Dans le livre Deep Learning d' Ian Goodfellow , il est écrit que Parfois, la fonction de perte dont nous nous soucions réellement (disons, erreur de classification) n'est pas celle qui peut être optimisée efficacement. Par exemple, la minimisation exacte de la perte 0-1 attendue est généralement...
Dans la détection compressée, il existe un théorème garantissant que a une solution clairsemée unique c (voir l'annexe pour plus de détails).argmin∥c∥1subject to y=Xcargmin‖c‖1subject to y=Xc\text{argmin} \Vert c \Vert_1\\ \text{subject to } y = Xc ccc Existe-t-il un théorème similaire pour le...
Dans un cas multivarié à valeur réelle, existe-t-il un moyen d'échantillonner uniformément les points de la surface où la distance de Mahalanobis à la moyenne de la est constante? EDIT: Cela se résume à des points d'échantillonnage uniformément à partir de la surface d'un hyper-ellipsoïde qui...
Dans un article récent, Norton et al. (2018) déclare que[ 1][1]^{[1]} Différents rapports de cotes de la même étude ne peuvent pas être comparés lorsque les modèles statistiques qui aboutissent à des estimations de rapports de cotes ont des variables explicatives différentes parce que chaque modèle...
À titre d'exemple d'application, envisagez de suivre deux propriétés des utilisateurs de Stack Overflow: la réputation et le nombre de vues de profil . On s'attend à ce que pour la plupart des utilisateurs, ces deux valeurs soient proportionnelles: les utilisateurs à haute réputation attirent plus...
Dans le "Livre de pourquoi" de Judea Pearl, il parle de ce qu'il appelle l'échelle de causalité, qui est essentiellement une hiérarchie composée de différents niveaux de raisonnement causal. Le plus bas concerne les modèles d'association dans les données observées (par exemple, corrélation,...
Quelle est la différence entre les paradigmes bayésiens objectifs et subjectifs? Quels objets ou procédures définissent-ils ou interprètent-ils différemment? Y a-t-il une différence dans leur choix de
J'ai le modèle y= xune× zb+ ey=xa×zb+e y=x^a \times z^b + e où est la variable dépendante, et sont des variables explicatives, et sont les paramètres et est un terme d'erreur. J'ai des estimations de paramètres de et et une matrice de covariance de ces estimations. Comment tester si et sont...
J'ai cette question: à votre avis, à quoi ressemble la répartition du temps passé par jour sur YouTube? Ma réponse est qu'elle est probablement distribuée normalement et très biaisée à gauche. Je m'attends à ce qu'il y ait un mode où la plupart des utilisateurs passent environ un certain temps...
Dans l'analyse bayésienne conjuguée de Kevin Murphy de la distribution gaussienne , il écrit que la distribution prédictive postérieure est p(x∣D)=∫p(x∣θ)p(θ∣D)dθp(x∣D)=∫p(x∣θ)p(θ∣D)dθ p(x \mid D) = \int p(x \mid \theta) p(\theta \mid D) d \theta où est les données sur lesquelles le modèle est...
J'ai monté mon modèle et j'essaie de comprendre si c'est bon. J'ai calculé les métriques recommandées pour l'évaluer ( R2R2R^2 / AUC / précision / erreur de prédiction / etc) mais je ne sais pas comment les interpréter. En bref, comment savoir si mon modèle est bon en fonction de la métrique? Est...
Je n'ai pas trouvé de définition de la fonction de perte sur wiki dans le contexte de l'apprentissage automatique. celui-ci est cependant moins formel, il est assez clair. À la base, une fonction de perte est incroyablement simple: c'est une méthode pour évaluer la façon dont votre algorithme...
Supposons que nous ayons un ensemble (mesurable et convenablement bien comporté) S⊆B⊂RnS⊆B⊂RnS\subseteq B\subset\mathbb R^n , où BBB est compact. De plus, supposons que nous puissions tirer des échantillons de la distribution uniforme sur BBB rapport à la mesure de Lebesgue λ(⋅)λ(⋅)\lambda(\cdot)...
Fermé . Cette question a besoin de détails ou de clarté . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Ajoutez des détails et clarifiez le problème en modifiant ce message . Fermé il y a 7 mois . C'est une question purement hypothétique. Une déclaration très...
Ma question est simple: qu'est-ce que l'estimation conjointe? Et qu'est-ce que cela signifie dans le contexte de l'analyse de régression? Comment est-il fait? J'ai erré dans le puissant Internet pendant un certain temps, mais je n'ai pas trouvé de réponses à ces
J'ai quatre modèles concurrents que j'utilise pour prédire une variable de résultat binaire (par exemple, le statut d'emploi après l'obtention du diplôme, 1 = employé, 0 = non employé) pour n sujets. Une mesure naturelle des performances du modèle est le taux de réussite, qui est le pourcentage de...
Je me suis penché sur les cadres théoriques pour la sélection des méthodes (note: pas la sélection des modèles) et j'ai trouvé très peu de travaux systématiques et motivés par des mathématiques. Par «sélection de méthode», j'entends un cadre permettant de distinguer la méthode appropriée (ou...
Le débogage des programmes MCMC est notoirement difficile. La difficulté survient en raison de plusieurs problèmes dont certains sont: a) Nature cyclique de l'algorithme Nous dessinons itérativement des paramètres conditionnels à tous les autres paramètres. Ainsi, si une implémentation ne...
J'ai deux méthodes analytiques différentes qui peuvent mesurer la concentration d'une molécule particulière dans une matrice (par exemple mesurer la quantité de sel dans l'eau) Les deux méthodes sont différentes et chacune a sa propre erreur. Les moyens permettant de montrer les deux méthodes sont...
Dans " Réseaux de croyances profondes convolutionnelles pour un apprentissage évolutif et non supervisé des représentations hiérarchiques " par Lee et. ( PDF ) Des DBN convolutifs sont proposés. La méthode est également évaluée pour la classification des images. Cela semble logique, car il existe...