15 · CP generalizado para conteos y datos binarios

Estudio a fondo 15 de Tensores para Aprendizaje Automático. Todas las descomposiciones hasta ahora minimizaron el error cuadrático. Este pregunta qué suponía esa elección:

Los mínimos cuadrados son máxima verosimilitud bajo ruido gaussiano de varianza constante.

Los conteos no son eso. El CP generalizado conserva el modelo CP y sustituye la pérdida — Poisson para conteos, Bernoulli para datos de 0 y 1 —, elemento a elemento.

El tensor es real: un año de denuncias de delitos de Chicago, día de la semana × hora × área comunitaria × tipo de delito. Un ajuste de error cuadrático predice delitos negativos en más de mil celdas. Y una de las componentes que encuentra el ajuste de Poisson no es un patrón de la ciudad en absoluto: es lo que hace un formulario cuando nadie sabe la hora.

Un estudio a fondo para después, no uno de los laboratorios en vivo del taller de seis horas.

Estudia aquí y luego ejecuta lo real: cuaderno 15 en Colab · todos los cuadernos

Creado a partir del material del propio taller, de Ravi Kalia y Sebastian Laverde Chunza, CC BY 4.0.