J'essaie d'obtenir une compréhension intuitive du fonctionnement de l'analyse en composantes principales (ACP) dans l'espace (double) sujet . Considérons un ensemble de données 2D avec deux variables, et , et points de données (la matrice de données est et est supposée être centrée). La...
Je comprends les couches convolutionnelles et de mise en commun, mais je ne vois pas la raison d'une couche entièrement connectée dans les CNN. Pourquoi la couche précédente n'est-elle pas directement connectée à la couche de
Y a-t-il un mot qui signifie «l'inverse de la variance»? Autrement dit, si a une variance élevée, alors a de faibles ? Pas intéressé par un antonyme proche (comme «accord» ou «similitude») mais signifiant spécifiquement ?XXXXXX……\dots1 /
Quelqu'un peut-il expliquer les avantages et les inconvénients du clustering hiérarchique? Le clustering hiérarchique présente-t-il les mêmes inconvénients que K signifie? Quels sont les avantages du clustering hiérarchique par rapport à K signifie? Quand devrions-nous utiliser les moyennes de K...
Supposons que vous ayez une seule coupe transversale de données où les individus sont situés au sein de groupes (par exemple, les élèves dans les écoles) et que vous souhaitez estimer un modèle de la forme Y_i = a + B*X_ioù Xest un vecteur de caractéristiques de niveau individuel et aune constante....
Je construis un modèle VAR pour prévoir le prix d'un actif et je voudrais savoir si ma méthode est statistiquement solide, si les tests que j'ai inclus sont pertinents et si d'autres sont nécessaires pour assurer une prévision fiable basée sur mes variables d'entrée. Ci-dessous se trouve mon...
La régularisation peut-elle être utile si nous nous intéressons uniquement à l'estimation (et à l'interprétation) des paramètres du modèle, pas à la prévision ou à la prédiction? Je vois à quel point la régularisation / validation croisée est extrêmement utile si votre objectif est de faire de...
Donc dans une distribution normale, nous avons deux paramètres: la moyenne et la variance σ 2 . Dans le livre Pattern Recognition and Machine Learning , il apparaît tout à coup un hyperparamètre λ dans les termes de régularisation de la fonction d'erreur.μμ\muσ2σ2\sigma^2λλ\lambda Que sont les...
En essayant d'expliquer les analyses de grappes, il est courant que les gens comprennent mal le processus comme étant lié à la corrélation des variables. Une façon d'amener les gens à surmonter cette confusion est un complot comme celui-ci: Cela montre clairement la différence entre la question de...
Je viens de rejoindre en tant que membre du corps professoral dans un département de mathématiques. d'une institution réputée. J'enseignerai le cours Probabilités et Statistiques au premier cycle. L'établissement a déjà un programme pour ce cours dont je ne suis pas très satisfait. Dans ce...
Cela peut être une question simple pour beaucoup, mais la voici: Pourquoi la variance n'est-elle pas définie comme la différence entre chaque valeur se succédant au lieu de la différence par rapport à la moyenne des valeurs? Ce serait le choix le plus logique pour moi, je suppose que je supervise...
Quelle serait la meilleure façon d'échantillonner à partir de la distribution Cantor ? Il n'a que du cdf et nous ne pouvons pas
Le moignon de décision est un arbre de décision avec une seule division. Il peut également être écrit comme une fonction par morceaux. Par exemple, supposons que xxx est un vecteur, et x1x1x_1 est le premier composant de , dans le cadre de la régression, un moignon de décision peut êtrexxx...
J'essaie de construire un classificateur multi-étiquettes afin d'affecter des sujets aux documents existants à l'aide de scikit Je suis en train de traiter mes documents en les passant par les TfidfVectorizerétiquettes à travers le MultiLabelBinarizeret en créant un OneVsRestClassifieravec un...
J'ai un ensemble de données de 140000 exemples et 30 fonctionnalités pour lesquelles je forme plusieurs classificateurs pour une classification binaire (SVM, régression logistique, forêt aléatoire, etc.) Dans de nombreux cas, le réglage hyperparamétrique de l'ensemble de données à l'aide de la...
Premièrement, il donne la probabilité des résultats. Ainsi, par exemple, ses prédictions pour les élections américaines sont actuellement de 82% pour Clinton contre 18% pour Trump. Maintenant, même si Trump gagne, comment puis-je savoir que ce n'était pas seulement les 18% du temps qu'il aurait dû...
J'ai essayé de comprendre le concept d'échantillonnage négatif dans le contexte de word2vec. Je suis incapable de digérer l'idée d'un échantillonnage [négatif]. Par exemple, dans les articles de Mikolov, l'attente d'échantillonnage négative est formulée comme suit: Journalσ( ⟨ W , c ⟩ ) + k ⋅ EcN∼...
L'architecture d'AlexNet utilise des remplissages zéro comme le montre l'image: Cependant, il n'y a aucune explication dans le papier pourquoi ce remplissage est introduit. Le cours Standford CS 231n enseigne que nous utilisons le rembourrage pour préserver la taille spatiale: Je me demande si...
Que les coordonnées cartésiennes d'un point aléatoire soient sélectionnées st .x , yX,yx,y( x , y) ∼ U(−10,10)×U(−10,10)(x,y)∼U(−10,10)×U(−10,10)(x,y) \sim U(-10,10) \times U(-10,10) Ainsi, le rayon, , n'est pas uniformément distribué comme le le pdf de .ρ = x2+y2−−−−−−√ρ=x2+y2\rho = \sqrt{x^2 +...
Y a-t-il une différence entre «transfert d'apprentissage» et «adaptation de domaine»? Je ne connais pas le contexte, mais je crois comprendre que nous avons un ensemble de données 1 et que nous nous y entraînons, après quoi nous avons un autre ensemble de données 2 pour lequel nous voulons adapter...