 변수를 이해하지 못하거나 수행하는 기대 최대화가 때때로 솔루션에 수렴하지 못하는 이유를 이해하지 못합니다. 베이 즈 정리에서 시작하여 . 여기서 y 는 픽셀의 회색조 값이고 x 는 클래스 레이블입니다. p ( y | x )에 대해 Gaussian 분포를 사용하기로 …

16 expectation-maximization  image-processing  classification