প্রশ্ন ট্যাগ «shrinkage»

আমি লাসোর একটি প্রযুক্তিগত সংজ্ঞা এবং এটির জন্য কী ব্যবহার করা হচ্ছে তা সন্ধান করছি।

81 regression  lasso  regularization  shrinkage 

নিম্নলিখিত তিনটি ঘটনা বিবেচনা করুন। স্টেইনের প্যারাডক্স: tiv মাল্টিভারিয়েট স্বাভাবিক বিতরণ থেকে কিছু তথ্য দেওয়া হয়েছে , নমুনা গড়টি সত্যিকার গড়ের খুব ভাল অনুমানকারী নয়। যদি কেউ নমুনার সমস্ত স্থানাঙ্কটি শূন্যের দিকে [বা তাদের গড়ের দিকে, বা আসলে কোনও মানের দিকে, যদি আমি সঠিকভাবে বুঝতে পারি] সঙ্কুচিত হয় তবে নিম্নতর …

64 regression  mixed-model  ridge-regression  shrinkage  steins-phenomenon 

ছুটির মরসুমটি আমাকে এলিমেটিকাল লার্নিংয়ের সাথে আগুনের পাশে কুঁকানোর সুযোগ দিয়েছে । একটি (ঘন ঘনবাদী) একনোমেট্রিক্সের দৃষ্টিকোণ থেকে আসা, রিজ রিগ্রেশন, লাসো এবং কমপক্ষে অ্যাঙ্গেল রিগ্রেশন (এলএআর) এর মতো সঙ্কুচিত পদ্ধতির ব্যবহার উপলব্ধিতে আমার সমস্যা হচ্ছে। সাধারণত, আমি নিজেরাই প্যারামিটারের অনুমানগুলিতে এবং নিরপেক্ষতা বা কমপক্ষে ধারাবাহিকতা অর্জনে আগ্রহী। সঙ্কুচিত পদ্ধতিগুলি …

61 lasso  ridge-regression  shrinkage  lars 

আমি বুঝতে পারি যে রিজ রিগ্রেশন অনুমানটি হ'ল যা বর্গের অবশিষ্টাংশ এবং আকারের জরিমানার পরিমাণকে হ্রাস করেβββ\betaββ\beta βridge=(λID+X′X)−1X′y=argmin[RSS+λ∥β∥22]βridge=(λID+X′X)−1X′y=argmin⁡[RSS+λ‖β‖22]\beta_\mathrm{ridge} = (\lambda I_D + X'X)^{-1}X'y = \operatorname{argmin}\big[ \text{RSS} + \lambda \|\beta\|^2_2\big] যাইহোক, আমি সম্পূর্ণরূপে সত্য যে তাৎপর্য বুঝতে পারছি না βridgeβridge\beta_\text{ridge} থেকে পৃথক βOLSβOLS\beta_\text{OLS} শুধুমাত্র তির্যক করার জন্য একটি ছোট ধ্রুবক যোগ …

59 regression  least-squares  ridge-regression  shrinkage 

মডেল নির্বাচনের সমস্যাগুলি সমাধান করার জন্য, প্রচুর পদ্ধতি (এলএএসএসও, রিজ রিগ্রেশন ইত্যাদি) প্রেডিক্টর ভেরিয়েবলের সহগগুলি শূন্যের দিকে সঙ্কুচিত করবে। কেন এটি ভবিষ্যদ্বাণীপূর্ণ সক্ষমতা উন্নত করে তার একটি স্বজ্ঞাত ব্যাখ্যা খুঁজছি। যদি ভেরিয়েবলের আসল প্রভাবটি আসলে খুব বড় ছিল তবে পরামিতি সঙ্কুচিত হওয়ার কারণে আরও খারাপ ভবিষ্যদ্বাণী হবে না কেন?

55 lasso  regularization  ridge-regression  intuition  shrinkage 

পূর্বাভাসকারী এবং নমুনা আকার সহ একটি ভাল পুরানো রিগ্রেশন সমস্যা বিবেচনা করুন । সাধারন জ্ঞান হ'ল ওএলএসের অনুমানকারী বেশি পরিমাণে আসবে এবং সাধারণত রিজ রিগ্রেশন অনুমানকারীকে ছাড়িয়ে যাবে:এটা তোলে ক্রস বৈধতা ব্যবহার করার জন্য একটি অনুকূল নিয়মিতকরণ প্যারামিটার এটি মান । এখানে আমি 10-গুণ সিভি ব্যবহার করি। স্পেসিফিকেশন আপডেট: যখন …

50 cross-validation  regularization  overfitting  ridge-regression  shrinkage 

অ্যাডজাস্টেড আর-স্কোয়ারের জন্য আরে ব্যবহৃত সঠিক সূত্রটি কী lm() ? আমি কীভাবে এটি ব্যাখ্যা করতে পারি? সমন্বিত আর-স্কোয়ার সূত্র অ্যাডজাস্টেড আর-স্কোয়ার গণনা করার জন্য বেশ কয়েকটি সূত্র বিদ্যমান বলে মনে হচ্ছে। ওয়ারির সূত্র:1−(1−R2)(n−1)(n−v)1−(1−R2)(n−1)(n−v)1-(1-R^2)\frac{(n-1)}{(n-v)} ম্যাকনামারের সূত্র:1−(1−R2)(n−1)(n−v−1)1−(1−R2)(n−1)(n−v−1)1-(1-R^2)\frac{(n-1)}{(n-v-1)} প্রভুর সূত্র:1−(1−R2)(n+v−1)(n−v−1)1−(1−R2)(n+v−1)(n−v−1)1-(1-R^2)\frac{(n+v-1)}{(n-v-1)} স্টেইনের সূত্র: 1−[(n−1)(n−k−1)(n−2)(n−k−2)(n+1)n](1−R2)1−[(n−1)(n−k−1)(n−2)(n−k−2)(n+1)n](1−R2)1-\big[\frac{(n-1)}{(n-k-1)}\frac{(n-2)}{(n-k-2)}\frac{(n+1)}{n}\big](1-R^2) পাঠ্যপুস্তকের বিবরণ ফিল্ডের পাঠ্যপুস্তক অনুসারে, আবিষ্কারের পরিসংখ্যানগুলি ব্যবহার করে আর …

35 r  regression  r-squared  lm  shrinkage 

আমি Lassoরিগ্রেশন জাতীয় কিছু আগে ভেরিয়েবলকে মানীকরণের তিনটি প্রধান কারণ পড়েছি : 1) সহগের ব্যাখ্যা। 2) সংকোচনের পরবর্তী সহগ অনুমানের তুলনামূলক পরিমাণের দ্বারা গুণমানের গুরুত্বকে র‌্যাঙ্ক করার ক্ষমতা। 3) বাধা প্রয়োজন নেই। তবে আমি সবচেয়ে গুরুত্বপূর্ণ বিষয়টি নিয়ে ভাবছি। আমাদের কী ভাবার কারণ আছে যে মডেলাইজেশনটি মডেলটির নমুনা সাধারণীকরণের বাইরে …

28 normalization  lasso  standardization  regularization  shrinkage 

মূল ইলাস্টিক নেট পেপার Zou & Hastie (2005) লিনিয়ার রিগ্রেশন জন্য ইলাস্টিক নেট ক্ষতি ফাংশন চালু ইলাস্টিক নেট মাধ্যমে নিয়মিতকরণ এবং পরিবর্তনশীল নির্বাচন (এখানে আমি ধরে নিচ্ছি যে সমস্ত ভেরিয়েবল কেন্দ্রিক এবং ইউনিট বৈকল্পিকের জন্য ছোট আকারে আছে): কিন্তু একে " ইলাস্টিক" বলে। তাদের যুক্তি ছিল যে এটি ডাবল সংকোচনের …

27 regression  regularization  glmnet  elastic-net  shrinkage 

আমি একবার লাসো দুবার ব্যবহার করার পদ্ধতি শুনেছি (ডাবল-লাসোর মতো) যেখানে আপনি ভেরিয়েবলের আসল সেটটিতে লাসো সঞ্চালন করেন, এস 1 বলুন, এস 2 নামক একটি স্পারস সেট পান এবং তারপরে সেট এস 3 পেতে লসো আবার সেট করুন। । এর জন্য কি কোনও পদ্ধতিগত পদ আছে? এছাড়াও, দুবার লাসো করার …

26 regression  lasso  regularization  shrinkage  lars 

লাসো রিগ্রেশন সহগের সংখ্যাগুলি শূন্যের দিকে সঙ্কুচিত করে, এভাবে কার্যকরভাবে মডেল নির্বাচন সরবরাহ করে। আমি বিশ্বাস করি যে আমার ডেটাতে নামমাত্র এবং অবিচ্ছিন্ন সহকারীদের মধ্যে অর্থপূর্ণ মিথস্ক্রিয়া রয়েছে। অগত্যা, তবে সত্যিকারের মডেলটির 'মূল প্রভাবগুলি' অর্থবহ (শূন্য নয়)। সত্যিকারের মডেলটি অজানা বলে অবশ্যই আমি এটি জানি না। আমার উদ্দেশ্যগুলি হ'ল প্রকৃত …

25 machine-learning  lasso  glmnet  shrinkage  penalized 

একটি রৈখিক মডেল জন্য , সংকোচন শব্দটি সর্বদা ।পি ( β )y=β0+xβ+εy=β0+xβ+εy=\beta_0+x\beta+\varepsilonP(β)P(β)P(\beta) কী কারণে আমরা বায়াস (ইন্টারসেপ্ট) শব্দটি সঙ্কুচিত করি না ? নিউরাল নেটওয়ার্ক মডেলগুলিতে কি আমাদের পক্ষপাতের শব্দটি সঙ্কুচিত করা উচিত?β0β0\beta_0

21 regression  neural-networks  ridge-regression  intercept  shrinkage 

যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: p = true positives / (true positives + false positives) এটি সঠিক যে, 0 true positivesএবং false positivesকাছে যাওয়ার সাথে সাথে নির্ভুলতা 1 এ পৌঁছেছে? প্রত্যাহার জন্য একই প্রশ্ন: r = true positives / (true positives + false negatives) আমি বর্তমানে একটি পরিসংখ্যানগত পরীক্ষা বাস্তবায়ন …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

আমি জেমস-স্টেইন অনুমানকারী সম্পর্কে পড়ছি। এটি হিসাবে এই নোটগুলিতে সংজ্ঞায়িত করা হয়েছে θ^= ( 1 - পি - 2)। এক্স∥2) এক্সθ^=(1-পি-2‖এক্স‖2)এক্স \hat{\theta}=\left(1 - \frac{p-2}{\|X\|^2}\right)X আমি প্রমাণটি পড়েছি তবে নীচের বিবৃতিটি আমি বুঝতে পারি না: জ্যামিতিকভাবে, জেমস – স্টেইন অনুমানক X এর প্রতিটি উপাদানকে এক্সএক্সXউত্সের দিকে সঙ্কুচিত করে ... " X …

19 estimation  terminology  shrinkage  steins-phenomenon 

ব্র্যাডলি এফ্রন এবং কার্ল মরিস রচিত "স্ট্যাটিস্টিকসে স্টেইনের প্যারাডক্স" দ্বারা 1977 এর বৈজ্ঞানিক আমেরিকান গবেষণাপত্রে জেমস-স্টেইন সঙ্কোচন ফ্যাক্টর গণনা করার বিষয়ে আমার একটি প্রশ্ন রয়েছে । আমি বেসবল খেলোয়াড়দের জন্য ডেটা সংগ্রহ করেছি এবং এটি নীচে দেওয়া হয়েছে: Name, avg45, avgSeason Clemente, 0.400, 0.346 Robinson, 0.378, 0.298 Howard, 0.356, 0.276 …

18 estimation  shrinkage  steins-phenomenon