প্রশ্ন ট্যাগ «log-likelihood»

সবচেয়ে মেশিন লার্নিং কর্ম যেখানে আপনি কিছু সম্ভাবনা প্রণয়ন করতে পারেন যা বড় করা উচিত, আমরা আসলে লগ সম্ভাব্যতা নিখুত হবে কিছু প্যারামিটার সম্ভাব্যতার পরিবর্তে । যেমন সর্বোচ্চ সম্ভাবনা প্রশিক্ষণ, এটি সাধারণত লগ-সম্ভাবনা like কিছু গ্রেডিয়েন্ট পদ্ধতিতে এটি করার সময়, এটিতে একটি ফ্যাক্টর জড়িত:ppplogplog⁡p\log pθθ\theta ∂logp∂θ=1p⋅∂p∂θ∂log⁡p∂θ=1p⋅∂p∂θ \frac{\partial \log p}{\partial \theta} …

66 probability  optimization  log-likelihood 

আর-তে লজিস্টিক রিগ্রেশন সম্পর্কিত ক্রিস্টোফার ম্যানিংয়ের রচনাটি আর-তে একটি লজিস্টিক রিগ্রেশনটি দেখায়: ced.logr <- glm(ced.del ~ cat + follows + factor(class), family=binomial) কিছু আউটপুট: > summary(ced.logr) Call: glm(formula = ced.del ~ cat + follows + factor(class), family = binomial("logit")) Deviance Residuals: Min 1Q Median 3Q Max -3.24384 -1.34325 0.04954 1.01488 …

46 r  logistic  log-likelihood 

আমি পরিসংখ্যান এবং সম্ভাবনা তত্ত্বের লগ-সম্ভাবনার (এবং সম্ভবত আরও সাধারণভাবে লগ-সম্ভাবনা) সর্বব্যাপী গভীর স্তরে বুঝতে চেষ্টা করছি। লগ-সম্ভাবনাগুলি সমস্ত জায়গা জুড়ে থাকে: আমরা সাধারণত বিশ্লেষণের জন্য লগ-সম্ভাবনা নিয়ে কাজ করি (উদাহরণস্বরূপ সর্বাধিককরণের জন্য), ফিশার তথ্য লগ-সম্ভাবনার দ্বিতীয় ডেরাইভেটিভের ক্ষেত্রে সংজ্ঞায়িত করা হয়, এনট্রপি একটি প্রত্যাশিত লগ-সম্ভাবনা , কুলব্যাক-লেবলার ডাইভারজেন্সে লগ-সম্ভাবনা …

18 probability  bayesian  likelihood  log-likelihood 

জেনারেলাইজড লিনিয়ার মডেলটির আউটপুট অংশ হিসাবে, নাল এবং অবশিষ্টাংশ বিচ্যুতি মডেল মূল্যায়ন করতে ব্যবহৃত হয়। আমি প্রায়শই এই পরিমাণগুলির জন্য সূত্রগুলিকে স্যাচুরেটেড মডেলের লগ সম্ভাবনার শর্তে দেখি, উদাহরণস্বরূপ: /stats//a/113022/22199 , লজিস্টিক রিগ্রেশন: কীভাবে একটি স্যাচুরেটেড মডেল পাবেন? স্যাচুরেটেড মডেল, যতদূর আমি এটি বুঝতে পারি, এমন মডেল যা পর্যবেক্ষণ করা প্রতিক্রিয়াটিকে …

14 regression  generalized-linear-model  deviance  log-likelihood 

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