পরিসংখ্যান এবং বড় তথ্য

আমি একটি স্থির প্রভাব (শর্ত) এবং দুটি এলোমেলো প্রভাব (বিষয় নকশা এবং জুটির মধ্যে অংশগ্রহণকারী) সহ একটি মিশ্র ইফেক্ট মডেল ব্যবহার করে একটি ডেটা সেট বিশ্লেষণ করছি। মডেল দিয়ে তৈরি করা হয়েছিল lme4প্যাকেজ: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)। এরপরে, আমি স্থির প্রভাব (শর্ত) ছাড়াই মডেলটির বিপরীতে এই মডেলের সম্ভাবনা অনুপাতের পরীক্ষা করেছি এবং একটি …

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 

আমার কাছে বিভিন্ন লাইব্রেরি থেকে দুটি ভিন্ন পদ্ধতি সম্পর্কে একটি প্রশ্ন রয়েছে যা মনে হয় একই কাজ করছে। আমি লিনিয়ার রিগ্রেশন মডেল তৈরি করার চেষ্টা করছি। আমি ওএলএস সহ স্ট্যাটাসমডেল লাইব্রেরিটি ব্যবহার করছি এমন কোডটি এখানে: 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 = …

16 regression  python  scikit-learn  statsmodels 

গামা এবং ওয়েবুল বিতরণের পিছনে অন্তর্দৃষ্টিগুলির মধ্যে পার্থক্য কী? দুটি ঘনত্বের মধ্যে কোনও সম্পর্ক আছে কি? দয়া করে সাহায্য করুন।

16 gamma-distribution  weibull 

একটি পূর্বাভাসযুক্ত ভেরিয়েবল (পি), একটি এলোমেলো প্রভাব (আর) এবং একটি নির্দিষ্ট প্রভাব (এফ) দেওয়া, কেউ দুটি * মিশ্র প্রভাবগুলির মডেল ( lme4 সিনট্যাক্স) ফিট করতে পারে : m1 = lmer( P ~ (1|R) + F ) m2 = lmer( P ~ (1+F|R) + F) আমি এটি বুঝতে পেরেছি যে, দ্বিতীয় …

16 mixed-model 

http://www.chioka.in/differences-between-l1-and-l2-as-loss-function-and-regularization/ আপনি যদি এই পোস্টের শীর্ষের দিকে তাকান তবে লেখক উল্লেখ করেছেন যে এল 2 আদর্শের একটি অনন্য সমাধান রয়েছে এবং এল 1 আদর্শের অনেকগুলি সমাধান রয়েছে। আমি এটি নিয়মিতকরণের ক্ষেত্রে বুঝতে পারি, তবে ক্ষতির ক্ষেত্রে এল 1 আদর্শ বা এল 2 আদর্শ ব্যবহারের ক্ষেত্রে নয়। যদি আপনি স্কেলার এক্স …

16 regression  lasso  regularization 

ReLU অ্যাক্টিভেশন ফাংশনটির ডেরাইভেটিভ কী হিসাবে সংজ্ঞায়িত হয়েছে: ReLU(x)=max(0,x)ReLU(x)=max(0,x) \mathrm{ReLU}(x) = \mathrm{max}(0, x) এ ফাংশনটিতে বিরতি রয়েছে এমন বিশেষ ক্ষেত্রে কী হবে ?x=0x=0x=0

16 self-study  neural-networks 

আমি ইয়োলো ভি 2 ক্ষতির ফাংশনটি বোঝার চেষ্টা করছি: λcoord∑i=0S2∑j=0B1objij[(xi−x^i)2+(yi−y^i)2]+λcoord∑i=0S2∑j=0B1objij[(wi−−√−w^i−−√)2+(hi−−√−h^i−−√)2]+∑i=0S2∑j=0B1objij(Ci−C^i)2+λnoobj∑i=0S2∑j=0B1noobjij(Ci−C^i)2+∑i=0S21obji∑c∈classes(pi(c)−p^i(c))2λcoord∑i=0S2∑j=0B1ijobj[(xi−x^i)2+(yi−y^i)2]+λcoord∑i=0S2∑j=0B1ijobj[(wi−w^i)2+(hi−h^i)2]+∑i=0S2∑j=0B1ijobj(Ci−C^i)2+λnoobj∑i=0S2∑j=0B1ijnoobj(Ci−C^i)2+∑i=0S21iobj∑c∈classes(pi(c)−p^i(c))2\begin{align} &\lambda_{coord} \sum_{i=0}^{S^2}\sum_{j=0}^B \mathbb{1}_{ij}^{obj}[(x_i-\hat{x}_i)^2 + (y_i-\hat{y}_i)^2 ] \\&+ \lambda_{coord} \sum_{i=0}^{S^2}\sum_{j=0}^B \mathbb{1}_{ij}^{obj}[(\sqrt{w_i}-\sqrt{\hat{w}_i})^2 +(\sqrt{h_i}-\sqrt{\hat{h}_i})^2 ]\\ &+ \sum_{i=0}^{S^2}\sum_{j=0}^B \mathbb{1}_{ij}^{obj}(C_i - \hat{C}_i)^2 + \lambda_{noobj}\sum_{i=0}^{S^2}\sum_{j=0}^B \mathbb{1}_{ij}^{noobj}(C_i - \hat{C}_i)^2 \\ &+ \sum_{i=0}^{S^2} \mathbb{1}_{i}^{obj}\sum_{c \in classes}(p_i(c) - \hat{p}_i(c))^2 \\ \end{align} যদি কোনও ব্যক্তি ফাংশনটি বিশদ করতে পারেন।

16 neural-networks  loss-functions  object-detection  yolo 

AUC-ROC এর মানগুলি 0-0.5 এর মধ্যে হতে পারে? মডেল কি কখনও 0 এবং 0.5 এর মধ্যে আউটপুট মান দেয়?

16 roc  model-evaluation  auc 

ক্রিস বিশপের প্যাটার্ন রিকগনিশন এবং মেশিন লার্নিং অনুসরণ করে এমন কোনও ভিডিও বা অন্যান্য বই / নোট রয়েছে যেগুলি কেউ এলো? আমি এই বইটি মেশিন লার্নিং শেখার জন্য কিনেছি এবং এটির মাধ্যমে পেতে কিছুটা সমস্যা হচ্ছে।

16 machine-learning  references  pattern-recognition 

ধরা যাক আমাদের একটি মডেল আছে 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 …

16 mixed-model  lme4-nlme  overfitting  singular 

যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: পি = সত্য ধনাত্মক / (সত্য ধনাত্মক + মিথ্যা ধনাত্মক) (সত্য ধনাত্মক + মিথ্যা ধনাত্মক) = 0 হলে নির্ভুলতার মান কত? এটি কি কেবল অপরিজ্ঞাত? প্রত্যাহার জন্য একই প্রশ্ন: আর = সত্য ধনাত্মক / (সত্য ধনাত্মক + মিথ্যা নেতিবাচক) এই ক্ষেত্রে, (সত্য ধনাত্মক + মিথ্যা …

16 precision-recall 

আমি iG) এসজিডি এবং ii) অ্যাডাম অপটিমাইজার ব্যবহার করে একটি নিউরাল নেটওয়ার্ক প্রশিক্ষণ দিচ্ছি। সাধারণ এসজিডি ব্যবহার করার সময়, আমি নীচে দেখানো হিসাবে পুনরুক্তি বক্রিয়া বনাম একটি মসৃণ প্রশিক্ষণ ক্ষতি পাই । যাইহোক, আমি যখন অ্যাডাম অপটিমাইজার ব্যবহার করেছি, প্রশিক্ষণ হ্রাস বক্ররেখা কিছু স্পাইক আছে। এই স্পাইকগুলির ব্যাখ্যা কী? মডেল …

16 neural-networks  deep-learning  adam 

কখনও কখনও আমি পাঠ্যপুস্তকগুলিকে সাধারণ বিতরণে দ্বিতীয় প্যারামিটারকে স্ট্যান্ডার্ড বিচ্যুতি এবং বৈকল্পিক হিসাবে উল্লেখ করেছি। উদাহরণস্বরূপ, এলোমেলো পরিবর্তনশীল এক্স ~ এন (0, 4)। এটি সিগমা বা সিগমা স্কোয়ারের সমান কিনা তা স্পষ্ট নয় I আমি কেবলমাত্র সাধারণ কনভেনশনটি অনুসন্ধান করতে চাই যা যখন প্রমিত বিচ্যুতি বা বৈকল্পিকতা অনির্দিষ্ট করা হয় …

15 distributions  normal-distribution 

শ্রেণিবদ্ধকারী, মডেল এবং অনুমানকারকের মধ্যে পার্থক্য কী? আমি যা বলতে পারি তা থেকে: একটি অনুমানকারী হ'ল রিগ্রেশন অ্যালগরিদম থেকে প্রাপ্ত ভবিষ্যদ্বাণী একটি শ্রেণিবদ্ধকারী একটি শ্রেণিবদ্ধকরণ অ্যালগরিদম থেকে পাওয়া ভবিষ্যদ্বাণী একটি মডেল উভয়ই অনুমানকারী বা শ্রেণিবদ্ধ হতে পারে তবে অনলাইনে তাকানো থেকে দেখা যাচ্ছে যে এই সংজ্ঞাগুলি আমার সাথে মিশে যেতে …

15 machine-learning 

এই সাইটে ইতিমধ্যে একই বিষয়ে কথা বলার একটি পোস্ট রয়েছে: সঙ্কুচিত কেন কাজ করে? তবে, উত্তরগুলি জনপ্রিয় হওয়া সত্ত্বেও, আমি বিশ্বাস করি না যে প্রশ্নের সূত্রটি সত্যই সম্বোধিত হয়েছে। এটি বেশ পরিষ্কার যে অনুমানের ক্ষেত্রে কিছু পক্ষপাতমূলক প্রবর্তন বৈচিত্র্য হ্রাস এনেছে এবং অনুমানের মানের উন্নতি করতে পারে। যাহোক: 1) পক্ষপাত …

15 regularization  ridge-regression  shrinkage