Pertanyaan yang diberi tag error-propagation

10
Propagasi galat SD vs SE

Saya memiliki 3 hingga 5 ukuran sifat per individu dalam dua kondisi berbeda (A dan B). Saya merencanakan rata-rata untuk setiap individu dalam setiap kondisi dan saya menggunakan kesalahan standar ( yaitu , , dengan = jumlah pengukuran) sebagai bar kesalahan. NSD/N−−√SD/NSD/\sqrt{N}NNN Sekarang...

standard-deviation standard-error error error-propagation
10
Fungsi biaya lintas-entropi dalam jaringan saraf

Saya melihat fungsi biaya lintas-entropi yang ditemukan dalam tutorial ini : C=−1n∑x[ylna+(1−y)ln(1−a)]C=−1n∑x[yln⁡a+(1−y)ln⁡(1−a)]C = -\frac{1}{n} \sum_x [y \ln a+(1−y)\ln(1−a)] Apa sebenarnya yang kita simpulkan? Ini tentu saja lebih dari , tetapi dan tidak berubah dengan . Semua adalah input...

neural-networks error-propagation
8
Ketika membuat kesimpulan tentang cara-cara kelompok, apakah Interval yang kredibel sensitif terhadap varians dalam subjek sementara interval kepercayaan tidak?

Ini adalah spin-off dari pertanyaan ini: Bagaimana membandingkan dua kelompok dengan beberapa pengukuran untuk setiap individu dengan R? Dalam jawaban di sana (jika saya mengerti dengan benar) saya belajar bahwa varians dalam subjek tidak mempengaruhi kesimpulan yang dibuat tentang mean kelompok...

r confidence-interval mixed-model jags error-propagation
8
Mengapa model statistik cocok jika diberi set data yang sangat besar?

Proyek saya saat ini mungkin mengharuskan saya untuk membuat model untuk memprediksi perilaku sekelompok orang tertentu. set data pelatihan hanya berisi 6 variabel (id hanya untuk tujuan identifikasi): id, age, income, gender, job category, monthly spend di mana monthly spendadalah variabel...

modeling large-data overfitting clustering algorithms error spatial r regression predictive-models linear-model average measurement-error weighted-mean error-propagation python standard-error weighted-regression hypothesis-testing time-series machine-learning self-study arima regression correlation anova statistical-significance excel r regression distributions statistical-significance contingency-tables regression optimization measurement-error loss-functions image-processing java panel-data probability conditional-probability r lme4-nlme model-comparison time-series probability probability conditional-probability logistic multiple-regression model-selection r regression model-based-clustering svm feature-selection feature-construction time-series forecasting stationarity r distributions bootstrap r distributions estimation maximum-likelihood garch references probability conditional-probability regression logistic regression-coefficients model-comparison confidence-interval r regression r generalized-linear-model outliers robust regression classification categorical-data r association-rules machine-learning distributions posterior likelihood r hypothesis-testing normality-assumption missing-data convergence expectation-maximization regression self-study categorical-data regression simulation regression self-study self-study gamma-distribution modeling microarray synthetic-data
8
Bagaimana melakukan SVD untuk memasukkan nilai yang hilang, contoh konkret

Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya menghapus...

r missing-data data-imputation svd sampling matlab mcmc importance-sampling predictive-models prediction algorithms graphical-model graph-theory r regression regression-coefficients r-squared r regression modeling confounding residuals fitting glmm zero-inflation overdispersion optimization curve-fitting regression time-series order-statistics bayesian prior uninformative-prior probability discrete-data kolmogorov-smirnov r data-visualization histogram dimensionality-reduction classification clustering accuracy semi-supervised labeling state-space-models t-test biostatistics paired-comparisons paired-data bioinformatics regression logistic multiple-regression mixed-model random-effects-model neural-networks error-propagation numerical-integration time-series missing-data data-imputation probability self-study combinatorics survival cox-model statistical-significance wilcoxon-mann-whitney hypothesis-testing distributions normal-distribution variance t-distribution probability simulation random-walk diffusion hypothesis-testing z-test hypothesis-testing data-transformation lognormal r regression agreement-statistics classification svm mixed-model non-independent observational-study goodness-of-fit residuals confirmatory-factor neural-networks deep-learning