Statystyki i duże zbiory danych

2

Scikit poprawny sposób kalibracji klasyfikatorów za pomocą CalibratedClassifierCV

Scikit ma CalibratedClassifierCV , co pozwala nam skalibrować nasze modele na konkretnej parze X, y. Stwierdza to również jasnodata for fitting the classifier and for calibrating it must be disjoint. Jeśli muszą być rozłączne, czy uzasadnione jest przeszkolenie klasyfikatora w następujących kwestiach? model = CalibratedClassifierCV(my_classifier) model.fit(X_train, y_train) Obawiam się, że …

16 cross-validation scikit-learn validation train calibration

3

W jaki sposób `przewidywana.losowaLeśność` oszacowuje prawdopodobieństwa klasowe?

W jaki sposób randomForestpakiet szacuje prawdopodobieństwa klasowe, kiedy używam predict(model, data, type = "prob")? Użyłem rangerdo szkolenia losowych lasów, używając probability = Targumentu do przewidywania prawdopodobieństw. rangermówi w dokumentacji, że: Wyhoduj las prawdopodobieństwa, jak w Malley i in. (2012). Symulowałem niektóre dane, wypróbowałem oba pakiety i uzyskałem bardzo różne wyniki …

16 r random-forest prediction

1

Jakiej metody wielokrotnego porównania użyć w modelu Lmer: lsmeans czy glht?

Analizuję zestaw danych przy użyciu modelu efektów mieszanych z jednym ustalonym efektem (warunkiem) i dwoma efektami losowymi (uczestnik ze względu na projekt i parę wewnątrz przedmiotu). Model ten został wygenerowany z lme4pakietu: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Następnie wykonałem test współczynnika wiarygodności tego modelu względem modelu bez ustalonego efektu (warunku) i mam znaczącą różnicę. …

16 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

3

Różnica między statsmodel OLS a regresją liniową scikit

Mam pytanie dotyczące dwóch różnych metod z różnych bibliotek, które wydają się wykonywać tę samą pracę. Próbuję stworzyć model regresji liniowej. Oto kod, który używam biblioteki statsmodel z OLS: X_train, X_test, y_train, y_test = cross_validation.train_test_split(x, y, test_size=0.3, random_state=1) x_train = sm.add_constant(X_train) model = sm.OLS(y_train, x_train) results = model.fit() print "GFT …

16 regression python scikit-learn statsmodels

1

Dystrybucja Weibull v / s Dystrybucja gamma

Jaka jest różnica między intuicją stojącą za dystrybucjami Gamma i Weibulla? Czy istnieje związek między dwiema gęstościami? Uprzejma pomoc.

16 gamma-distribution weibull

3

Kiedy powinienem * nie * pozwolić, aby efekt stały zmieniał się na różnych poziomach efektu losowego w modelu efektów mieszanych?

Biorąc pod uwagę przewidywaną zmienną (P), efekt losowy (R) i efekt stały (F), można by dopasować dwa * modele efektów mieszanych ( składnia Lme4 ): m1 = lmer( P ~ (1|R) + F ) m2 = lmer( P ~ (1+F|R) + F) Jak rozumiem, drugim modelem jest ten, który pozwala, …

16 mixed-model

2

Dlaczego utrata normy L2 ma unikalne rozwiązanie, a utrata normy L1 ma prawdopodobnie wiele rozwiązań?

http://www.chioka.in/differences-between-l1-and-l2-as-loss-function-and-regularization/ Jeśli spojrzysz na górę tego postu, pisarz wspomina, że norma L2 ma unikalne rozwiązanie, a norma L1 ma prawdopodobnie wiele rozwiązań. Rozumiem to w kategoriach regularyzacji, ale nie w kategoriach użycia normy L1 lub normy L2 w funkcji straty. Jeśli spojrzysz na wykresy funkcji skalarnej x (x ^ 2 …

16 regression lasso regularization

1

Jaka jest pochodna funkcji aktywacji ReLU?

Jaka jest pochodna funkcji aktywacji ReLU zdefiniowana jako: ReLU(x)=max(0,x)ReLU(x)=max(0,x) \mathrm{ReLU}(x) = \mathrm{max}(0, x) Co ze szczególnym przypadkiem, w którym występuje nieciągłość funkcji przy ?x=0x=0x=0

16 self-study neural-networks

5

Objaśnienie funkcji utraty Yolo

Próbuję zrozumieć funkcję utraty Yolo v2: λc o o r d∑i = 0S.2)∑j = 0b1o b jI j[ ( xja- x^ja)2)+ ( yja- y^ja)2)]+ λc o o r d∑i = 0S.2)∑j = 0b1o b jI j[ ( wja--√- w^ja--√)2)+ ( godzja--√- h^ja--√)2)]+ ∑i = 0S.2)∑j = 0b1o b jI j( …

16 neural-networks loss-functions object-detection yolo

3

Czy AUC-ROC może wynosić od 0 do 0,5?

Czy wartości AUC-ROC mogą zawierać się w przedziale 0–0,5? Czy model generuje kiedykolwiek wartości od 0 do 0,5?

16 roc model-evaluation auc

2

Różnica pomiędzy wybór funkcji oparty na „F” i regresji na podstawie

Czy porównywanie cech przy użyciu F-regressiontego samego, co korelowanie elementów z etykietą indywidualnie i obserwowanie wartości ?R2)R2R^2 Często widziałem, jak moi koledzy używają F regressiondo wyboru funkcji w procesie uczenia maszynowego z sklearn: sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)` Proszę, proszę, powiedz mi - dlaczego daje takie same wyniki, jak skorelowanie go ze zmienną etykieta …

16 feature-selection python scikit-learn r-squared f-test

2

Radzenie sobie z pojedynczym dopasowaniem w modelach mieszanych

Powiedzmy, że mamy model mod <- Y ~ X*Condition + (X*Condition|subject) # Y = logit variable # X = continuous variable # Condition = values A and B, dummy coded; the design is repeated # so all participants go through both Conditions # subject = random effects for different subjects …

16 mixed-model lme4-nlme overfitting singular

3

Jakie są prawidłowe wartości precyzji i przywołania, gdy mianownik równa się 0?

Precyzja jest zdefiniowana jako: p = prawdziwe pozytywy / (prawdziwe pozytywy + fałszywe pozytywy) Jaka jest wartość precyzji, jeśli (pozytywne pozytywy + fałszywe pozytywy) = 0? Czy to po prostu niezdefiniowane? To samo pytanie do przypomnienia: r = prawdziwe pozytywy / (prawdziwe pozytywy + fałszywe negatywy) W takim przypadku jaka …

16 precision-recall

2

Wyjaśnienie skoków w utracie treningu vs. iteracje z Adamem Optimizerem

Uczę sieci neuronowej przy użyciu i) SGD i ii) Adam Optimizer. Korzystając z normalnego SGD, uzyskuję płynną krzywą utraty treningu w porównaniu z krzywą iteracji, jak pokazano poniżej (czerwona). Kiedy jednak użyłem Optymalizatora Adama, krzywa utraty treningu ma pewne skoki. Jakie jest wyjaśnienie tych skoków? Szczegóły modelu: 14 węzłów wejściowych …

16 neural-networks deep-learning adam

1

RNN: kiedy stosować BPTT i / lub aktualizować wagi?

Próbuję zrozumieć ogólne zastosowanie RNN do znakowania sekwencji za pomocą (między innymi) artykułu Gravesa z 2005 r. Na temat klasyfikacji fonemów. Podsumowując problem: Mamy duży zestaw szkoleniowy składający się z (wejściowych) plików audio z pojedynczych zdań i (wyjściowych) opatrzonych znakiem eksperckim czasów rozpoczęcia, czasów zatrzymania i etykiet dla poszczególnych fonemów …

16 lstm rnn