পরিসংখ্যান এবং বড় তথ্য

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

4
একটি লুকানো মার্কভ মডেল প্রশিক্ষণ, একাধিক প্রশিক্ষণের উদাহরণ
আমি এই টিউটোরিয়াল অনুসারে একটি পৃথক এইচএমএম বাস্তবায়ন করেছি http://cs229.stanford.edu/section/cs229-hmm.pdf এই টিউটোরিয়াল এবং অন্যান্যরা সবসময় এইচএমএমকে পর্যবেক্ষণের অনুক্রমের প্রশিক্ষণ দেওয়ার কথা বলে। আমার একাধিক প্রশিক্ষণের ক্রম হলে কী হবে? আমি কি কেবল তাদের ধারাবাহিকভাবে চালনা করব, অন্যের পরে মডেলটিকে প্রশিক্ষণ দেব? আরেকটি বিকল্প হ'ল একের সাথে ক্রমগুলি সংযুক্ত করা এবং …

2
গৌসিয়ানদের মিশ্রণটি কেন সরাসরি কম্পিউটারের তুলনায় কঠিন?
গাউসিয়ানদের মিশ্রণের লগ সম্ভাবনা বিবেচনা করুন: l(Sn;θ)=∑t=1nlogf(x(t)|θ)=∑t=1nlog{∑i=1kpif(x(t)|μ(i),σ2i)}l(Sn;θ)=∑t=1nlog⁡f(x(t)|θ)=∑t=1nlog⁡{∑i=1kpif(x(t)|μ(i),σi2)}l(S_n; \theta) = \sum^n_{t=1}\log f(x^{(t)}|\theta) = \sum^n_{t=1}\log\left\{\sum^k_{i=1}p_i f(x^{(t)}|\mu^{(i)}, \sigma^2_i)\right\} আমি ভাবছিলাম যে সরাসরি কেন এই সমীকরণটি সর্বাধিকতর করা গুনে মুশকিল? আমি কেন এটির স্পষ্ট হওয়া উচিত তার কঠোর বা সম্ভবত কেন এটি শক্ত তা সম্পর্কে আরও কঠোর ব্যাখ্যা করার বিষয়ে একটি স্পষ্ট কঠিন অন্তর্দৃষ্টি …

1
নির্দিষ্ট বৈকল্পিকতা সহ সাধারণ বিতরণের স্কোয়ার
সহ সাধারণত বিতরণ করা এলোমেলো পরিবর্তনশীল এর বর্গের বিতরণ কী ? আমি জানি একটি স্ট্যান্ডার্ড সাধারণ বিতরণ স্কোয়ার করার জন্য একটি বৈধ যুক্তি , তবে নন-ইউনিট বৈকল্পিকের ক্ষেত্রে কী হবে?এক্স2এক্স2X^2এক্স। এন( 0 , σ)2/ 4)এক্স~এন(0,σ2/4)X\sim N(0,\sigma^2/4)χ2( 1 ) = জেড2χ2(1)=জেড2\chi^2(1)=Z^2

9
রেফারেন্সের অনুরোধ: সাধারণ রৈখিক মডেলগুলি
আমি জেনারাইজড লিনিয়ার মডেলগুলিতে অন্তর্বর্তী স্তরের বইয়ের একটি পরিচিতির সন্ধান করছি। আদর্শভাবে, মডেলগুলির পিছনে তত্ত্ব ছাড়াও, আমি এটি প্রয়োগ করতে এবং উদাহরণগুলিতে আর বা অন্য প্রোগ্রামিং ভাষার অন্তর্ভুক্ত করতে চাই - শুনেছি এসএএসও একটি জনপ্রিয় পছন্দ। আমি নিজে থেকে এটি অধ্যয়ন করার ইচ্ছা করি এবং তাই এটি যদি তার নিজস্ব …

1
পিসিএতে "মূল উপাদান" ঠিক কী বলা হয়?
ধরুন হলেন ভেক্টর যা ডিজাইনের ম্যাট্রিক্স এক্সের সাহায্যে ডেটার অভিক্ষেপের বৈচিত্রকে সর্বাধিক করে তোলে ।uuuXএক্সX এখন, আমি এমন উপকরণ দেখেছি যেগুলি ডেটার (প্রথম) মূল উপাদান হিসাবে উল্লেখ করে, যা বৃহত্তম ইগেনুয়ালুও সহ ইগেনভেেক্টর।তোমার দর্শন লগ করাতোমার দর্শন লগ করাu তবে, আমি এটিও দেখেছি যে ডেটার মূল উপাদানটি হ'ল ।এক্সতোমার দর্শন …

3
কীভাবে একটি লজিস্টিক রিগ্রেশন এর সহগগুলির মান ত্রুটিগুলি গণনা করা যায়
আমি লজিস্টিক রিগ্রেশন প্রশিক্ষণ এবং পরীক্ষা করতে পাইথনের সাইকিট-লার্ন ব্যবহার করছি। সাইকিট-লার্ন স্বতন্ত্র ভেরিয়েবলগুলির রিগ্রেশন এর সহগগুলি প্রদান করে তবে এটি সহগের মানক ত্রুটি সরবরাহ করে না। প্রতিটি সহগের জন্য একটি ওয়াল্ড পরিসংখ্যান গণনা করতে আমার এই স্ট্যান্ডার্ড ত্রুটিগুলি দরকার এবং ঘুরে, এই সহগগুলি একে অপরের সাথে তুলনা করুন। আমি …

1
ক্লাস্টারিং অ্যালগরিদমগুলি যেগুলি স্পার্স ডেটা ম্যাট্রিক্সে বন্ধ হয় [বন্ধ]
বন্ধ থাকে। এই প্রশ্নটি অফ-টপিক । এটি বর্তমানে উত্তর গ্রহণ করছে না। এই প্রশ্নটি উন্নত করতে চান? প্রশ্নটি আপডেট করুন যাতে এটি ক্রস ভ্যালিডেটের জন্য অন-বিষয় । 5 বছর আগে বন্ধ । আমি ক্লাস্টারিং অ্যালগোরিদমগুলির একটি তালিকা সংকলন করার চেষ্টা করছি: আরে প্রয়োগ করা হয়েছে বিক্ষিপ্ত কাজ ডেটা ম্যাট্রিক্স যেমন …
18 r  clustering  sparse 

1
গাউসিয়ান আরবিএফ বনাম গাউসিয়ান কার্নেল
গাউসীয় রেডিয়াল বেসিস ফাংশন (আরবিএফ) এর সাথে লিনিয়ার রিগ্রেশন এবং গাউসিয়ান কার্নেলের সাথে লিনিয়ার রিগ্রেশন করার মধ্যে পার্থক্য কী?

9
চার্ট, ডায়াগ্রাম এবং প্লটের ধরণের একটি গ্যালারী
ডেটা উপস্থাপনা কৌশলগুলির একটি বিস্তৃত গ্যালারী হিসাবে আপনি কী সুপারিশ করবেন? এমন একটি উত্স যা আপনি নিজের ডেটা উপস্থাপনের আরও ভাল উপায় সম্পর্কে চিন্তাভাবনা করার সময় উল্লেখ করতে ব্যবহার করতে পারেন? আমি নিম্নলিখিতগুলি সনাক্ত করেছি, তবে আপনি যদি আপনার যুক্ত করতে পারেন তবে খুশি হবেন: অনলাইন গ্যালারী: http://www.mathworks.com/discovery/gallery.html http://www.idlcoyote.com/gallery/ https://developers.google.com/chart/interactive/docs/gallery?csw=1 …

2
পিসিএতে কম ভেরিয়েন্স উপাদানগুলি, তারা কি সত্যই কেবল শব্দ করছে? এটির জন্য পরীক্ষা করার কোনও উপায় আছে কি?
আমি সিদ্ধান্ত নেওয়ার চেষ্টা করছি যে কোনও পিসিএর উপাদান সংরক্ষণ করা হবে কিনা। এগেনভ্যালুটির परिमाणের উপর ভিত্তি করে একটি গাজিলিয়ন মাপদণ্ড রয়েছে, বর্ণিত এবং তুলনা করা যেমন এখানে বা এখানে । তবে, আমার আবেদনে আমি জানি যে বৃহত্তর (স্টাডেন্ট) ইগোনালুয়ের তুলনায় ছোট (এস্ট) ইগন্যালুও ছোট হবে এবং প্রস্থের উপর ভিত্তি …
18 pca 

1
মানোভা কীভাবে এলডিএর সাথে সম্পর্কিত?
বেশ কয়েকটি জায়গায় আমি দাবি দেখেছি যে মানোভা আনোভা প্লাস লিনিয়ার বৈষম্যমূলক বিশ্লেষণ (এলডিএ) এর মতো, তবে এটি সর্বদা একটি হাত-দোলানো ধরণের হয়ে থাকে। আমি এটি ঠিক বোঝাতে চাইছি তা জানতে চাই । আমি মানোভা গণনার সমস্ত বিবরণ বর্ণনা করে বিভিন্ন পাঠ্যপুস্তকগুলি পেয়েছি, তবে স্ট্যাটিস্টিশিয়ান নয় এমন কারও কাছে অ্যাক্সেসযোগ্য …

4
চিত্রের রেজোলিউশনের ভিত্তিতে বৈশিষ্ট্যগুলির সংখ্যা গণনা কিভাবে করবেন?
শুধু নিউরাল Netowrks এর অ্যান্ড্রু এনজি এর অ রৈখিক প্রস্তাব আচ্ছাদিত, এবং আমরা নির্ধারণের জন্য একটি মাল্টিপল চয়েস প্রশ্ন ছিল বৈশিষ্ট্য সংখ্যা রেজল্যুশন একটি চিত্রের জন্য 100x100 এর grescale তীব্রতাকে। এবং উত্তর ছিল 5 মিলিয়ন, x55510710710^7 তবে এর আগে 50 x 50 পিক্সেলের জন্য, ধূসর স্কেল চিত্র। বৈশিষ্ট্য সংখ্যা 50x50 …

1
নমুনা আকার গণনার জন্য বিনামূল্যে ইন্টারনেট বা ডাউনলোডযোগ্য সংস্থান
আজ আমি এই প্রশ্নটি লক্ষ্য করেছি , এবং আমি ভেবেছিলাম যে যদি আমাদের কাছে এমন একটি থ্রেড থাকে যা লোকেরা বিশ্লেষণ / নমুনা আকারের গণনার জন্য সহজেই অ্যাক্সেস করতে পারে এমন সংস্থানগুলি তালিকাভুক্ত করে, সম্ভবত এই থ্রেডের সাথে সাদৃশ্য রয়েছে: আর শেখার সংস্থানগুলি ।

1
ক্লাস্টার্ড স্ট্যান্ডার্ড ত্রুটি বনাম মাল্টিলেভেল মডেলিং?
আমি বেশ কয়েকটি বই (রাউডেনবুশ এবং ব্রিক, স্নিজ্ডার্স এবং বোকার, গেলম্যান অ্যান্ড হিল, ইত্যাদি) এবং বেশ কয়েকটি নিবন্ধ (গেলম্যান, জুসকো, প্রিমো এবং জ্যাকবস্মিয়র, ইত্যাদি) দিয়ে স্কিম করেছি এবং এখনও আমি আমার মাথাটি জড়িয়ে রাখিনি have ক্লাস্টার স্ট্যান্ডার্ড ত্রুটিগুলি আয়াতগুলি মাল্টিলেভেল মডেলিংয়ের মধ্যে প্রধান পার্থক্য। হাতে থাকা গবেষণার প্রশ্নে যে অংশগুলি …

1
শ্রেণিবদ্ধ বৈশিষ্ট্যগুলির সাথে কোনও এসভিএমের সাথে কীভাবে ডিল করবেন
আমার 35 টি মাত্রার (বৈশিষ্ট্য) স্থান রয়েছে। আমার বিশ্লেষণ সমস্যাটি একটি সাধারণ শ্রেণিবিন্যাস। 35 টি মাত্রার মধ্যে 25 টিরও বেশি শ্রেণিবদ্ধ এবং প্রতিটি বৈশিষ্ট্য 50+রও বেশি ধরণের মান গ্রহণ করে। সেই পরিস্থিতিতে, একটি ডামি ভেরিয়েবল প্রবর্তন করাও আমার পক্ষে কার্যকর হবে না। আমি কীভাবে একটি স্পেসে একটি এসভিএম চালাতে পারি …

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.