Questions tagged «terminology»

Tikhonov正则化和岭回归是经常被使用的术语，就像它们是相同的一样。是否可以确切说明区别是什么？

33 regression  terminology  regularization  ridge-regression  tikhonov-regularization 

长期以来，我不明白为什么两个随机变量的“和”是它们的卷积，而和的混合密度函数之和是f(x)f(x)f(x)g(x)g(x)g(x)pf(x)+(1−p)g(x)pf(x)+(1−p)g(x)p\,f(x)+(1-p)g(x); 算术和而不是它们的卷积。确切的短语“两个随机变量的总和”在Google中出现了146,000次，并且如下所示是椭圆形的。如果认为RV产生单个值，则可以将该单个值添加到另一个RV单个值，这与卷积无关，至少不是直接相关，所有都是两个数字的和。但是，统计数据中的RV结果是值的集合，因此更精确的短语类似于“来自两个RV的相关个体值对的协调总和的集合是它们的离散卷积”……并且可以通过以下方式近似：对应于那些RV的密度函数的卷积。更简单的语言： 2个RVnnn样本实际上是两个n维向量，它们相加作为向量和。 请详细说明两个随机变量的和如何是卷积和。

33 pdf  terminology  cdf  mixture  convolution 

我经常看到“ heteroskedastic”和“ heteroscedastic”这两个拼写，以及“ homoscedastic”和“ homoskedastic”的相似。“ c”和“ k”变体之间的含义似乎没有差异，只是与该词的希腊词源有关的正字法差异。 这两种不同的拼法的起源是什么？ 一种用法是否比另一种用法更常见，它们是否反映了地区或研究领域之间的差异，还是仅反映了作者（或实际上是社论）的偏爱？ 顺便说一句，其他语言在将希腊语根源拉丁化为英语方面也有不同的政策：我注意到，我认为法语中总是“hétéroscédasticité”，而德语中则总是“Heteroskedastizität”。因此，如果以英语为第二语言的作者可能偏爱与其母语相对应的英语拼写，我不会感到惊讶。也许真正的考验是希腊统计学家用英语书写时所说的！

32 terminology  heteroscedasticity  etymology 

我学习LSTM已有一段时间了。我从较高的角度了解一切。但是，要使用Tensorflow实施它们，我注意到BasicLSTMCell需要许多单位（即num_units）参数。 从这个 LSTMs的非常详尽的解释，我已经收集单个LSTM单元是以下情况之一 实际上是GRU单位 我假设参数num_units的BasicLSTMCell指的是我们要多少，这些在层挂钩到对方。 这就提出了问题-在这种情况下什么是“单元”？“单元”是否等效于普通前馈神经网络中的一层？

32 neural-networks  terminology  lstm  rnn  tensorflow 

我的意思是其中一些变量之间具有很强的相关性。我们如何/为什么/在什么情况下将它们定义为自变量？

30 regression  terminology  predictor 

我知道我们如何获得3.5作为滚动6面模具的期望值。但从直觉上讲，我可以期望每张脸的机会均等为1/6。 那么，掷骰子的期望值是否不应该是1-6之间相等的概率？ 换句话说，当被问到“投掷一个合理的6面骰子的预期价值是什么？”这个问题时，人们应该回答“哦，它可以是1-6之间的机会相等。” 相反，它是3.5。 在现实世界中，有人可以直观地解释我在掷骰子时的期望值是3.5吗？ 同样，我不希望公式或期望的推导。

30 expected-value  terminology  history 

在机器学习的背景下，“推理”和“估计”之间有什么区别？ 作为一个新手，我觉得我们可以推断随机变量并估计模型参数。我的理解正确吗？ 如果没有，确切的区别是什么，我应该何时使用？ 另外，“ learn”的同义词是什么？

30 machine-learning  inference  terminology 

我了解到统计量是您可以从样本中获得的属性。以许多相同大小的样本为例，为所有样本计算该属性并绘制pdf，得出对应属性的分布或对应统计数据的分布。 我还听说统计数据是用来估算的，这两个概念有何不同？

30 terminology  estimators  definition 

我正在阅读具有深度卷积神经网络的ImageNet分类论文，在第3节中，他们解释了卷积神经网络的体系结构，并解释了如何使用以下方法： 非饱和非线性f(x)=max(0,x).f(x)=max(0,x)。f(x) = max(0, x). 因为训练起来更快。在那篇论文中，他们似乎将饱和非线性称为CNN中使用的更传统的函数，S形和双曲正切函数（即F（X ）= 吨一个Ñ ħ （X ）F（X）=Ť一种ñH（X）f(x) = tanh(x)和F（x ）= 11 + e− x= （1 + e− x）− 1F（X）=1个1个+Ë-X=（1个+Ë-X）-1个f(x) = \frac{1}{1 + e^{-x}} = (1 + e^{-x})^{-1}为饱和）。 他们为什么将这些功能称为“饱和”或“非饱和”？这些功能在什么意义上是“饱和”或“非饱和”的？这些术语在卷积神经网络的背景下意味着什么？它们是否用于其他机器学习（和统计）领域？

30 machine-learning  neural-networks  terminology  conv-neural-network 

外推法和内插法有什么区别，使用这些术语的最精确方法是什么？ 例如，我在论文中看到了一个使用插值的语句： “该过程在bin点之间插入估计函数的形状” 同时使用外推法和内插法的句子例如： 在上一步中，我们使用内核方法将内插函数外推到左侧和右侧的温度尾部。 有人可以提供一种清晰易用的方法来区分它们，并通过示例指导如何正确使用这些术语吗？

28 terminology  interpolation  extrapolation 

在降维技术（例如主成分分析，LDA等）中，经常使用术语歧管。非技术术语是什么？如果点属于我要减小尺寸的球体，并且存在噪声且和不相关，则实际点会由于噪声而彼此分离。因此，将需要噪声过滤。因此，将在上执行尺寸缩减。因此，在这里和属于不同的流形吗？xxxyyyxxxyyyxxxz=x+yz=x+yz = x+yxxxyyy 我正在处理机器人视觉中经常使用的点云数据；由于采集中的噪声，点云很吵，我需要在减小尺寸之前减小噪声。否则，我会得到不正确的尺寸缩小。那么，这里的流形是什么？噪声是属于同一流形的一部分吗？xxx

28 terminology  manifold-learning 

我正在寻找一些好的术语来描述我正在尝试做的事情，以使查找资源变得更加容易。 因此，假设我有两个点A和B的群集，每个群集与两个值X和Y相关联，并且我想测量A和B之间的“距离”，即从同一分布中对它们进行采样的可能性有多大（我可以假设分布是正态的）。例如，如果X和Y在A中相关，而在B中不相关，则分布是不同的。 凭直觉，我将得到A的协方差矩阵，然后看一下B中每个点适合在那里的可能性，反之亦然（可能使用马氏距离之类的方法）。 但这有点“临时”，可能有一种更为严格的描述方式（当然，在实践中，我有两个以上的数据集和两个以上的变量-我正在尝试确定我的哪个数据集是离群值）。 谢谢！

28 multivariate-analysis  terminology  distance-functions 

维基百科上定义的答案（定义）对于那些不熟悉高等数学/统计学的人来说可能有点神秘。 用数学术语来说，统计模型通常被认为是一对（），其中是可能的观测值的集合，即样本空间，而是概率分布的集合在。小号P小号小号，PS,PS, \mathcal{P}小号SSPP\mathcal{P}小号SS 在概率和统计中，概率分布将概率分配给随机实验，调查或统计推断程序的可能结果的每个可测量子集。发现样本空间非数字的示例，其中的分布为分类分布。 我是一名高中生，在业余爱好这一领域非常感兴趣，目前正在努力解决a statistical model和a 之间的差异probability distribution 我目前的并且非常基本的理解是： 统计模型是对测得分布进行近似的数学尝试 概率分布是对实验的测量描述，将概率分配给随机事件的每个可能结果 文献中倾向于互换使用“分布”和“模型”一词，或者至少在非常相似的情况下（例如，二项式分布与二项式模型），这种混淆进一步加剧了混乱。 有人可以验证/纠正我的定义，也许可以为这些概念提供更正式的方法（尽管仍然用简单的英语表达）？

28 distributions  model  terminology 

当我向学生介绍概念时，经常会发现告诉他们术语的起源很有趣（例如，“回归”是一个有意思的起源的术语）。我还没有找到统计/机器学习中“正则化”一词的历史/背景。 那么，正则化一词的起源是什么？

27 terminology  regularization  history  tikhonov-regularization 

我经常读到一个有关“高度非线性”的函数。以我的理解，有“线性的”和“非线性的”，那么“高度”是什么？与非线性有形式上的区别吗？如何定义？

27 terminology  nonlinear  mathematical-statistics