Je me sens vraiment stupide même de poser une question aussi fondamentale, mais voici: Si j'ai une variable aléatoire XXX qui peut prendre des valeurs 000 et , avec et , alors si j'en tire échantillons, j'obtiendrai une distribution binomiale.111P(X=1)=pP(X=1)=pP(X=1) = pP(X=0)=1−pP(X=0)=1−pP(X=0)...
Récemment, j'ai lu un article de Yann Dauphin et al. Identifier et attaquer le problème du point de selle dans l'optimisation non convexe de haute dimension , où ils introduisent un algorithme de descente intéressant appelé Saddle-Free Newton , qui semble être exactement adapté pour l'optimisation...
Quels problèmes d'entrée séquentielle conviennent le mieux à chacun? La dimensionnalité d'entrée détermine-t-elle celle qui correspond le mieux? Les problèmes qui nécessitent une "mémoire plus longue" sont-ils mieux adaptés à un LSTM RNN, alors que les problèmes de modèles d'entrée cycliques...
Fermé. Cette question est hors sujet . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé il y a 2 ans . Cette ligne renvoie les 4 premières lignes de la trame combinedde...
Je voulais savoir dans quelle mesure le machine learning doit être optimisé. D'après ce que j'ai entendu, les statistiques sont un sujet mathématique important pour les personnes travaillant avec l'apprentissage automatique. De même, est-il important pour une personne travaillant avec...
Mon employeur mène actuellement une enquête à l'échelle de l'entreprise sur les attitudes envers le bureau, à savoir Sentiment. Dans le passé, ils ont ouvert l'enquête à tous les domaines de l'entreprise (supposons 10 départements très différents) et à tous les employés en leur sein (supposons 1000...
Le classificateur Naive Bayes est le classificateur qui attribue les éléments à une classe fonction de la maximisation du postérieur pour l'appartenance à la classe, et suppose que les caractéristiques des éléments sont indépendantes.C P ( C | x )xxxCCCP(C|x)P(C|x)P(C|x) La perte 0-1 est la perte...
Quand les gens parlent de réseaux de neurones, que veulent-ils dire quand ils disent "taille du noyau"? Les noyaux sont des fonctions de similitude, mais qu'est-ce que cela dit sur la taille du
Je suis confus entre les deux termes «fonction de génération de probabilité» et «fonction de génération de moment». En quoi ces termes
Dans le livre "Limit Theorems of Probability Theory" de Valentin V. Petrov, j'ai vu une distinction entre les définitions d'une distribution "continue" et "absolument continue", qui est énoncée comme suit: (∗)(∗)(*) "... La distribution de la variable aléatoireXXX est dite continue...
Je passe par le cours DeepAI de Cousera (semaine 1 vidéo 1 "Présentation des réseaux de neurones") et Andrew Ng explique comment chaque couche d'un réseau de neurones n'est qu'une autre régression logistique, mais il n'explique pas comment cela rend les choses plus précises. Ainsi, dans un réseau à...
Je lisais cette question concernant la régression à grande échelle ( lien ) où whuber a souligné un point intéressant comme suit: "Presque tous les tests statistiques que vous exécutez seront si puissants qu'il est presque sûr d'identifier un effet" significatif ". Vous devez vous concentrer...
Nous avons affaire à la distribution lognormale dans un cours de finance et mon manuel indique simplement que c'est vrai, ce que je trouve un peu frustrant car mes antécédents en mathématiques ne sont pas très solides mais je veux l'intuition. Quelqu'un peut-il me montrer pourquoi c'est le...
Je ne sais pas si c'est le bon site de pile, mais voilà. Comment fonctionne la méthode .similiarity? Wow spaCy est super! Son modèle tfidf pourrait être plus simple, mais w2v avec une seule ligne de code?! Dans son didacticiel en 10 lignes sur spaCy andrazhribernik nous montre la méthode...
Douglas Bates déclare que les modèles suivants sont équivalents «si la matrice de variance-covariance pour les effets aléatoires à valeur vectorielle a une forme spéciale, appelée symétrie composée» ( diapositive 91 dans cette présentation ): m1 <- lmer(y ~ factor + (0 + factor|group), data) m2...
Dernièrement, j'ai dû lire plusieurs articles en économie (un domaine que je ne connais pas trop). Une chose que j'ai remarquée est que même lorsque la variable de réponse est binaire, les modèles de régression linéaire ajustés en utilisant OLS sont omniprésents. Ma question est donc: Pourquoi la...
Une mesure courante utilisée pour comparer deux modèles de classification ou plus consiste à utiliser l'aire sous la courbe ROC (AUC) comme moyen d'évaluer indirectement leur performance. Dans ce cas, un modèle avec une AUC plus grande est généralement interprété comme plus performant qu'un modèle...
J'utilise un script. C'est pour les enregistrements de base. J'ai un dataframe qui montre les différentes compositions élémentaires dans les colonnes sur une profondeur donnée (dans la première colonne). Je veux effectuer un PCA avec et je suis confus quant à la méthode de standardisation que je...
Pour autant que je le comprends, la norme de lot normalise toutes les caractéristiques d'entrée d'une couche à une distribution normale unitaire, . La moyenne et la variance μ , σ 2 sont estimées en mesurant leurs valeurs pour le mini-lot
Apprendre les statistiques bayésiennes pour la première fois; comme un angle vers la compréhension de MCMC, je me suis demandé: est-ce qu'il fait quelque chose qui ne peut fondamentalement pas être fait d'une autre manière, ou est-ce juste quelque chose de bien plus efficace que les alternatives? À...