Публикации по теме 'statistics'
Изучение наилучшего размера теста, количества сгибов и повторяющихся задержек
Изучение выигрышей в гарантированной, поддерживаемой и средней точности; обнаруживать предубеждения
Хотя люди говорят, что от 10% до 30% — это хороший размер теста, он очень зависит от проблемы. Хорошей отправной точкой является то, что я называю гарантированной точностью — точность минус два стандартных отклонения. Используя репрезентативную, но не точно настроенную фиктивную модель, можно смоделировать множество случайных семян разных размеров теста. Возьмите среднее значение и..
Простые тесты стационарности временных рядов
В этом первом посте мы собираемся найти способы проверки возврата к среднему во временных рядах с использованием языка программирования Python, который даст нам базовый набор инструментов для работы с коинтеграцией в будущих публикациях.
Проверка возврата к среднему
Математически непрерывный временной ряд с обращением к среднему может быть представлен стохастическим дифференциальным уравнением Орнштейна-Уленбека в следующей форме:
Где θ - скорость возврата к среднему..
Основы статистики
Изучение и количественная оценка изменений — это то, что вы узнали в контексте вероятности, и важные концепции, такие как случайные величины и закон больших чисел (эмпирическое правило), будут играть центральную роль в этом посте.
0. Голы
изучить основательное введение в математическую теорию, лежащую в основе статистических методов получить теоретические гарантии для статистических методов, которые вы можете использовать для определенных приложений теоретические гарантии позволяют..
Моделирование результатов футбольных ассоциаций: бумажная реализация с помощью Pyro
Сегодня мы собираемся реализовать интересную статью 1982 года, в которой исследуется, как можно смоделировать количество голов, забитых каждой командой. По сегодняшним меркам это довольно упрощенный метод, который не выявит неэффективности рынка ставок, но, тем не менее, он интересен, потому что во многих более поздних подходах используются очень похожие идеи, хотя и с использованием более сложных статистических моделей.
Дело в том, что в оригинальной статье использовались оценки..
Объяснимые бустерные машины
"Машинное обучение"
Объяснимые бустерные машины
Поддержание высокой точности при получении наводящих на размышления объяснений, которые создают знания и помогают понять и отладить данные.
Microsoft Research недавно разработала новую модель на основе бустинга, которая, по их утверждению, дает такие же точные прогнозы, как и современные методы, и в то же время предоставляет инновационный способ понять ее работу. Объяснимая повышающая машина, как она называется, уникальна тем, как она..
Преодоление дилеммы смещения и дисперсии: руководство для специалистов по машинному обучению
Инь и Ян машинного обучения: уравновешивание предвзятости и дисперсии
Компромисс между смещением и дисперсией – это фундаментальная концепция машинного обучения и статистики, связанная со способностью модели точно фиксировать базовые закономерности в наборе данных . По сути, компромисс между смещением и дисперсией относится к балансу между сложностью модели и ее способностью обобщать новые, неизвестные данные .
У нас есть данные, которые мы используем для обучения, и у нас..
Толстые хвосты и риск, скрытый за линиями
Если вы еще не знаете, Lucratyva, LLC полностью управляется студентами. Когда мы сидим в классе и изучаем финансы, экономику и математические распределения, мы склонны видеть взаимосвязь между этими тремя темами.
Часто мы находим учения невероятно полезными и информативными для нашей собственной деятельности, но иногда мы и другие студенты в американских кампусах преподаем стандартную учебную программу по финансам и финансовому моделированию, которая соответствует традиционной форме (в..
Новые материалы
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..