পরিসংখ্যান এবং বড় তথ্য

আমি গভীর শিক্ষা দিয়ে শুরু করছি, এবং আমার একটি প্রশ্ন রয়েছে যার উত্তর আমি খুঁজে পাইনি, সম্ভবত আমি সঠিকভাবে অনুসন্ধান করিনি। আমি এই উত্তরটি দেখেছি , তবে ওজন ক্ষয় হ্রাস কী এবং কীভাবে এটি হ্রাস ফাংশনের সাথে সম্পর্কিত তা এখনও পরিষ্কার নয়।

11 neural-networks  conv-neural-network 

লিনিয়ার মিক্সড ইফেক্টস মডেলগুলি হ'ল গ্রুপগুলিতে সংগ্রহ করা ও সংক্ষিপ্তসার করা ডেটার জন্য লিনিয়ার রিগ্রেশন মডেলগুলির এক্সটেনশন। মূল সুবিধাটি হ'ল সহগ বা একাধিক গ্রুপ ভেরিয়েবলের ক্ষেত্রে পৃথক হতে পারে। তবে আমি মিশ্র ইফেক্ট মডেলটি কখন ব্যবহার করব তা নিয়ে লড়াই করছি ? আমি চরম ক্ষেত্রে একটি খেলনা উদাহরণ ব্যবহার করে …

11 regression  mixed-model  random-effects-model  linear 

প্রশ্নটি সফ্টওয়্যার-নির্দিষ্ট করে তোলার ঝুঁকিতে এবং এর সর্বব্যাপীতা এবং আইডিসিএনক্র্যাসির অজুহাতে, আমি biplot()আর এর কার্যকারিতা সম্পর্কে এবং বিশেষত এর ডিফল্ট, সুপারিম্পোজড রেড তীর সম্পর্কিত গণনা এবং পরিকল্পনা সম্পর্কে জিজ্ঞাসা করতে চাই want অন্তর্নিহিত চলকগুলিতে। [কয়েকটি মন্তব্যে বোঝার জন্য, প্রাথমিকভাবে পোস্ট করা প্লটগুলিতে খুব কম আগ্রহের সমস্যা ছিল এবং এখন তা …

11 r  pca  biplot 

সাধারণ লিনিয়ার মডেল: এক্স = α t + ϵটিএক্স=αটি+ +εটিx=\alpha t + \epsilon_t যেখানে ~ আইড এন ( 0 , σ 2 )εটিεটি\epsilon_tএন(0 , σ)2)এন(0,σ2)N(0,\sigma^2) সঙ্গে এবংV a r ( x ) = σ 2ই( x ) = α tই(এক্স)=αটিE(x) = \alpha tভীa r ( x ) = σ2ভীএকটিR(এক্স)=σ2Var(x)=\sigma^2 শিরোণামে …

11 regression  stochastic-processes  autoregressive  deterministic 

বলুন যে YYY হ'ল একটানা এলোমেলো পরিবর্তনশীল এবং XXX একটি বিচ্ছিন্ন। Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y)Pr(X=x|Y=y)=Pr(X=x)Pr(Y=y|X=x)Pr(Y=y) \Pr(X=x|Y=y) = \frac{\Pr(X=x)\Pr(Y=y|X=x)}{\Pr(Y=y)} যেমনটি আমরা জানি, Pr(Y=y)=0Pr(Y=y)=0\Pr(Y=y) = 0 কারণ YYY হল একটানা এলোমেলো পরিবর্তনশীল। এবং এর ভিত্তিতে, আমি এই সিদ্ধান্তে প্ররোচিত হয়েছি যে সম্ভাবনা Pr(X=x|Y=y)Pr(X=x|Y=y)\Pr(X=x|Y=y) । তবে উইকিপিডিয়া এখানে দাবি করেছে যে এটি প্রকৃতপক্ষে নিম্নলিখিত হিসাবে সংজ্ঞায়িত …

11 conditional-probability  pdf 

গণিত.স্ট্যাকেক্সেক্সচেঞ্জের একটি প্রশ্নের দ্বারা উত্সাহিত , এবং এটি উত্সর্গীয়ভাবে অনুসন্ধান করে আমি আইড র্যান্ডম ভেরিয়েবলগুলির যোগফলের বর্গমূলের নীচের বিবৃতিটি সম্পর্কে ভাবছি। ধরা যাক আইডি এলোমেলো ভেরিয়েবলের সাথে সীমাবদ্ধ নন-শূন্যের সাথে গড় μ এবং বৈকল্পিক σ 2 , এবং Y = n ∑ i = 1 এক্স i । কেন্দ্রীয় সীমাবদ্ধ …

11 normal-distribution  central-limit-theorem  sum 

mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

আমি দেখেছি যে সমস্ত আধুনিক সুপারিশকারী সিস্টেমে ম্যাট্রিক্স ফ্যাক্টেরাইজেশনের উপর নির্ভর করে, ব্যবহারকারী-চলচ্চিত্রের ম্যাট্রিক্সে একটি অ-নেতিবাচক ম্যাট্রিক্স ফ্যাক্টেরাইজেশন করা হয়। আমি বুঝতে পারি যে ব্যাখ্যাযোগ্যতার জন্য এবং / বা যদি আপনি বিরল কারণ চান তবে না-নেতিবাচকতা কেন গুরুত্বপূর্ণ। তবে যদি আপনি কেবল ভবিষ্যদ্বাণীমূলক পারফরম্যান্সের বিষয়ে চিন্তা করেন, যেমন নেটফ্লিক্স পুরষ্কার …

11 recommender-system  svd  matrix-decomposition  nnmf 

আমার কাছে শব্দের একটি তালিকা রয়েছে যা বিভিন্ন স্ব-সংজ্ঞায়িত বিভাগের অন্তর্ভুক্ত। প্রতিটি বিভাগের নিজস্ব প্যাটার্ন রয়েছে (উদাহরণস্বরূপ, একটি বিশেষ অক্ষরের সাথে একটি নির্দিষ্ট দৈর্ঘ্য থাকে, অন্য একটি অক্ষর উপস্থিত থাকে যা কেবলমাত্র "শব্দ", এই বিভাগে ঘটে ...)। উদাহরণ স্বরূপ: "ABC" -> type1 "ACC" -> type1 "a8 219" -> type2 "c …

11 machine-learning  classification  similarities  supervised-learning 

এলোমেলো পরিবর্তনশীল , এর গড় এবং প্রকরণটি কী ?জি = 1ওয়াই= ইএক্স পি ( λ )Y=Exp(λ)Y = Exp(\lambda)জি = 1ওয়াইG=1YG=\dfrac{1}{Y} আমি বিপরীত গামা বিতরণ দেখেছি, তবে গড় এবং ভিন্নতা কেবলমাত্র যথাক্রমে এবং জন্য সংজ্ঞায়িত করা হয়েছে ...α > 2α > ১α>1\alpha>1α > 2α>2\alpha>2

11 variance  mean  exponential 

ধরুন [ 0 , 2 π ]এক্সXX এ অভিন্নভাবে বিতরণ করা হয়েছে । যাক Y = sin এক্স এবং জেড = কোস এক্স । দেখান যে Y এবং Z এর মধ্যে পারস্পরিক সম্পর্ক শূন্য।[ 0 , 2 π][0,2π][0, 2\pi]ওয়াই= পাপএক্সY=sin⁡XY = \sin Xজেড= cosএক্সZ=cos⁡XZ = \cos XYYYZZZ মনে হচ্ছে সাইন …

11 correlation  variance  random-variable  expected-value 

আমি শব্দ এম্বেডিং খুব নতুন। আমি কীভাবে দস্তাবেজগুলি শেখার পরে নজর রাখছি তা কল্পনা করতে চাই ize আমি পড়েছি যে টি-এসএনই হ'ল এটি করার পন্থা। এম্বেডিংয়ের আকার হিসাবে 250 টি মাত্রা সহ আমার কাছে 100K ডকুমেন্ট রয়েছে। পাশাপাশি বেশ কয়েকটি প্যাকেজ উপলব্ধ রয়েছে। তবে, টি-এসএনই-র জন্য, আমি জানি না কতটা …

11 pca  dimensionality-reduction  word2vec  word-embeddings  tsne 

ঠিক আছে কিছু বিষয় নিয়ে কিছুটা আড়াল, যে কোনও সাহায্যের অনেক প্রশংসা হবে। লিনিয়ার রিগ্রেশন মডেলটি শর্তসাপেক্ষ প্রত্যাশার মাধ্যমে ভবিষ্যদ্বাণী করা আমার বোধগম্য E(Y|X)=b+Xb+eE(Y|X)=b+Xb+eE(Y|X)=b+Xb+e আমরা কি ধরে নিয়েছি যে এবং উভয়ই কিছু অজানা সম্ভাব্যতা বন্টনের সাথে র্যান্ডম ভেরিয়েবল? এটি আমার বুঝতে পেরেছিল যে কেবলমাত্র অবশিষ্টাংশ এবং আনুমানিক বিটা সহগগুলি এলোমেলো …

11 regression 

দুটি পৃথক বিতরণ এবং ক্রস এনট্রপি হিসাবে সংজ্ঞায়িত করা হয়pppqqq H(p,q)=−∑xp(x)logq(x).H(p,q)=−∑xp(x)log⁡q(x).H(p,q)=-\sum_x p(x)\log q(x). আমি ভাবছি কেন এটি দুটি সম্ভাব্য বন্টনের মধ্যে দূরত্বের একটি স্বজ্ঞাত মাপ হবে? আমি দেখতে পাচ্ছি যে এর এনট্রপি হয় , যা পরিমাপ করে "বিস্ময়" । হল এমন একটি পরিমাপ যা আংশিকভাবে দ্বারা দ্বারা প্রতিস্থাপন করে । …

11 probability  distributions  cross-entropy 

পিজি উপর পরিসংখ্যানগত শিক্ষার পরিচিতির 34 টি : \newcommand{\Var}{{\rm Var}} যদিও গাণিতিক প্রমাণ এই বইয়ের সুযোগ পরলোক হল, এটা দেখানোর জন্য যে প্রত্যাশিত পরীক্ষা MSE, একজন প্রদত্ত মান সম্ভব এক্স0x0x_0 : সবসময় তিনটি মৌলিক পরিমাণে এর সমষ্টি করা যায় পচে ভ্যারিয়েন্স এর চ^( এক্স0)f^(x0)\hat{f}(x_0) , স্কোয়ারড পক্ষপাত এর চ^( এক্স0)f^(x0)\hat{f}(x_0) …

11 machine-learning  variance