Ini bukan pertanyaan pekerjaan rumah tetapi masalah nyata yang dihadapi oleh perusahaan kami. Baru-baru ini (2 hari yang lalu) kami memesan untuk pembuatan 10.000 label produk ke dealer. Dealer adalah orang yang mandiri. Dia mendapatkan label yang diproduksi dari luar dan perusahaan melakukan...
Saya akan menjelaskan masalah saya dengan sebuah contoh. Misalkan Anda ingin memprediksi penghasilan seseorang yang diberikan beberapa atribut: {Usia, Jenis Kelamin, Negara, Wilayah, Kota}. Anda memiliki dataset pelatihan seperti itu train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3),...
Saya melihat bahwa kedua fungsi merupakan bagian dari metode penambangan data seperti Gradient Boosting Regressors. Saya melihat bahwa itu adalah objek yang terpisah juga. Bagaimana hubungan keduanya secara
(Untuk mengetahui mengapa saya menulis ini, periksa komentar di bawah jawaban saya untuk pertanyaan ini .) Tipe III kesalahan dan teori keputusan statistik Memberikan jawaban yang benar untuk pertanyaan yang salah kadang-kadang disebut kesalahan Tipe III. Teori keputusan statistik adalah...
Dengan flat sebelumnya, estimator ML (frequentist - maximum likelihood) dan MAP (Bayesian - maximum a posteriori) bersamaan. Namun, secara lebih umum, saya berbicara tentang penduga titik yang diturunkan sebagai pengoptimal beberapa fungsi kerugian. Yaitu (Bayesian) x
Bayangkan pengaturan berikut: Anda memiliki 2 koin, koin A yang dijamin adil, dan koin B yang mungkin atau mungkin tidak adil. Anda diminta untuk melakukan 100 koin terbalik, dan tujuan Anda adalah memaksimalkan jumlah kepala . Informasi Anda sebelumnya tentang koin B adalah bahwa koin itu dibalik...
Saya mengalami kesulitan memahami statistik yang cukup lengkap? Biarkan menjadi statistik yang cukup.T=ΣxiT=ΣxiT=\Sigma x_i Jika dengan probabilitas 1, untuk beberapa fungsi g , maka itu adalah statistik yang cukup lengkap.E[g(T)]=0E[g(T)]=0E[g(T)]=0ggg Tapi apa artinya ini? Saya telah melihat...
Misalkan menunjukkan risiko Bayes dari estimator terhadap sebelumnya , misalkan menunjukkan himpunan semua prior pada ruang parameter , dan biarkan menunjukkan himpunan semua aturan keputusan (mungkin acak).δ π Π Θ Δr(π,δ)r(π,δ)r(\pi, \delta)δδ\deltaππ\piΠΠ\PiΘΘ\ThetaΔΔ\Delta Interpretasi...
Penata rambut saya, Stacey, selalu menunjukkan wajah yang bahagia, tetapi sering merasa stres mengatur waktu. Hari ini Stacey sudah terlambat karena pengangkatan saya dan sangat menyesal. Saat memotong rambut saya, saya bertanya-tanya: Berapa lama janji standarnya? (jika preferensi pelanggan untuk...
Saya mencoba untuk merencanakan batas keputusan algoritma perceptron dan saya benar-benar bingung tentang beberapa hal. Contoh input saya adalah dalam bentuk , pada dasarnya contoh input 2D ( x 1 dan x 2 ) dan nilai target kelas biner ( y ) [1 atau 0].[ ( x1, x2) , y][(x1,x2),y][(x_{1},x_{2}),...
The Durbin-Watson statistik uji dapat berbaring di wilayah yang tidak meyakinkan, di mana tidak mungkin baik untuk menolak atau gagal untuk menolak hipotesis nol (dalam hal ini, dari nol autokorelasi). Tes statistik apa lagi yang dapat menghasilkan hasil yang "tidak meyakinkan"? Apakah ada...
Oke - pesan asli saya gagal mendapat respons; jadi, izinkan saya mengajukan pertanyaan yang berbeda. Saya akan mulai dengan menjelaskan pemahaman saya tentang estimasi dari perspektif teori keputusan. Saya tidak memiliki pelatihan formal dan tidak akan mengejutkan saya jika pemikiran saya cacat...
Saya memprogram dan melakukan pengembangan berbasis tes. Setelah saya membuat perubahan dalam kode saya, saya menjalankan tes saya. Terkadang mereka berhasil dan terkadang mereka gagal. Sebelum saya menjalankan tes saya menuliskan angka 0,01-0,99 untuk kepercayaan saya bahwa tes akan...
Saya telah menemukan slide ini (slide # 16 & # 17) di salah satu kursus online. Instruktur berusaha menjelaskan bagaimana Estimasi Posterior Maksimum (MAP) sebenarnya adalah solusi , di mana adalah parameter yang benar.θ ∗L(θ)=I[θ≠θ∗]L(θ)=I[θ≠θ∗]L(\theta) = \mathcal{I}[\theta \ne...
Kehilangan L2, bersama dengan kehilangan L0 dan L1, adalah tiga fungsi kehilangan "standar" yang sangat umum digunakan ketika meringkas posterior dengan kehilangan posterior minimum yang diharapkan. Salah satu alasan untuk ini mungkin karena mereka relatif mudah untuk dihitung (setidaknya untuk...
Ini mungkin sedikit pertanyaan filosofis, tapi di sini kita pergi: Dalam teori keputusan, risiko penaksir Bayes untuk didefinisikan sehubungan dengan distribusi sebelumnya pada .θ∈qπqθ^( x )θ^(x)\hat\theta(x)θ ∈ Θθ∈Θ\theta\in\Thetaππ\piΘΘ\Theta Sekarang, di satu sisi, agar benar telah menghasilkan...
Untuk variabel acak tertentu (atau populasi, atau proses stokastik), ekspektasi matematis adalah jawaban atas pertanyaan. Perkiraan titik apa yang meminimalkan kerugian kuadrat yang diharapkan? . Selain itu, ini adalah solusi optimal untuk game. Tebak realisasi berikutnya dari variabel acak (atau...
Saya ingat bukti bahwa teori probabilitas Bayesian adalah satu-satunya metode yang valid untuk mewakili kepercayaan, begitulah kira-kira kami mewakili kepercayaan oleh beberapa fungsi non-negatif atas beberapa domain hasil Keyakinan adalah sub-aditif ... Oleh karena itu, teori probabilitas...
Saya bertanya-tanya bagaimana statistik dan teori keputusan terkait? Bagiku semua masalah statistik / tugas dapat dirumuskan dalam teori keputusan. Juga masalah dalam teori keputusan dapat dirumuskan dalam masalah statistik / probabilitas, atau dengan cara deterministik. Jadi apakah statistik...