통계 및 빅 데이터

"업 샘플링"과 "전치 컨볼 루션"이라는 용어는 "디컨 볼 루션"(<-좋은 용어는 아니지만 여기서 사용하겠습니다)을 수행 할 때 사용됩니다. 원래, 나는 그것들이 같은 것을 의미한다고 생각했지만, 나는이 기사들을 읽은 후에 그것들이 다른 것 같습니다. 누구든지 명확히 할 수 있습니까? 전치 컨볼 루션 : 우리가 복잡한 신경망을 통해 손실을 전파 할 때 사용할 …

12 machine-learning  neural-networks  conv-neural-network  transposed-convolution 

개별 올챙이의 "활동 수준"을 측정하는 비율로 구성된 데이터 집합이 있으므로 값을 0과 1 사이로 제한합니다.이 데이터는 개인이 특정 시간 간격 내에서 이동 한 횟수를 세어 수집했습니다 (이동, 0으로 이동 한 다음 평균을 계산하여 개인당 하나의 값을 만듭니다. 나의 주요 고정 효과는 "밀도 수준"입니다. 내가 겪고있는 문제는 임의의 효과로 포함하고 싶은 …

12 r  mixed-model  random-effects-model  beta-distribution  beta-regression 

나는 이미지 인식을위한 딥 레지던트 학습 (Deep Residual Learning)을 읽고 있었고, 잔차 블록이 계산적으로 수반하는 것을 100 % 확실하게 이해하는 데 어려움을 겪었습니다. 그들의 논문을 읽고 그들은 그림 2를 가지고 있습니다. Residual Block이 무엇을 의미하는지 보여줍니다. 잔차 블록의 계산은 단순히 다음과 같습니다. y =σ( W2σ( W1x + b1) + b2+ …

12 machine-learning  neural-networks  deep-learning  conv-neural-network  residual-networks 

대수 / 정확한 수준에서 주성분 분석과 특이 값 분해 간의 관계를 이해합니다. 내 질문은 scikit-learn 구현 에 관한 것 입니다. " [TruncatedSVD]는 PCA와 매우 유사하지만 공분산 행렬 대신 샘플 벡터에서 직접 작동합니다. "는 두 방법의 대수적 차이를 반영합니다. " 추정자 [TruncatedSVD]는 두 개의 알고리즘을 지원합니다. 빠른 무작위 SVD 솔버와 ARPACK을 …

12 pca  scikit-learn  svd  scipy 

에 이 게시물에 , 당신은 문을 읽을 수 있습니다 : 모델은 일반적으로 유한 치수 매니 폴드에서 점 표시됩니다 θθ\theta. 에 미분 기하학과 통계 마이클 K 머레이, 존 W 라이스 이러한 개념을 읽을 심지어 수학 표현식을 무시 산문에 설명되어 있습니다. 불행히도, 삽화가 거의 없습니다. MathOverflow에 대한 이 게시물도 마찬가지입니다. 주제에 대한보다 …

12 distributions  manifold-learning  information-geometry  topologies 

Kruschke의 Bayesian 책에 따르면 동전을 뒤집기 위해 베타 배포판을 사용하는 것과 관련하여 예를 들어, 동전에 머리 쪽과 꼬리 쪽이 있다는 사실 외에 다른 사전 지식이 없다면, 그것은 이전에 하나의 머리와 하나의 꼬리를 관찰 한 것과 비슷하며 a = 1과 b = 1에 해당합니다. 왜 머리 하나와 꼬리 하나도 본 적이 …

12 probability  bayesian  beta-distribution 

기계 학습 (회귀 문제의 경우)에서 나는 종종 평균 제곱 오차 (MSE) 또는 평균 절대 오차 (MAE)가 최소화하기 위해 오류 함수로 사용됩니다 (정규화 항). 상관 계수를 사용하는 것이 더 적합한 상황이 있는지 궁금합니다. 이러한 상황이 존재하면 다음을 수행하십시오. 어떤 상황에서 상관 계수가 MSE / MAE에 비해 더 나은 지표입니까? 이러한 상황에서 …

12 regression  machine-learning  svm  optimization  deep-learning 

통계 모델 에 관한 Wikipedia 기사를 읽고 있으며 , "비모수 통계 모델"의 의미에 대해 다소 당황합니다. 매개 변수 세트 가 무한 치수 인 경우 통계 모델은 비모수 적입니다. 통계 모델은 유한 차원 매개 변수와 무한 차원 매개 변수가 모두 있으면 반모 수적 입니다. 공식적으로 가 의 차원 이고 이 샘플 …

12 nonparametric  model 

결과 확률이 매우 낮은 이진 분류 작업을 수행하고 있습니다 (3 %). AUC 또는 로그 손실로 최적화할지 여부를 결정하려고합니다. 내가 아는 한, AUC는 클래스를 구별하는 모델의 능력을 최대화하는 반면, logloss는 실제 확률과 추정 된 확률 사이의 차이를 불이익을줍니다. 내 작업에서 정밀 정확도를 교정하는 것이 매우 중요합니다. 그래서 logloss를 선택하지만 최고의 log-loss …

12 classification  binary-data  auc  log-loss 

현재 ~ 300 개의 변수와 800 개의 관측치가있는 데이터 세트에서 이진 결과에 대한 예측 모델을 작성 중입니다. 이 사이트에서 단계별 회귀와 관련된 문제와 사용하지 않는 이유에 대해 많이 읽었습니다. 저는 LASSO 회귀와 기능 선택 기능을 읽고 "캐럿"패키지 및 "glmnet"을 사용하여 구현에 성공했습니다. 나는 최적으로 모델의 계수를 추출 할 수 있어요 …

12 multiple-regression  predictive-models  interpretation  regression-coefficients  lasso 

신경망과 딥 러닝 닷컴 자습서를 통해 신경망에 대해 배우기 시작했습니다. 특히 3 장 에는 교차 엔트로피 기능에 대한 섹션이 있으며 교차 엔트로피 손실을 다음과 같이 정의합니다. 씨= − 1엔∑엑스∑제이( y제이lnㅏ엘제이+ ( 1 − y제이) ln( 1 − a엘제이) )씨=−1엔∑엑스∑제이(와이제이ln⁡ㅏ제이엘+(1−와이제이)ln⁡(1−ㅏ제이엘))C = -\frac{1}{n} \sum\limits_x \sum\limits_j (y_j \ln a^L_j + (1-y_j) \ln (1 …

12 neural-networks  loss-functions  softmax  cross-entropy 

공분산 행렬 와 Y 가 있다고 가정합니다 . 이러한 옵션 중 공분산 행렬은 무엇입니까?엑스XX와이YY 엑스+ YX+YX+Y 엑스2X2X^2 엑스와이XYXY 공분산 행렬이되는 데 필요한 것이 무엇인지 이해하는 데 약간의 어려움이 있습니다. 예를 들어 이고 Y = cov ( Y 1 , Y 2 ) 인 경우 1을 유지하려면 해당 cov ( X …

12 covariance  covariance-matrix 

부트 스트랩을 사용하여 N = 250 개 기업 및 T = 50 개월 인 패널 데이터 세트의 추정 된 매개 변수에 대한 신뢰 구간을 추정하려고합니다. 파라미터의 추정은 칼만 필터링 및 복잡한 비선형 추정의 사용으로 인해 계산 비용이 많이 든다 (몇 일의 계산 일). 따라서 부트 스트랩을위한 기본 방법이더라도 원래 샘플에서 …

12 confidence-interval  bootstrap  nonlinear-regression  kalman-filter 

나는 최근 직장에서 월간 예측 작업을하고 Rob Hyndman의 책을 읽는 동안 내 예측 지식을 새로 고쳤지만, 어려움을 겪고있는 한 가지 장소는 지수 평활 모델과 ARIMA 모델을 사용할 때입니다. 한 방법론과 다른 방법론을 사용해야하는 경험이 있습니까? 또한 AIC를 사용하여 두 가지를 비교할 수 없으므로 RMSE, MAE 등으로 가야합니까? 현재 몇 가지를 …

12 forecasting  arima  exponential-smoothing 

나는 이것 과 관련된 질문을 할 것 입니다. xgboost에 대한 사용자 정의 손실 함수를 작성하는 예를 찾았 습니다 . loglossobj <- function(preds, dtrain) { # dtrain is the internal format of the training data # We extract the labels from the training data labels <- getinfo(dtrain, "label") # We compute …

12 r  machine-learning  gradient-descent  boosting  loss-functions