প্রশ্ন ট্যাগ «intuition»

নমুনার আকার বৃদ্ধির সাথে কেন পি-মান এবং কে-পরীক্ষার পরিসংখ্যান হ্রাস পাবে? এই পাইথন কোডটিকে উদাহরণ হিসাবে ধরুন: import numpy as np from scipy.stats import norm, ks_2samp np.random.seed(0) for n in [10, 100, 1000, 10000, 100000, 1000000]: x = norm(0, 4).rvs(n) y = norm(0, 4.1).rvs(n) print ks_2samp(x, y) ফলাফলগুলি হ'ল: Ks_2sampResult(statistic=0.30000000000000004, …

12 python  p-value  goodness-of-fit  intuition  scipy 

আমার মতো অ-পরিসংখ্যানবিদদের জন্য, VIমেরিনা মেলিয়া " তুলনা ক্লাস্টারিংস - একটি তথ্য ভিত্তিক দূরত্ব " (মাল্টিভারিয়েট অ্যানালাইসিস, 2007 এর জার্নাল) দ্বারা প্রাসঙ্গিক কাগজ পড়ার পরেও মেট্রিকের (তথ্যের প্রকরণ) ধারণাটি ধারণ করা খুব কঠিন । আসলে, আমি সেখানে ক্লাস্টারিংয়ের অনেক শর্তের সাথে পরিচিত নই। নীচে একটি এমডব্লিউই রয়েছে এবং আমি জানতে …

11 r  clustering  validation  intuition 

আমি বর্তমানে Coursera.org এ অপারেশন ম্যানেজমেন্ট কোর্সে একটি পরিচিতির সাথে অংশ নিচ্ছি । কোর্সের এক পর্যায়ে, অধ্যাপক অপারেশনগুলির সময়ের বিভিন্নতার সাথে ডিল করতে শুরু করেছিলেন। তিনি যে পরিমাপটি ব্যবহার করেন তা হ'ল ভ্যারিয়েশনের সহগ , স্ট্যান্ডার্ড বিচ্যুতি এবং গড়ের মধ্যে অনুপাত: গবনাম= σμগবনাম=σμc_v = \frac{\sigma}{\mu} কেন এই পরিমাপ ব্যবহার করা …

11 standard-deviation  intuition  coefficient-of-variation 

"এ হায়ারারকিকাল উপস্থাপনা মাপযোগ্য তত্ত্বাবধান ছাড়াই শেখার জন্য Convolutional গভীর বিশ্বাস নেটওয়ার্ক লি এবং দ্বারা"। আল। ( পিডিএফ ) কনভলিউশনাল ডিবিএন এর প্রস্তাবিত এছাড়াও চিত্রটি শ্রেণিবদ্ধের জন্য পদ্ধতিটি মূল্যায়ন করা হয়। এটিকে যৌক্তিক মনে হচ্ছে, কারণ এখানে প্রাকৃতিক স্থানীয় চিত্র বৈশিষ্ট্য রয়েছে যেমন ছোট কোণ এবং প্রান্ত ইত্যাদি ইন " …

11 classification  unsupervised-learning  intuition  deep-belief-networks 

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 

পুনরাবৃত্ত নিউরাল নেটওয়ার্ক (আরএনএন) এর পিছনে ধারণাটি আমার কাছে স্পষ্ট। আমি এটি নিম্নলিখিত উপায়ে বুঝতে পারি: আমাদের পর্যবেক্ষণগুলির ক্রম রয়েছে ( ) (বা, অন্য কথায়, বহুবিধ সময় সিরিজ)। প্রতিটি একক পর্যবেক্ষণ- হ'ল একটি ডাইমেনশনাল সংখ্যাসূচক ভেক্টর। আরএনএন-মডেলের মধ্যে আমরা ধরে যে পরবর্তী পর্যবেক্ষণ previous পূর্ববর্তী পর্যবেক্ষণের একটি ফাংশন পাশাপাশি পূর্ববর্তী …

11 time-series  neural-networks  predictive-models  intuition  rnn 

লিনিয়ার রিগ্রেশন এ ডাব্লু এর বন্ধ ফর্ম হিসাবে লেখা যেতে পারে w^=(XTX)−1XTyw^=(XTX)−1XTy\hat{w}=(X^TX)^{-1}X^Ty কীভাবে আমরা এই সমীকরণে এর ভূমিকা স্বজ্ঞাতভাবে ব্যাখ্যা করতে (XTX)−1(XTX)−1(X^TX)^{-1}পারি?

10 regression  least-squares  matrix  intuition  matrix-inverse 

আমি পূর্ববর্তী গবেষণা থেকে জানি যে Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B)=Var(A)+Var(B)+2Cov(A,B)Var(A+B) = Var(A) + Var(B) + 2 Cov (A,B) তবে কেন তা বুঝতে পারছি না don't আমি দেখতে পাচ্ছি যে এ এবং বি কোভারি যখন উচ্চতর হয় তখন প্রভাবটি 'ধাক্কা' দিতে পারে to এটি উপলব্ধি করে যে আপনি দুটি অত্যন্ত সংযুক্ত ভেরিয়েবল থেকে একটি …

10 variance  covariance  intuition 

আমি প্রসেসিটি স্কোর ব্যবহার করে ওজন গণনা করার মেকানিকগুলি বুঝতে পারি : এবং তারপরে একটি রিগ্রেশন বিশ্লেষণে ওজন প্রয়োগ করা এবং এটি যে ওজনগুলি সরবরাহ করে "নিয়ন্ত্রণ করুন" বা চিকিত্সার ক্ষেত্রে কোভেরিয়েটসের প্রভাবগুলি পৃথক করে এবং ফলাফল পরিবর্তনশীল সহ গ্রুপ জনসংখ্যা নিয়ন্ত্রণ করে।w i , j = t r e …

10 intuition  weighted-regression  propensity-scores 

আমি দুটি নমুনার জন্য কুলব্যাক-লেবলার ডাইভারজেনের একটি সংখ্যার হিসাবটি প্রয়োগ করার চেষ্টা করেছি। প্রয়োগটি ডিবাগ করার জন্য দুটি সাধারণ বিতরণ থেকে নমুনাগুলি আঁকুন এবং ।এন ( 1 , 2 )এন( 0 , 1 )N(0,1)\mathcal N (0,1)এন( 1 , 2 )N(1,2)\mathcal N (1,2) একটি সাধারণ অনুমানের জন্য আমি দুটি হিস্টোগ্রাম উত্পন্ন …

10 estimation  intuition  kullback-leibler  numerics 

একটি সমস্যায় সেট করে আমি এই "লেমা" প্রমাণ করেছি, যার ফলাফল আমার কাছে স্বজ্ঞাত নয়। ZZZ হ'ল একটি সেন্সর করা মডেলের একটি সাধারণ বন্টন। আনুষ্ঠানিকভাবে, Z∗∼Norm(0,σ2)Z∗∼Norm(0,σ2)Z^* \sim Norm(0, \sigma^2) , এবং Z=max(Z∗,c)Z=max(Z∗,c)Z = max(Z^*, c) । তারপরে, E[Z|Z>c]=∫∞cziϕ(zi)dzi=12π−−√∫∞cziexp(−12z2i)dzi=12π−−√exp(−12c2) (Integration by substitution)=ϕ(c)E[Z|Z>c]=∫c∞ziϕ(zi)dzi=12π∫c∞ziexp(−12zi2)dzi=12πexp(−12c2) (Integration by substitution)=ϕ(c)\begin{align} E[Z|Z>c] &= \int_c^\infty z_i \phi({z_i})\mathrm{d}z_i \\ …

10 normal-distribution  pdf  intuition 

পাঠ্যপুস্তকে আমি পড়ছি তারা দুটি সমবায় ম্যাট্রিকের সাথে তুলনা করতে ইতিবাচক নির্দিষ্টতা (আধা-ধনাত্মক সুনির্দিষ্টতা) ব্যবহার করে। ধারণা করা হচ্ছে যে যদি তারপর PD হয় চেয়ে ছোট । কিন্তু আমি এই সম্পর্কের অন্তর্দৃষ্টি পেতে সংগ্রাম করছি?A−BA−BA-BBBBAAA এখানে একটি অনুরূপ থ্রেড রয়েছে: /math/239166/what-is-the-intuition-for-using-definiteness-to-compare-matrices ম্যাট্রিকের সাথে তুলনা করার জন্য সুনির্দিষ্টতা ব্যবহারের অন্তর্দৃষ্টি কী? …

10 covariance-matrix  matrix  intuition  linear-algebra  geometry 

অনুপাতের স্ট্যান্ডার্ড ত্রুটিটি কোনও প্রদত্ত এন এর পক্ষে সবচেয়ে বড় হতে পারে যখন প্রশ্নের অনুপাতটি 0.5 হয় এবং অনুপাতটি 0.5 থেকে আরও কম হয়ে যায়। আমি যখন অনুপাতের স্ট্যান্ডার্ড ত্রুটির জন্য সমীকরণটি দেখি তখন এটি কেন এমন হয় তা আমি দেখতে পাচ্ছি তবে আমি এটি আর ব্যাখ্যা করতে পারি না। …

10 standard-error  proportion  intuition 

বেশ কয়েকটি কাগল প্রতিযোগিতায় স্কোরিংটি "লগলস" এর উপর ভিত্তি করে ছিল। এটি শ্রেণিবিন্যাস ত্রুটির সাথে সম্পর্কিত। এখানে একটি প্রযুক্তিগত উত্তর কিন্তু আমি একটি স্বজ্ঞাত উত্তর খুঁজছি। মহালানোবিস দূরত্ব সম্পর্কে এই প্রশ্নের উত্তরগুলি আমি সত্যিই পছন্দ করেছি তবে পিসিএ লগলস নয়। আমি আমার শ্রেণিবদ্ধকরণ সফ্টওয়্যারটি যে মূল্য রেখেছি তা ব্যবহার করতে …

10 interpretation  intuition  loss-functions 

দয়া করে কেউ পেরেটো বিতরণ এবং কেন্দ্রীয় সীমাবদ্ধ তত্ত্বের মধ্যে সম্পর্কের একটি সহজ (সাধারণ ব্যক্তি) ব্যাখ্যা সরবরাহ করতে পারেন (উদাহরণস্বরূপ এটি প্রয়োগ হয়? কেন / কেন নয়?)? আমি নিম্নলিখিত বিবৃতিটি বোঝার চেষ্টা করছি: "কেন্দ্রীয় সীমাবদ্ধ উপপাদ্য প্রতিটি বিতরণের সাথে কাজ করে না This এটি একটি ছিনতাইয়ের কারণে ঘটে - নমুনা …

10 variance  central-limit-theorem  intuition  pareto-distribution  fat-tails