Si nous avons 2 variables aléatoires normales non corrélées X1,X2X1,X2X_1, X_2 nous pouvons créer 2 variables aléatoires corrélées avec la formule Y=ρX1+1−ρ2−−−−−√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 puis aura une corrélation ρ avec X 1 .YYYρρ\rhoX1X1X_1 Quelqu'un peut-il expliquer d'où...
Apparemment, le coefficient de corrélation de Pearson est paramétrique et le rho de Spearman n'est pas paramétrique. J'ai du mal à comprendre cela. Si je comprends bien, Pearson est calculé comme et Spearman est calculé de la même manière, sauf que nous substituons toutes les valeurs à leurs...
J'ai besoin de conseils concernant deux dilemmes principaux dans ma recherche, qui est une étude de cas de 3 grands produits pharmaceutiques et de l'innovation. Le nombre de brevets par an est la variable dépendante. Mes questions sont Quels sont les critères les plus importants pour un bon modèle?...
J'ai lu ce grand article de David Colquhoun: Une enquête sur le taux de fausses découvertes et la mauvaise interprétation des valeurs de p (2014). En substance, il explique pourquoi le taux de fausses découvertes (FDR) peut atteindre même si nous contrôlons l'erreur de type I avec...
J'ai lu cette déclaration sur un ancien vrai / faux examen: Nous pouvons obtenir plusieurs solutions optimales locales si nous résolvons un problème de régression linéaire en minimisant la somme des erreurs quadratiques en utilisant la descente de gradient. Solution: faux Ma question est, quelle...
J'ai un tracé des valeurs résiduelles d'un modèle linéaire en fonction des valeurs ajustées où l'hétéroscédasticité est très claire. Cependant, je ne sais pas comment je dois procéder maintenant, car pour autant que je sache, cette hétéroscédasticité rend mon modèle linéaire invalide. (Est-ce...
J'essaie d'adapter un modèle à l'aide des données de vent (0, 359) et de l'heure (0, 23), mais je crains qu'ils ne s'intègrent mal dans une régression linéaire car ce ne sont pas eux-mêmes des paramètres linéaires. Je voudrais les transformer en Python. J'ai vu une certaine mention du calcul d'un...
Je suis curieux de savoir à quel point le nœud de biais est important pour l'efficacité des réseaux neuronaux modernes. Je peux facilement comprendre que cela peut être important dans un réseau peu profond avec seulement quelques variables d'entrée. Cependant, les réseaux neuronaux modernes comme...
Voici le tracé de glmnet avec alpha par défaut (1, donc lasso) en utilisant mtcarsl'ensemble de données dans R avec mpgcomme DV et d'autres comme variables prédictives. glmnet(as.matrix(mtcars[-1]), mtcars[,1]) Que pouvons-nous conclure de ce graphique concernant différentes variables, en...
Question principalement théorique. Existe-t-il des exemples de distributions non normales dont les quatre premiers moments sont égaux à ceux de la normale? Pourraient-ils exister en
Si je fixe les valeurs des nœuds observés d'un MRF, devient-il un
Ce poste concerne un événement en évolution rapide. Je suis tombé sur une question de 2012 qui avait une très bonne discussion sur Julia comme alternative à R / Python pour différents types de travaux statistiques. Voici la question originale de 2012 sur la promesse de Julia Malheureusement, Julia...
Si j'ai bien compris, dans un algorithme d'apprentissage automatique, le modèle doit apprendre de son expérience, c'est-à-dire lorsque le modèle donne la mauvaise prédiction pour les nouveaux cas, il doit s'adapter aux nouvelles observations, et avec le temps, le modèle devient de mieux en mieux ....
J'ai un problème très simple mais je ne trouve pas le bon outil pour le résoudre. J'ai une séquence de vecteurs de même longueur. Maintenant, je voudrais former LSTM RNN sur un échantillon de train de ces séquences et ensuite le faire pour prédire une nouvelle séquence de vecteurs de longueur basée...
J'utilise la décomposition de Cholesky pour simuler des variables aléatoires corrélées étant donné une matrice de corrélation. Le fait est que le résultat ne reproduit jamais la structure de corrélation telle qu'elle est donnée. Voici un petit exemple en Python pour illustrer la situation. import...
Le paramètre de taux d'apprentissage ( ) dans Gradient Boosting réduit la contribution de chaque nouveau modèle de base - généralement un arbre peu profond - qui est ajouté dans la série. Il s'est avéré augmenter considérablement la précision de l'ensemble de test, ce qui est compréhensible car...
CrossValidated a plusieurs questions sur le moment et la manière d'appliquer la correction du biais des événements rares par King et Zeng (2001) . Je cherche quelque chose de différent: une démonstration minimale basée sur la simulation que le biais existe. En particulier, King et Zeng State "......
Je suis nouveau dans l'apprentissage automatique et je recherche des ensembles de données à travers lesquels je peux comparer et contraster les différences entre les différents algorithmes d'apprentissage automatique (Arbres de décision, Boosting, SVM et Réseaux de neurones) Où puis-je trouver de...
Pour moi, les statistiques Frequentist sont synonymes d'essayer de prendre des décisions qui sont bonnes pour tous les échantillons possibles. C'est-à-dire qu'une règle de décision fréquentiste devrait toujours essayer de minimiser le risque fréquentiste, qui dépend d'une fonction de perte et du...
Je me demande pourquoi skip-gram est meilleur pour les mots peu fréquents que CBOW dans word2vec. J'ai lu la réclamation sur https://code.google.com/p/word2vec/