J'entends généralement parler de "moindres carrés ordinaires". Est-ce l'algorithme le plus largement utilisé pour la régression linéaire? Y a-t-il des raisons d'en utiliser un
Également connu sous le nom d'analyse numérique, Numerics vise à fournir des méthodes et des algorithmes pour les calculs numériques.
J'entends généralement parler de "moindres carrés ordinaires". Est-ce l'algorithme le plus largement utilisé pour la régression linéaire? Y a-t-il des raisons d'en utiliser un
J'étudie PCA du cours Coursera d'Andrew Ng et d'autres matériaux. Dans le premier devoir de Stanford NLP cs224n , et dans la vidéo de conférence d'Andrew Ng , ils font une décomposition en valeurs singulières au lieu de la décomposition en vecteur propre de la matrice de covariance, et Ng dit même...
Quelle est la meilleure façon de calculer la décomposition en valeurs singulières (SVD) d'une très grande matrice positive (65M x 3,4M) où les données sont extrêmement rares? Moins de 0,1% de la matrice n'est pas nul. J'ai besoin d'un moyen qui: s'inscrira dans la mémoire (je sais qu'il existe des...
J'observe un comportement très étrange dans le résultat SVD de données aléatoires, que je peux reproduire à la fois dans Matlab et R. Il ressemble à un problème numérique dans la bibliothèque LAPACK; est-ce? Je tire n=1000n=1000n=1000 échantillons de la gaussienne k=2k=2k=2 dimensionnelle avec une...
J'ai récemment lu le livre de Skillicorn sur les décompositions matricielles et j'ai été un peu déçu, car il était destiné à un public de premier cycle. Je voudrais compiler (pour moi et pour les autres) une courte bibliographie des articles essentiels (enquêtes, mais aussi des articles...
L'article de Wikipedia sur l' analyse des composants principaux indique que Il existe des algorithmes efficaces pour calculer la SVD de sans avoir à former la matrice , donc le calcul de la SVD est désormais le moyen standard de calculer une analyse des composants principaux à partir d'une matrice...
Supposons que j'ai une matrice dense de taille , avec décomposition SVDDans Je peux calculer la SVD comme suit: .AA \textbf{A}m×nm×nm \times nA=USV⊤.A=USV⊤.\mathbf{A}=\mathbf{USV}^\top.Rsvd(A) Si une nouvelle -ème ligne est ajoutée à , peut-on calculer la nouvelle décomposition SVD sur la base de...
Peut-être hors sujet ici, mais il existe déjà plusieurs ( une , deux ) questions liées. En fouillant dans la littérature (ou une recherche google pour les algorithmes SVD tronqués), on trouve beaucoup d'articles qui utilisent les SVD tronqués de diverses manières et prétendent (frustrant, souvent...
TL; DR: l' lme4optimisation semble être linéaire dans le nombre de paramètres du modèle par défaut, et est beaucoup plus lente qu'un glmmodèle équivalent avec des variables factices pour les groupes. Puis-je faire quelque chose pour l'accélérer? J'essaie d'adapter un modèle logit hiérarchique assez...
Fermé. Cette question est hors sujet . Il n'accepte pas actuellement de 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 . En attendant le prochain cours d'Andrew Ng sur Coursera, j'essaie de...
Je cherche à regrouper / fusionner des nœuds dans un graphique en utilisant le regroupement de graphiques dans «r». Voici une variation étonnamment jouet de mon problème. Il existe deux "clusters" Il existe un "pont" reliant les clusters Voici un réseau de candidats: Quand je regarde la distance de...
J'ai essayé d'implémenter une estimation numérique de la divergence de Kullback-Leibler pour deux échantillons. Pour déboguer l'implémentation, tirez les échantillons de deux distributions normales et .N ( 1 , 2 )N( 0 , 1 )N(0,1)\mathcal N (0,1)N( 1 , 2 )N(1,2)\mathcal N (1,2) Pour une estimation...
Motivation : j'écris un estimateur d'état dans MATLAB (le filtre de Kalman non parfumé), qui appelle à la mise à jour de la racine carrée (triangulaire supérieure) d'une matrice de covariance à chaque itération (c'est-à-dire pour une matrice de covariance , il est vrai que ). Pour que je puisse...
Supposons que j'ai une fonction telle que: f <- function(x){ exp(x) / (1 + exp(x)) } il est censé fonctionner pour toute valeur réelle de x, mais en fait, il renvoie NaN lorsque x est 710 ou plus. Je me demande quelle est la bonne façon de gérer ce problème. Je me rends compte qu'il est facile...
Le problème vient de la page 377-379 de ce document [0] . Étant donné une distribution continue et un fixe , considérons:FFFz∈ Rz∈Rz\in\mathbb{R} Lz( t ) =PF( | z- Z| ≤t)Lz(t)=PF(|z−Z|≤t)L_z(t)=P_F(|z-Z|\leq t) et H( z) =L- 1z( 0,5 ) =medZ∼ F| z-