Dans le récent article WaveNet , les auteurs se réfèrent à leur modèle comme ayant des couches empilées de convolutions dilatées. Ils produisent également les graphiques suivants, expliquant la différence entre les convolutions «régulières» et les convolutions dilatées. Les convolutions régulières...
Dans les notes de cours de la semaine 3 du cours Coursera Machine Learning d' Andrew Ng , un terme est ajouté à la fonction de coût pour implémenter la régularisation: J+(θ)=J(θ)+λ2m∑j=1nθ2jJ+(θ)=J(θ)+λ2m∑j=1nθj2J^+(\theta) = J(\theta) + \frac{\lambda}{2m} \sum_{j=1}^n \theta_j^2 Les notes de cours...
J'ai une expérience antérieure avec la validation croisée `` normale '' pour le réglage de modèle et je suis légèrement confus par l'application dans les modèles de séries chronologiques. Je crois comprendre que pour les modèles de séries chronologiques, le corollaire de la validation croisée est...
Je lis un livre "Machine learning with Spark" de Nick Pentreath, et à la page 224-225 l'auteur discute de l'utilisation de K-means comme une forme de réduction de dimensionnalité. Je n'ai jamais vu ce type de réduction de dimensionnalité, a- t-il un nom ou / et est-il utile pour des formes...
Je suis tombé sur le terme inlier dans la mesure LOF (Local Outlier Factor), je connais bien le terme de valeurs aberrantes (enfin essentiellement des menteurs - des instances qui ne se comportent pas comme les autres instances). Que signifie «Inliers» dans le contexte de la détection d'anomalies?...
Supposons que nous ayons 3 variables aléatoires , et nous connaissons la distribution marginale par paire , mais nous ne savons rien d'autre (comme comme indépendance conditionnelle). Pouvons-nous obtenir la distribution conjointe ?X1, X2, X3X1,X2,X3X_1,X_2,X_3P(X1,X2) , P(X2,X3) ,...
Pour une variable aléatoire continue XXX , si E(|X|)E(|X|)E(|X|) est fini, est-ce que limn→∞nP(|X|>n)=0limn→∞nP(|X|>n)=0\lim_{n\to\infty}n P(|X|>n)=0 ? C'est un problème que j'ai trouvé sur Internet, mais je ne sais pas s'il tient ou non. Je sais que
Je travaille sur le papier Cho 2014 qui a introduit l'architecture codeur-décodeur pour la modélisation seq2seq. Dans l'article, ils semblent utiliser la probabilité de l'entrée donnée en sortie (ou sa probabilité de log négatif) comme fonction de perte pour une entrée de longueur et une sortie de...
Quel est le nom de l'opérateur qui prend un vecteur catégorique et le transforme en représentation binaire en utilisant un codage à chaud? Je me demande depuis que j'écris un article scientifique et j'ai besoin d'un nom propre pour
Le théorème de Pitman – Koopman – Darmois dit que si un échantillon iid d'une famille paramétrée de distributions de probabilité admet une statistique suffisante dont le nombre de composantes scalaires ne croît pas avec la taille de l'échantillon, alors c'est une famille exponentielle. Existe-t-il...
Une simplification fréquente de la modélisation et de la simulation consiste à remplacer une variable aléatoire par sa valeur moyenne. Quand cette simplification mènerait-elle à une mauvaise
Cette question a déjà une réponse ici : Comment seuiller la prédiction de probabilité multiclasse pour obtenir une matrice de confusion? (1 réponse) Fermé il y a 3 mois . Ce qui précède est un exemple très simple d'avoir une sortie de classificateur de probabilité pour un cas de classe binaire...
Au cours de la dernière année, j'ai beaucoup entendu parler des cadres de programmation probabiliste (PP) comme PyMC3 et Stan , et de la qualité de PP. Et aujourd'hui, quelqu'un a partagé ce lien avec moi: Pyro: un langage de programmation probabiliste profond Cependant, je ne suit pas vraiment ce...
Soit des variables aléatoires normales standard indépendantes. Il existe de nombreuses (longues) preuves, montrant queZ1,⋯,ZnZ1,⋯,ZnZ_1,\cdots,Z_n ∑i=1n(Zi−1n∑j=1nZj)2∼χ2n−1∑i=1n(Zi−1n∑j=1nZj)2∼χn−12 \sum_{i=1}^n \left(Z_i - \frac{1}{n}\sum_{j=1}^n Z_j \right)^2 \sim \chi^2_{n-1} De nombreuses...
Ceci est cité très souvent en mentionnant la malédiction de la dimensionnalité et va (formule de droite appelée contraste relatif) limré→ ∞var ( | | Xré| |kE[ | | Xré| |k]) =0,alors: Dmaxkré- Dminkréréminkré→ 0limré→∞var(||Xré||kE[||Xré||k])=0,alors:rémaxrék-réminrékréminrék→0 \lim_{d\rightarrow...
Les fonctionnalités de Fourier aléatoires fournissent des approximations des fonctions du noyau. Ils sont utilisés pour diverses méthodes du noyau, comme les SVM et les processus gaussiens. Aujourd'hui, j'ai essayé d'utiliser l' implémentation TensorFlow et j'ai obtenu des valeurs négatives pour la...
Je n'ai pas d'exemple ou de tâche spécifique en tête. Je suis juste nouveau sur l'utilisation des b-splines et je voulais mieux comprendre cette fonction dans le contexte de régression. Supposons que nous voulons évaluer la relation entre la variable de réponse et certains prédicteurs . Les...
Ce qui suit est une question sur les nombreuses visualisations offertes comme «preuve par l'image» de l'existence du paradoxe de Simpson, et peut-être une question sur la terminologie. Le Paradoxe de Simpson est un phénomène assez simple à décrire et à donner des exemples numériques (la raison pour...
Quand j'ai commencé à lire sur le filtre de Kalman, je pensais que c'était un cas particulier du modèle ARIMA (à savoir ARIMA (0,1,1)). Mais en réalité, il semble que la situation soit plus compliquée. Tout d'abord, ARIMA peut être utilisé pour la prédiction et le filtre de Kalman est pour le...
Mon ensemble de données ( ) a une variable dépendante (DV), cinq variables "de base" indépendantes (P1, P2, P3, P4, P5) et une variable indépendante d'intérêt (Q).N≈10,000N≈10,000N \approx 10,000 J'ai exécuté des régressions linéaires OLS pour les deux modèles suivants: DV ~ 1 + P1 + P2 + P3 + P4 +...