통계 및 빅 데이터

이 자습서 에서 볼 수있는 교차 엔트로피 비용 함수를보고 있습니다 . C=−1n∑x[ylna+(1−y)ln(1−a)]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C = -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] 정확히 무엇을 요약합니까? 그것은 이상 물론, ,하지만 와 변경되지 않습니다 . 의 모든 의는 하나에 입력입니다 . 는 방정식 위의 단락에서 모든 와 의 합의 함수로 정의되기도합니다 . xxxyyyaaaxxxxxxaaaaaawwwxxx 또한 은이 특정 …

11 neural-networks  error-propagation 

내 질문은 포아송 회귀와 GLM에 대한 전반적인 이해가 부족하다는 것을 보여줍니다. 내 질문을 설명하기 위해 가짜 데이터가 있습니다. ### some fake data x=c(1:14) y=c(0, 1, 2, 3, 1, 4, 9, 18, 23, 31, 20, 25, 37, 45) psuedo-R2를 리턴하는 일부 사용자 정의 함수 : ### functions of pseudo-R2 psuR2 <- …

11 generalized-linear-model  poisson-distribution 

역 전파를 사용하여 SVM을 훈련시킬 수 있는지 (예를 들어 선형적인 것을 만들 수 있는지) 궁금합니다. 현재 분류기의 출력 을 f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b))f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b)) f(\mathbf{x};\theta,b) = \text{sgn}(\theta\cdot\mathbf{x} - (b+1)) = \text{sgn}(g(\mathbf{x};\theta,b)) 따라서 "역방향 패스"(전파 된 오류)를 계산하려고하면 보낸 유도체 는 ∂E∂x=∂E∂f(x;θ,b)∂f(x;θ,b)x=∂E∂f(x;θ,b)∂sgn(g(x;θ,b))∂g(x;θ,b)∂g(x;θ,b)∂x=δdsgn(z)dzθ=δ⋅0⋅θ=0∂E∂x=∂E∂f(x;θ,b)∂f(x;θ,b)x=∂E∂f(x;θ,b)∂sgn(g(x;θ,b))∂g(x;θ,b)∂g(x;θ,b)∂x=δdsgn(z)dzθ=δ⋅0⋅θ=0 \begin{align} \frac{\partial E}{\partial \mathbf{x}} &= \frac{\partial E}{\partial f(\mathbf{x};\theta,b)} \frac{\partial f(\mathbf{x};\theta,b)}{\mathbf{x}} \\ &= \frac{\partial …

11 machine-learning  neural-networks  svm  gradient-descent  backpropagation 

Type I 오른쪽 검열 된 관측치를 포함하는 n Weibull 분포 수명의 표본을 어떻게 시뮬레이션 할 수 있는지 궁금합니다. 예를 들어, n = 3, 모양 = 3, 스케일 = 1 및 검열 속도 = .15, 검열 시간 = .88로 설정합니다. Weibull 샘플을 생성하는 방법은 알고 있지만 R에서 오른쪽으로 검열 된 유형의 …

11 r  survival  simulation  random-generation 

이것은 scikit GradientBoosting의 이항 이탈 손실 함수입니다. def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() * …

11 machine-learning  scikit-learn  boosting  loss-functions 

신경망 (NNs)은 특정 가정 (네트워크 및 근사 함수)에서 함수 및 그 파생어에 대한 보편적 근사기로 간주 될 수 있음을 이해합니다. 사실, 단순하지만 사소한 함수 (예 : 다항식)에 대해 여러 가지 테스트를 수행했으며 실제로 함수와 첫 번째 미분을 대략적으로 근사 할 수있는 것 같습니다 (예는 아래에 표시됨). 그러나 나에게 분명하지 않은 …

11 machine-learning  neural-networks  function  derivative 

20 개의 속성을 기반으로 사례 (TRUE / FALSE)를 분류하도록 SVM을 훈련하고 싶습니다. 이러한 속성 중 일부는 서로 밀접한 관련이 있다는 것을 알고 있습니다. 따라서 내 질문은 SVM이 기능 간의 상관 관계 또는 중복성에 민감합니까? 어떤 참조?

11 svm  multicollinearity  kernel-trick 

일부 EDA를 수행하는 동안 요인의 두 수준 간 차이를 설명하기 위해 상자 그림을 사용하기로 결정했습니다. ggplot 이 박스 플롯을 렌더링하는 방식 은 만족 스럽지만 약간 단순합니다 (아래의 첫 번째 플롯). 박스 플롯의 특성을 연구하는 동안 노치를 실험하기 시작했습니다. 나는 노치가 중앙값 주위에 CI를 표시한다는 것을 이해하고 두 상자의 노치가 겹치지 …

11 data-visualization  ggplot2  eda 

Markov 체인은 나에게 의미가 있습니다. 실제 문제에서 확률 상태 변화를 모델링하는 데 사용할 수 있습니다. 그런 다음 HMM이 온다. HMM은 MC보다 많은 문제를 모델링하는 데 더 적합하다고합니다. 그러나 사람들이 언급 한 문제는 음성 처리와 같이 이해하기가 다소 복잡합니다. 내 질문은 HMM이 MC보다 더 적합한 "실제적이고 간단한"문제를 설명 할 수 있습니까? …

11 hidden-markov-model 

신경망으로 오토 인코더를 구현할 때 대부분의 사람들은 활성화 기능으로 시그 모이 드를 사용합니다. 대신 ReLU를 사용할 수 있습니까? ReLU에는 상한에 대한 제한이 없으므로 기본적으로 시그 모이 드를 사용할 때 자동 인코더에 대한 제한된 기준과 달리 입력 이미지의 픽셀 수가 1보다 클 수 있습니다.

11 machine-learning  neural-networks  deep-learning  autoencoders 

stl (Loess의 시계열의 계절 분해) 함수를 사용하여 다음 코드를 사용하여 플롯했습니다. plot(stl(ts(rnorm(144), frequency=12), s.window="periodic")) 위의 코드에 임의 데이터를 넣은 계절적 변동 (rnorm 함수)을 보여줍니다. 패턴이 다르더라도 실행 시마다 중대한 변형이 나타납니다. 이러한 두 가지 패턴은 다음과 같습니다. 계절 변동이있을 때 일부 데이터에 stl 함수를 사용하는 방법 이 계절 변동은 다른 …

11 time-series  seasonality  loess 

경우 β∗=argminβ∥y−Xβ∥22+λ∥β∥1β∗=argminβ‖y−Xβ‖22+λ‖β‖1\beta^*=\mathrm{arg\,min}_{\beta} \|y-X\beta\|^2_2+\lambda\|\beta\|_1 , 수 ∥β∗∥2‖β∗‖2\|\beta^*\|_2 증가 때 λλ\lambda 증가? 나는 이것이 가능하다고 생각합니다. 하지만 ∥β∗∥1‖β∗‖1\|\beta^*\|_1 증가하지 않을 때 λλ\lambda 증가 (내 증거 ) ∥β∗∥2‖β∗‖2\|\beta^*\|_2 증가시킬 수있다. 아래 그림은 가능성을 보여줍니다. λλ\lambda 증가 할 때 \ β∗β∗\beta^* 가 PPP 에서 Q로 선형으로 이동 QQQ하면 ∥β∗∥2‖β∗‖2\|\beta^*\|_2 증가하고 ∥β∗∥1‖β∗‖1\|\beta^*\|_1 감소합니다. 그러나 \ …

11 lasso 

4 열의 값을 포함하는 데이터 프레임이 있습니다. 예를 들면 : ID, price, click count,rating 내가하고 싶은 것은이 데이터 프레임을 N 개의 다른 그룹으로 "분할"하는 것입니다. 각 그룹은 동일한 가격, 클릭 수 및 등급 속성 분포를 가진 동일한 수의 행을 갖습니다. 이 문제를 해결하는 방법에 대한 약간의 아이디어가 없으므로 조언을 부탁드립니다!

11 r  distributions 

닫힌 형태의 제곱 정규 CDF의 기대치를 어떻게 평가할 수 있습니까? E[Φ(aZ+b)2]=∫∞−∞Φ(az+b)2ϕ(z)dzE[Φ(aZ+b)2]=∫−∞∞Φ(az+b)2ϕ(z)dz\mathbb{E}\left[\Phi\left(aZ+b\right)^{2}\right] = \int_{-\infty}^{\infty}\Phi\left(az+b\right)^{2}\phi(z)\,dz 여기서 , 는 실수이고 이고 및 는 표준 정규 확률 변수의 밀도 및 분포 함수입니다. 각기.aaabbbZ∼N(0,1)Z∼N(0,1)Z\sim\mathcal{N}(0,1)ϕ(⋅)ϕ(⋅)\phi(\cdot)Φ(⋅)Φ(⋅)\Phi(\cdot)

11 mathematical-statistics 

나는 거짓 긍정을 갖지 않는 것이 훨씬 더 중요한 이진 분류 문제를 연구하고 있습니다. 많은 거짓 부정이 괜찮습니다. 예를 들어 sklearn에서 많은 분류기를 사용했지만 그중 어느 것도 정밀 리콜 트레이드 오프를 명시 적으로 조정할 수있는 능력이 없다고 생각합니다 (그들은 꽤 좋은 결과를 얻지 만 조정할 수는 없습니다). 조정 가능한 정밀도 …

11 classification  precision-recall