통계 및 빅 데이터

나는 강화 학습에 대해 스스로 가르치고 있으며 할인 보상의 개념을 이해하려고 노력하고 있습니다. 따라서 어떤 상태-행동 쌍이 좋고 어떤 것이 나쁜지를 시스템에 알리려면 보상이 필요합니다. 그러나 내가 이해하지 못하는 것은 할인 된 보상이 필요한 이유입니다. 좋은 상태에 도달하는 것이 나중에가 아니라 빨리 이루어지는 것이 왜 중요한가? 나는 이것이 특정한 경우에 …

43 machine-learning  reinforcement-learning 

나는 최근에이 정체성을 발견했다. 이자형[ E( Y| 엑스, Z) | 엑스] = E[ Y| 엑스]E[E(Y|X,Z)|X]=E[Y|X]E \left[ E \left(Y|X,Z \right) |X \right] =E \left[Y | X \right] 물론 그 규칙의 더 간단한 버전, 즉 익숙 이자형[ E( Y| 엑스) ] =E( Y)E[E(Y|X)]=E(Y)E \left[ E \left(Y|X \right) \right]=E \left(Y\right) 하지만 일반화에 대한 …

43 self-study  conditional-probability  conditional-expectation 

좋아, 이것은 밤에 나를 유지시키는 질문이다. 부트 스트랩 절차를 베이지안 부트 스트랩을 제외한 일부 베이지안 절차와 비슷하게 해석 할 수 있습니까? 나는 정말 통일되고 이해하기 쉬운 통계의 베이지안 "통역"을 정말 좋아합니다. 그러나 나는 또한 부트 스트랩 절차에 약점이있어 매우 간단하지만 많은 상황에서 합리적인 추론을 제공합니다. 부트 스트랩이 어떤 의미에서 사후 …

43 bayesian  bootstrap 

시계열과 관련하여 "이동 평균"을 읽을 때 또는0.5xt-1+0.3xt-2+0.2xt-3과 같은 가중 평균. (이것은 실제로 AR (3) 모델이라는 것을 알고 있지만 이것이 내 두뇌로 이동하는 것입니다.) MA (q) 모델이 왜 오류 용어 또는 "혁신"의 수식입니까? {ϵ}은 (는) 이동 평균과어떤 관계가있습니까? 나는 분명한 직관이 빠진 것 같습니다.( xt - 1+ xt - 2+ xt …

43 time-series  arima  terminology  moving-average 

내가 2 개의 결과를 가질 수있는 실험을 실행 중이고 2 개의 결과의 기본 "진정한"분포가 모수 엔nn 및 갖는 이항 분포라고 가정합니다 피pp. B i n o m i a l (n,p)Binomial(n,p){\rm Binomial}(n, p) . 표준 오류를 계산할 수 있습니다. 에스이자형엑스= σ엑스엔√SEX=σXnSE_X = \frac{\sigma_X}{\sqrt{n}} 의 변화의 형태로부터 B i n o …

43 binomial  standard-error 

데이터 마이닝을 처음 사용하고 있으며 불균형이 심한 데이터 세트에 대해 의사 결정 트리를 훈련하려고합니다. 그러나 예측 정확도가 좋지 않습니다. 데이터는 코스를 공부하는 학생들로 구성되며 클래스 변수는 취소됨 또는 현재의 두 값을 갖는 코스 상태입니다. 나이 민족 성별 코스 ... 코스 상태 데이터 세트에는 Withdrawn보다 Current 인 인스턴스가 더 많습니다. 철회 …

43 classification  cart  unbalanced-classes  accuracy 

Ridge, Lasso, ElasticNet과 같은 방법을 사용한 정규화는 선형 회귀에 매우 일반적입니다. 다음을 알고 싶었습니다.이 방법이 로지스틱 회귀에 적용 가능합니까? 그렇다면 로지스틱 회귀 분석에 사용해야하는 방식에 차이가 있습니까? 이러한 방법을 적용 할 수없는 경우 어떻게 로지스틱 회귀를 정규화합니까?

42 regression  logistic  regularization 

신경망에서 maxout 단위가 무엇인지 설명 할 수 있습니까? 그들은 어떻게 수행하고 기존 장치와 어떻게 다릅니 까? Goodfellow 등 의 2013 "Maxout Network" 논문 을 읽으려고했습니다 . (요슈아 벤 지오 교수의 그룹에서), 그러나 나는 그것을 얻지 못합니다.

42 machine-learning  neural-networks 

최대 우도 추정 (MLE)과 최소 제곱 추정 (LSE)의 주요 차이점은 무엇입니까? 선형 회귀 분석에서 값 을 예측하기 위해 MLE을 사용할 수없는 이유는 무엇 입니까?와이yy 이 주제에 대한 도움을 주시면 감사하겠습니다.

42 regression  estimation  maximum-likelihood  least-squares 

내 책에서 주로 "가우스 분포"를 사용하지만 누군가가 "정규 분포"로 전환하도록 제안했습니다. 초보자에게 사용할 용어에 대한 합의가 있습니까? 물론 두 용어는 동의어 이므로 이것은 물질에 대한 질문이 아니라 순전히 어떤 용어가 더 일반적으로 사용되는지의 문제입니다. 그리고 물론 두 용어를 모두 사용합니다. 그러나 어느 것을 주로 사용해야합니까?

42 normal-distribution  terminology 

결 측값을 처리하지 않는 이론적 이유는 무엇입니까? 그라디언트 부스팅 머신, 회귀 트리는 결 측값을 처리합니다. 왜 랜덤 포레스트는 그렇게하지 않습니까?

42 random-forest  missing-data  gbm 

현재 여러 회귀 분석으로 논문을 작성하고 있습니다. 일 변량 선형 회귀를 시각화하는 것은 산점도를 통해 쉽지만 여러 선형 회귀를 시각화하는 좋은 방법이 있는지 궁금합니다. 나는 현재 종속 변수 대 1 독립 변수, 2 대 독립 변수 등과 같은 산점도를 플롯하고 있습니다. 제안은 정말 감사하겠습니다.

42 regression  data-visualization  multiple-regression 

나는 각각의 부트 스트랩 샘플 (또는 자루에 넣어 나무) 평균 약 포함 할 것을 주장에 걸쳐 실행 한 2/32/32/3 관측을. 그럴 가능성은 어떤에서 선택되는 것을 이해 nnn 에서 그립니다 nnn 교체가와 샘플 (1−1/n)n(1−1/n)n(1- 1/n)^n 약에 밖으로 작동하는 1/31/31/3 선택하지의 기회. 이 공식은 항상 제공하는 이유에 대한 수학적 설명은 무엇입니까 ≈1/3≈1/3\approx …

42 bootstrap 

혼란 스러워요. ARMA와 GARCH 프로세스의 차이점을 이해하지 못합니다. 다음은 (G) ARCH (p, q) 프로세스입니다 σ2t=α0+∑i=1qαir2t−iARCH+∑i=1pβiσ2t−iGARCHσt2=α0+∑i=1qαirt−i2⏟ARCH+∑i=1pβiσt−i2⏟GARCH\sigma_t^2 = \underbrace{ \underbrace{ \alpha_0 + \sum_{i=1}^q \alpha_ir_{t-i}^2} _{ARCH} + \sum_{i=1}^p\beta_i\sigma_{t-i}^2} _{GARCH} 그리고 여기 ARMA ( )가 있습니다 :p,qp,qp, q Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i.Xt=c+εt+∑i=1pφiXt−i+∑i=1qθiεt−i. X_t = c + \varepsilon_t + \sum_{i=1}^p \varphi_i X_{t-i} + \sum_{i=1}^q \theta_i \varepsilon_{t-i}.\, ARMA는 단순히 …

42 arima  garch  finance 

내 질문은 널리 사용되는 방법, 즉 Taylor Series의 예상 가치를 취하는 방법을 정당화하려는 것입니다. 양의 평균 및 분산 인 임의의 변수 가 있다고 가정합니다 . 또한 와 같은 함수가 있습니다 .XXXμμ\muσ2σ2\sigma^2log(x)log⁡(x)\log(x) 평균 주위에서 확장하면 여기서 평소와 같이 는 st.logXlog⁡X\log XlogX=logμ+X−μμ−12(X−μ)2μ2+13(X−μ)3ξ3X,log⁡X=log⁡μ+X−μμ−12(X−μ)2μ2+13(X−μ)3ξX3, \log X = \log\mu + \frac{X - \mu}{\mu} - \frac12 …

42 self-study  mathematical-statistics  expected-value