পরিসংখ্যান এবং বড় তথ্য

পরিসংখ্যান, মেশিন লার্নিং, ডেটা বিশ্লেষণ, ডেটা মাইনিং এবং ডেটা ভিজ্যুয়ালাইজেশনে আগ্রহী ব্যক্তিদের জন্য প্রশ্নোত্তর

2
ম্যাটার্ন কোভেরিয়েন্স ফাংশনের যুক্তি কী?
ম্যাটর্ন কোভেরিয়েন্স ফাংশনটি সাধারণত গাউসিয়া প্রসেসে কার্নেল ফাংশন হিসাবে ব্যবহৃত হয়। এটি এর মতো সংজ্ঞায়িত করা হয়েছে Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} যেখানে দূরত্বে ফাংশন (যেমন ইউক্লিডিয় দূরত্ব হিসাবে) হয়, গামা ফাংশন, …

4
ম্যাজিক মানি গাছের সমস্যা
আমি ঝরনাটিতে এই সমস্যাটি ভেবেছিলাম, এটি বিনিয়োগের কৌশল দ্বারা অনুপ্রাণিত হয়েছিল। ধরা যাক একটি যাদু টাকার গাছ ছিল। প্রতিদিন, আপনি অর্থ গাছের জন্য প্রচুর পরিমাণে অর্থ অফার করতে পারেন এবং এটি এটি ত্রিগুণ করে দেবে, বা 50/50 সম্ভাব্যতা দিয়ে এটি ধ্বংস করবে। আপনি তাত্ক্ষণিকভাবে লক্ষ্য করুন যে এটি করে আপনি …


6
ডেটাসেটের নমুনায় হাইপারপ্যারামিটার টিউন করা কি খারাপ ধারণা?
আমার কাছে 140000 উদাহরণ এবং 30 টি বৈশিষ্ট্য রয়েছে যার জন্য আমি বাইনারি শ্রেণিবদ্ধকরণের জন্য বেশ কয়েকটি শ্রেণিবদ্ধকে প্রশিক্ষণ দিচ্ছি (এসভিএম, লজিস্টিক রিগ্রেশন, র্যান্ডম ফরেস্ট ইত্যাদি) অনেক ক্ষেত্রে গ্রিড বা র্যান্ডম অনুসন্ধান ব্যবহার করে পুরো ডেটাসেটে হাইপারপ্যারমিটার টিউন করা খুব ব্যয়বহুল time আমি নিম্নলিখিত কৌশলটি ব্যবহার শুরু করেছি সাব ডেটাবেস …

5
স্বজ্ঞা (জ্যামিতিক বা অন্যান্য) এর
বৈকল্পিকের প্রাথমিক পরিচয় বিবেচনা করুন: Var(X)===E[(X−E[X])2]...E[X2]−(E[X])2Var(X)=E[(X−E[X])2]=...=E[X2]−(E[X])2 \begin{eqnarray} Var(X) &=& E[(X - E[X])^2]\\ &=& ...\\ &=& E[X^2] - (E[X])^2 \end{eqnarray} এটি একটি কেন্দ্রীয় মুহুর্তকে অ-কেন্দ্রীয় মুহুর্তগুলিতে সংজ্ঞায়নের একটি সাধারণ বীজগণিত কারসাজি। এটি অন্যান্য প্রসঙ্গে সুবিধাজনক ম্যানিপুলেশনকে অনুমতি দেয় । এটি প্রথমে গড় গণনা করতে এবং তারপরে ভেরিয়েন্স গণনা করার জন্য দুটি …

2
ভিএআর পূর্বাভাস পদ্ধতি
আমি কোনও সম্পদের দাম সম্পর্কে পূর্বাভাস দেওয়ার জন্য একটি ভিআর মডেল তৈরি করছি এবং আমার পদ্ধতিটি পরিসংখ্যানগত দিক থেকে সঠিক কিনা, আমার অন্তর্ভুক্ত পরীক্ষাগুলি প্রাসঙ্গিক কিনা এবং আমার ইনপুট ভেরিয়েবলের ভিত্তিতে নির্ভরযোগ্য একটি পূর্বাভাস নিশ্চিত করার জন্য যদি আরও বেশি প্রয়োজন হয় তা জানতে চাই। নীচে গ্রেঞ্জার কার্যকারিতা পরীক্ষা করতে …
19 r  forecasting  modeling  var 

2
সিএনএন-তে সম্পূর্ণ সংযুক্ত স্তরগুলি কী করবে?
আমি কনভোলশনাল এবং পুলিং স্তরগুলি বুঝতে পারি, তবে সিএনএন-তে সম্পূর্ণ সংযুক্ত স্তরের কারণটি দেখতে পাচ্ছি না। কেন আগের স্তরটি আউটপুট স্তরের সাথে সরাসরি সংযুক্ত হয় না?

3
একটি মার্কভ র্যান্ডম ফিল্ড এবং শর্তসাপেক্ষ র্যান্ডম ফিল্ডের মধ্যে পার্থক্য কী?
আমি যদি একটি এমআরএফ এর পর্যবেক্ষণ নোডের মানগুলি স্থির করি তবে এটি কি সিআরএফ হয়ে যায়?

4
হেটেরোসেসটাস্টিটির সাথে মোকাবিলা করার সর্বোত্তম উপায়?
আমার কাছে লাগানো মানগুলির কার্যকারিতাতে লিনিয়ার মডেলের অবশিষ্টাংশের একটি প্লট রয়েছে যেখানে হিটারোসিসেস্টাস্টিটি খুব স্পষ্ট। তবে আমি কীভাবে এখন এগিয়ে যাব তা নিশ্চিত নই কারণ যতদূর আমি বুঝতে পেরেছি এটি আমার লিনিয়ার মডেলটিকে অবৈধ করে তুলেছে। (এটা কি সঠিক?) প্যাকেজটির rlm()ক্রিয়াকলাপটি ব্যবহার করে MASSদৃ line়তরৈখ্য রৈখিক ফিটিং ব্যবহার করুন কারণ …

3
যখন আমরা লিনিয়ার রিগ্রেশনটি সমাধান করি তখন কি একাধিক স্থানীয় সর্বোত্তম সমাধান হতে পারে?
আমি একটি পুরানো সত্য / মিথ্যা পরীক্ষায় এই বিবৃতিটি পড়েছি: গ্রেডিয়েন্ট ডেসেন্ট ব্যবহার করে স্কোয়ারড ত্রুটির যোগফলকে হ্রাস করে যদি আমরা লিনিয়ার রিগ্রেশন সমস্যার সমাধান করি তবে আমরা একাধিক স্থানীয় সর্বোত্তম সমাধান পেতে পারি। সমাধান: মিথ্যা আমার প্রশ্ন, এই প্রশ্নের কোন অংশটি ভুল? কেন এই বিবৃতি মিথ্যা?

1
ফিটের সদ্ব্যবহার এবং কোন মডেলকে লিনিয়ার রিগ্রেশন বা পোইসন বেছে নিতে হবে
আমার গবেষণায় দুটি প্রধান দ্বিধা সম্পর্কে আমার কিছু পরামর্শ দরকার, এটি 3 টি বড় ফার্মাসিউটিক্যালস এবং উদ্ভাবনের কেস স্টাডি। প্রতি বছর পেটেন্টের সংখ্যা নির্ভরশীল পরিবর্তনশীল। আমার প্রশ্নগুলি হয় একটি ভাল মডেল জন্য সবচেয়ে গুরুত্বপূর্ণ মানদণ্ড কি কি? আরও / কম গুরুত্বপূর্ণ কি? এটি কি বেশিরভাগ বা সমস্ত ভেরিয়েবলগুলি উল্লেখযোগ্য হবে? …

11
কেন লজিস্টিক রিগ্রেশনকে মেশিন লার্নিং অ্যালগরিদম বলা হয়?
যদি আমি সঠিকভাবে বুঝতে পারি, কোনও মেশিন লার্নিং অ্যালগরিদমটিতে, মডেলটিকে তার অভিজ্ঞতা থেকে শিখতে হবে, যখন মডেলটি নতুন ক্ষেত্রেগুলির জন্য ভুল ভবিষ্যদ্বাণী দেয়, অবশ্যই এটি নতুন পর্যবেক্ষণের সাথে খাপ খাইয়ে নিতে হবে এবং সময়ের সাথে সাথে, মডেলটি আরও উন্নততর হয়ে উঠবে । আমি দেখতে পাই না যে লজিস্টিক রিগ্রেশনটির এই …

5
এসভিএম বা নিউরাল নেটওয়ার্ক ব্যবহার করার সময় কীভাবে শ্রেণিবদ্ধ ভেরিয়েবলটিকে সংখ্যাসূচক ভেরিয়েবলের মধ্যে পুনরুদ্ধার করবেন
এসভিএম বা নিউরাল নেটওয়ার্ক ব্যবহারের জন্য এটি বিভাগীয় ভেরিয়েবলগুলিকে সংখ্যার ভেরিয়েবলগুলিতে রূপান্তর করতে হবে (এনকোড), এই ক্ষেত্রে সাধারণ পদ্ধতিটি 0-বাইনারি মানগুলি কে-থ্রি শ্রেণিবদ্ধ মানের (0,0, ..) রূপান্তরিত করে ব্যবহার করা হয় ।, 1,0, ... 0) (1 কে-থে অবস্থানে রয়েছে)। এটি করার জন্য কি অন্যান্য পদ্ধতি রয়েছে, বিশেষত যখন শ্রেণিবদ্ধ মানগুলির …

3
নমুনার আকার বৃদ্ধির সাথে কেন টি-বিতরণ আরও সাধারণ হয়ে যায়?
উইকিপিডিয়া অনুসারে, আমি বুঝতে পারি যে টি-বিতরণ হ'ল টি-মানের নমুনা বন্টন যখন নমুনাগুলি সাধারণভাবে বিতরণ করা জনগোষ্ঠীর আইড পর্যবেক্ষণ হয়। যাইহোক, আমি স্বজ্ঞাতভাবে বুঝতে পারি না যে এর কারণে কেন টি-বিতরণের আকারটি চর্বিযুক্ত লেজ থেকে প্রায় পুরোপুরি স্বাভাবিক হয়ে যায়। আমি পেয়েছি আপনি যদি কোনও সাধারণ বিতরণ থেকে নমুনা নিচ্ছেন …

2
স্ট্রাকচারাল সমীকরণ মডেল (এসইএম) বনাম বায়েশিয়ান নেটওয়ার্ক (বিএন)
এখানে পরিভাষা একটি জগাখিচুড়ি। "স্ট্রাকচারাল সমীকরণ" "আর্কিটেকচারাল সেতু" হিসাবে প্রায় অস্পষ্ট এবং "বায়েশিয়ান নেটওয়ার্ক" অন্তর্নিহিত বায়েশিয়ান নয় । আরও ভাল, গড-অফ-কার্যকারিতা জুডিয়া পার্ল বলেছেন যে দুটি স্কুল মডেল প্রায় অভিন্ন। সুতরাং, গুরুত্বপূর্ণ পার্থক্য কি? (আমার কাছে আশ্চর্যের বিষয়, এসইএম-এর উইকিপিডিয়া পৃষ্ঠাতে এমনকি এই লেখার মতো "নেটওয়ার্ক" শব্দটি অন্তর্ভুক্ত নেই))

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.