통계 및 빅 데이터

이 질문은 선형 버전의 특정 버전에서 제한된 최대 가능성 (REML) 추정을 다룹니다. Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)),Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)), Y = X(\alpha)\beta + \epsilon, \\ \epsilon\sim N_n(0, \Sigma(\alpha)), 여기서, 인 ( N × P )에 의해 매개 변수화 행렬 α ∈ R의 k는 , 그대로 Σ ( α ) . β 는 알려지지 않은 방해 파라미터 …

14 mixed-model  maximum-likelihood  linear-model  optimization  reml 

나는 컴퓨터 비전의 잘못된 문제에 대한 최적화에 대해 읽고 있었고 Wikipedia의 최적화에 대한 아래의 설명을 보았습니다. 내가 이해하지 못하는 것은 왜 Computer Vision 에서이 최적화를 " 에너지 최소화 "라고 부르는가? 최적화 문제는 다음과 같이 나타낼 수 있습니다. 을 감안할 때 : 함수 일부 세트에서 실제 숫자f:A→Rf:A→Rf: A \to RAAA 구함 …

14 machine-learning  optimization  computer-vision 

이 질문은 다음과 같은 질문에서 비롯된 것입니다 : 언제 (때로는) 빈번한 접근이 베이 시안보다 실질적으로 더 낫습니까? 내가 그 질문에 대한 해결책에 게시 할 때, 내 의견으로는, 당신이 빈번한 사람이라면 종종 빈번한 방법이 그것을 위반하기 때문에 가능성 원칙 을 믿거 나 준수 할 필요가 없습니다 . 그러나 이것은 일반적으로 적절한 …

14 bayesian  likelihood  likelihood-principle 

스무딩 된 점이 단조롭게 감소하도록 부드럽게하고 싶은 데이터가 있습니다. 내 데이터가 급격히 감소한 다음 안정되기 시작합니다. 다음은 R을 사용하는 예입니다. df <- data.frame(x=1:10, y=c(100,41,22,10,6,7,2,1,3,1)) ggplot(df, aes(x=x, y=y))+geom_line() 사용할 수있는 좋은 스무딩 기술은 무엇입니까? 또한 첫 번째 평활 점을 내 관측점에 가깝게 만들 수 있다면 좋을 것입니다.

14 regression  smoothing 

에서 빠른 속도와 느린 생각 , 대니얼 카너먼은 다음과 같은 가상의 질문을 제기 : (P. 186) Julie는 현재 주립 대학의 선배입니다. 그녀는 4 살 때 유창하게 읽었습니다. 그녀의 학점 평균 (GPA)은 무엇입니까? 그의 의도는 특정 통계에 대한 예측을 할 때 평균에 대한 회귀를 설명하지 못하는 방법을 설명하는 것입니다. 이후 토론에서 …

14 standard-deviation  regression-coefficients  regression-to-the-mean 

비 상관이 독립성을 의미하지 않는 이유를 설명 할 때, 여러 랜덤 변수를 포함하는 몇 가지 예가 있지만 모두 추상적으로 보입니다. 1 2 3 4 . 이 대답 은 의미가있는 것 같습니다. 내 해석 : 임의의 변수와 제곱은 상관이 없을 수 있습니다 (상관 관계의 부족은 선형 독립과 유사하기 때문에). 예를 들어 …

14 correlation  independence  non-independent  garch  intuition 

우리는 랜덤 변수들의 스트림 합계하자 X I I I D ~ U ( 0 , 1 )Xi∼iidU(0,1)X_i \overset{iid}\sim \mathcal{U}(0,1) ; YYY 가 총계가 1을 초과하는 데 필요한 항의 수 라고하자 . 즉 YYY 는 가장 작은 수이다. X 1 + X 2 + ⋯ + X Y > 1.X1+X2+⋯+XY>1.X_1 + …

14 probability  self-study  expected-value  uniform 

가우시안 혼합 모델 (GMMs)은 분석적으로나 실제적으로 작업하기가 간단하고 너무 복잡하지 않은 일부 이국적인 분포를 모델링 할 수 있기 때문에 매력적입니다. 일반적으로 명확하지 않은 몇 가지 분석 속성이 있습니다. 특히: SnSnS_n 이 nnn 성분을 가진 모든 가우시안 혼합물의 클래스 라고 가정하십시오 . 실수에 대한 지속적인 분포 에 대해 , 우리는 이 …

14 probability  normal-distribution  references  gaussian-mixture  information-theory 

통계적 추론의 고전적인 처리는 올바르게 지정된 통계가 사용된다는 가정에 의존합니다. 즉, 유통 인 P∗(Y)P∗(Y)\mathbb{P}^*(Y) 가 감시 데이터를 생성하는 것이 yyy 통계 모델의 부분 MM\mathcal{M} : P∗(Y)∈M={Pθ(Y):θ∈Θ}P∗(Y)∈M={Pθ(Y):θ∈Θ}\mathbb{P}^*(Y) \in \mathcal{M}=\{\mathbb{P}_\theta(Y) :\theta \in \Theta\} 하지만, 대부분의 상황에서는 불가능 이것이 사실이라고 가정하십시오. 올바르게 지정된 가정을 철회하면 통계적 추론 절차가 어떻게 진행되는지 궁금합니다. White 1982의 …

14 hypothesis-testing  confidence-interval  model  frequentist  misspecification 

몇 가지 논문을 읽었으며 평균 치료 효과 (ATE) 및 한계 치료 효과 (MTE)의 특정 정의에 대해 잘 모르겠습니다. 그들은 같은가요? 오스틴 에 따르면 ... 조건부 효과는 대상체 수준에서 대상체를 치료되지 않은 상태에서 처리 된 상태로 이동시키는 평균 효과입니다. 다 변수 회귀 모델에서 처리 할당 지표 변수에 대한 회귀 계수는 조건부 …

14 causality  hazard  propensity-scores  marginal-effect  marginal-model 

공분산 행렬의 고유 벡터를 볼 때 최대 분산의 방향을 얻습니다 (첫 번째 고유 벡터는 데이터가 가장 많이 변하는 방향 등입니다). 이를 주성분 분석 (PCA)이라고합니다. 상호 정보 매트릭스의 고유 벡터 / 값을 보는 것이 무엇을 의미하는지 궁금합니다. 최대 엔트로피 방향을 가리킬까요?

14 pca  entropy  mutual-information  eigenvalues 

깊은 신념이나 회선 신경망을 사용하여 찾은 모든 예는 이미지 분류, 대화 형 탐지 또는 음성 인식에 사용됩니다. 심층 신경망은 또한 특징이 구조화되지 않은 (예를 들어, 시퀀스 또는 그리드로 배열되지 않은) 고전적 재연 작업에 유용합니까? 그렇다면 예를 들어 줄 수 있습니까?

14 regression  machine-learning  neural-networks  deep-learning 

기계 학습을 사용하여 이미지 분류를하고 있습니다. 교육 데이터 (이미지)가 있고 데이터를 교육 및 유효성 검사 세트로 분할한다고 가정합니다. 또한 임의 회전 및 노이즈 주입을 통해 데이터를 확대 (원본 이미지에서 새 이미지 생성)하고 싶습니다. 기능 보강은 오프라인으로 수행됩니다. 데이터 기능 보강을 수행하는 올바른 방법은 무엇입니까? 먼저 데이터를 교육 및 유효성 검사 …

14 machine-learning  classification  cross-validation  dataset  data-augmentation 

나의 통계 훈련은 수학적 통계에 뿌리를두고 있으며,이 방법을 MS에 가져가는 것은 현재 약간 충격입니다. 업계에서 경험이 부족하기 때문에 현재 이러한 "적용된"방법 중 일부를 이해하기가 어렵습니다. 우리가 내 메소드 클래스에서 이야기 한 주제 중 하나는 실험 설계라는 아이디어입니다. 예를 들어, K-12 학생들의 시험 점수를 올리는 교육 프로그램의 효과에 대한 실험을하고 싶습니다. …

14 references  experiment-design 

가우시안 프로세스 회귀는 (GPR)이 무한한 양의 기본 함수를 가진 베이지안 선형 회귀에 해당한다고 종종 말합니다. 나는 현재 GPR을 사용하여 표현할 수있는 모델의 종류에 대한 직감을 얻기 위해 이것을 자세히 이해하려고 노력하고 있습니다. 이것이 GPR을 이해하기위한 좋은 접근법이라고 생각하십니까? 책의 기계 학습 가우시안 프로세스 스무 윌리엄스 쇼 가우시안 프로세스들의 세트는 상기 …

14 gaussian-process  kernel-trick  basis-function