Récemment, j'ai récapitulé mes connaissances sur les séries temporelles et j'ai réalisé que l'apprentissage automatique ne donne généralement qu'une seule longueur d'avance. Par prévisions à un pas, j'entends des prévisions qui, par exemple, si nous avons des données horaires, utilisent les données...
Question : J'ai adapté un modèle probabiliste (réseau bayésien) pour modéliser une variable de résultat binaire. Je voudrais créer un tracé d'étalonnage haute résolution (par exemple spline) corrigé pour le sur-ajustement avec bootstrapping. Existe-t-il une procédure standard pour calculer une...
Je lis l'apprentissage en profondeur par Ian Goodfellow et al. Il introduit un biais car Bias(θ)=E(θ^)−θBias(θ)=E(θ^)−θBias(\theta)=E(\hat\theta)-\theta où et sont respectivement le paramètre estimé et le paramètre réel sous-jacent.θ^θ^\hat\thetaθθ\theta La cohérence, d'autre part, est définie par...
Je lis le Machine Learning pratique avec Scikit-Learn et TensorFlow: Concepts, outils et techniques pour construire des systèmes intelligents . Ensuite, je ne suis pas en mesure de comprendre la différence entre le vote dur et le vote doux dans le contexte des méthodes basées sur l'ensemble. J'en...
Un autoencodeur variationnel (VAE) fournit un moyen d'apprendre la distribution de probabilité reliant une entrée à sa représentation latente . En particulier, le codeur e mappe une entrée x à une distribution sur z . Un encodeur typique affichera des paramètres (\ mu, \ sigma) = e (x) ,...
On m'a appris que nous pouvons produire une estimation de paramètre sous la forme d'un intervalle de confiance après échantillonnage à partir d'une population. Par exemple, des intervalles de confiance à 95%, sans hypothèse non respectée, devraient avoir un taux de réussite de 95% pour contenir...
Soit un échantillon aléatoire de la distribution gamma .X1,...,XnX1,...,XnX_1,...,X_nGamma(α,β)Gamma(α,β)\mathrm{Gamma}\left(\alpha,\beta\right) Soit et la moyenne et la variance de l'échantillon.X¯X¯\bar{X}S2S2S^2 Ensuite, prouvez ou réfutez que et sont
Supposons que je nnn paramètres positifs pour estimer μ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_n et leur correspondant nnn estimations non biaisées produites par les estimateurs μ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n} , soit E[μ1^]=μ1E[μ1^]=μ1\mathrm...
Étant donné deux variables aléatoires hautement corrélées et Y , je voudrais limiter la probabilité que la différence | X - Y | dépasse un certain montant: P ( | X - Y | > K ) < δXXXYYY|X−Y||X−Y| |X - Y| P(|X−Y|>K)<δP(|X−Y|>K)<δ P( |X - Y| > K) < \delta Supposons pour plus de...
L'analyse des données bayésiennes (p. 64) dit, concernant un modèle normal : une densité a priori vague sensible pour μμ\mu et σσ\sigma, en supposant une indépendance préalable des paramètres de localisation et d'échelle, est uniforme sur ( μ , logσ)(μ,Journalσ)(\mu, \log \sigma), ou équivalent, p...
Ma question concerne la classification binaire, disons séparer les bons clients des mauvais clients, mais pas la régression ou la classification non binaire. Dans ce contexte, une forêt aléatoire est un ensemble d'arbres de classification. Pour chaque observation, chaque arbre vote «oui» ou «non»,...
Intro J'ai des participants qui touchent à plusieurs reprises des surfaces contaminées avec E. coli dans deux conditions ( A = porter des gants, B = pas de gants). Je veux savoir s'il y a une différence entre la quantité de bactéries au bout de leurs doigts avec et sans gants mais aussi entre le...
J'essaie donc de m'enseigner les réseaux de neurones (pour les applications de régression, pas pour classer les photos de chats). Mes premières expériences ont été la formation d'un réseau pour implémenter un filtre FIR et une transformée de Fourier discrète (formation sur les signaux "avant" et...
Je sais qu'il existe plus de deux types de normalisation. Par exemple, 1- Transformer les données en utilisant un z-score ou un t-score. Ceci est généralement appelé standardisation. 2- Redimensionner les données pour avoir des valeurs comprises entre 0 et 1. La question maintenant si j'ai besoin...
La fonction de densité de probabilité d'une distribution uniforme (continue) est indiquée ci-dessus. L'aire sous la courbe est 1 - ce qui est logique puisque la somme de toutes les probabilités dans une distribution de probabilité est 1. Formellement, la fonction de probabilité ci-dessus (f (x))...
Pour une variable aléatoire donnée (ou une population, ou un processus stochastique), l'attente mathématique est la réponse à une question Quelle prévision ponctuelle minimise la perte carrée attendue? . Aussi, c'est la solution optimale à un jeu Devinez la prochaine réalisation d'une variable...
Avec la régression OLS appliquée à la réponse continue, on peut construire l'équation de régression multiple en exécutant séquentiellement des régressions des résidus sur chaque covariable. Ma question est, existe-t-il un moyen de le faire avec la régression logistique via les résidus de régression...
Une fonction sous la forme a-t-elle un nom standard? Par exemple, est une fonction linéaire.eX/ (1+ eX)eX/(1+eX)e^x/(1+e^x)y= a + b xy=une+bXy = a +
Soit un espace de probabilité, et soit un vecteur aléatoire. Soit la distribution de , une mesure de Borel sur .( Ω , F, P)(Ω,F,P)(\Omega, \mathcal{F}, P)X: Ω →RnX:Ω→RnX : \Omega \to \mathbb{R}^nPX=X∗PPX=X∗PP_X = X_* PXXXRnRn\mathbb{R}^n La fonction caractéristique de est la fonction définie pour...
J'essaie de comprendre l'optimisation de la descente de gradient dans les algorithmes ML (machine learning). Je comprends qu'il ya une fonction où le coût l'objectif est de minimiser l'erreur y - y . Dans un scénario où les poids w 1 , w 2 sont optimisés pour donner l'erreur minimale et des...