Statystyki i duże zbiory danych machine-learning

4

Czy KNN jest dyskryminującym algorytmem uczenia się?

Wygląda na to, że KNN jest algorytmem uczenia się dyskryminującego, ale nie mogę znaleźć żadnych źródeł online potwierdzających to. Czy KNN jest dyskryminującym algorytmem uczenia się?

17 machine-learning classification k-nearest-neighbour

5

Jak należy sklasyfikować przypadkowe lasy w R, jak dostosować się do niezrównoważonych rozmiarów klas?

Badam różne metody klasyfikacji dla projektu, nad którym pracuję i jestem zainteresowany wypróbowaniem Losowych Lasów. Staram się kształcić na bieżąco i byłbym wdzięczny za wszelką pomoc ze strony społeczności CV. Podzieliłem swoje dane na zestawy szkoleniowe / testowe. Po eksperymentach z losowymi lasami w R (przy użyciu pakietu randomForest) miałem …

17 r machine-learning random-forest

2

Czy byłby możliwy / praktyczny losowy las o wielu wynikach?

Random Forests (RFs) to konkurencyjna metoda modelowania / wyszukiwania danych. Model RF ma jedno wyjście - zmienną wyjściową / predykcyjną. Naiwnym podejściem do modelowania wielu wyjść za pomocą RF byłoby skonstruowanie RF dla każdej zmiennej wyjściowej. Mamy więc N niezależnych modeli i tam, gdzie istnieje korelacja między zmiennymi wyjściowymi, będziemy …

17 machine-learning cart random-forest multilabel

5

Uczę się od rozpoznawania wzorców i uczenia maszynowego, Chris Bishop, masz jakieś dobre zasoby?

Czy są jakieś filmy lub inne książki / notatki, które spotkały się z następującymi wzorami: Rozpoznawanie wzorców i Uczenie maszynowe autorstwa Chrisa Bishopa? Kupiłem tę książkę, aby nauczyć się uczenia maszynowego i mam problemy z jej przejściem.

17 machine-learning references pattern-recognition

4

Interpretacja ujemnego podobieństwa cosinus

Moje pytanie może być głupie. Więc z góry przepraszam. Próbowałem użyć modelu GLOVE wstępnie przeszkolonego przez grupę NLP Stanforda ( link ). Zauważyłem jednak, że moje wyniki podobieństwa wykazały pewne liczby ujemne. To natychmiast skłoniło mnie do spojrzenia na plik danych słowo-wektor. Najwyraźniej wartości w wektorach słów mogły być ujemne. …

17 machine-learning word2vec cosine-similarity

3

Jak definiuje się związek przyczynowy?

Jaka jest matematyczna definicja związku przyczynowego między dwiema zmiennymi losowymi? Biorąc pod uwagę próbkę ze wspólnego rozkładu dwóch zmiennych losowych XXX i YYY , kiedy powiedzielibyśmy, że XXX powoduje YYY ? Dla kontekstu czytam ten artykuł o odkryciu przyczynowym .

16 machine-learning causality

1

Czy nauka nadzorowana jest podzbiorem nauki wzmacniającej?

Wydaje się, że definicja nadzorowanego uczenia jest podzbiorem uczenia wzmacniającego, ze szczególnym rodzajem funkcji nagrody opartej na danych oznaczonych (w przeciwieństwie do innych informacji w środowisku). Czy to dokładne przedstawienie?

16 machine-learning terminology reinforcement-learning supervised-learning definition

2

Co się tutaj dzieje, kiedy używam kwadratowej straty w ustawieniach regresji logistycznej?

Próbuję użyć straty kwadratowej, aby dokonać klasyfikacji binarnej na zestawie danych zabawki. Korzystam z mtcarszestawu danych, wykorzystuję milę na galon i wagę, aby przewidzieć rodzaj transmisji. Poniższy wykres pokazuje dwa typy danych typu transmisji w różnych kolorach oraz granicę decyzji wygenerowaną przez inną funkcję strat. Kwadratowa strata wynosi ∑i(yi−pi)2∑ja(yja-pja)2)\sum_i (y_i-p_i)^2 …

16 r machine-learning logistic optimization loss-functions

1

Dlaczego kryterium informacyjne Akaike nie jest częściej wykorzystywane w uczeniu maszynowym?

Właśnie natknąłem się na „kryterium informacyjne Akaike” i zauważyłem dużą ilość literatury na temat wyboru modelu (wydaje się, że istnieją również takie rzeczy jak BIC). Dlaczego współczesne metody uczenia maszynowego nie wykorzystują kryteriów wyboru modeli BIC i AIC?

16 machine-learning model-selection aic bic

4

Co uważa się za dobrą utratę logów?

Próbuję lepiej zrozumieć utratę logów i sposób, w jaki to działa, ale jedną rzeczą, której nie mogę znaleźć, jest umieszczenie numeru utraty logów w jakimś kontekście. Jeśli mój model ma utratę dziennika 0,5, czy to dobrze? Co uważa się za dobry i zły wynik? Jak zmieniają się te progi?

16 machine-learning loss-functions log-loss

5

W jaki sposób metody zespołowe przewyższają wszystkie ich składniki?

Jestem trochę zdezorientowany co do nauki zespołowej. Krótko mówiąc, uruchamia k modeli i otrzymuje średnią z tych k modeli. Jak można zagwarantować, że średnia z modeli k byłaby lepsza niż którykolwiek z samych modeli? Rozumiem, że odchylenie jest „rozłożone” lub „uśrednione”. Co jednak, jeśli w zespole są dwa modele (tj. …

16 machine-learning ensemble

1

Jakie teorie przyczynowości powinienem wiedzieć?

Jakie teoretyczne podejścia do związku przyczynowego powinienem znać jako statystyczny / ekonometryczny? Znam (trochę) Model przyczynowy Neyman – Rubin (i Roy , Haavelmo itp.) Praca Pearl o przyczynowości Przyczynowość Grangera (choć mniej zorientowana na leczenie) Których koncepcji brakuje mi, czy powinienem być świadomy? Powiązane: Które teorie są podstawą przyczynowości w …

16 machine-learning causality theory treatment-effect

1

liczba map obiektów w splotowych sieciach neuronowych

Ucząc się splotowej sieci neuronowej, mam pytania dotyczące poniższego rysunku. 1) C1 w warstwie 1 ma 6 map obiektów, czy to oznacza, że istnieje sześć zwojów splotowych? Każde jądro splotowe służy do generowania mapy obiektów na podstawie danych wejściowych. 2) S1 w warstwie 2 ma 6 map obiektów, C2 ma …

16 machine-learning neural-networks deep-learning pattern-recognition conv-neural-network

2

Jak przeprowadzić eksploracyjną analizę danych, aby wybrać odpowiedni algorytm uczenia maszynowego

Studiujemy uczenie maszynowe za pośrednictwem uczenia maszynowego: perspektywa probabilistyczna (Kevin Murphy). Chociaż tekst wyjaśnia teoretyczne podstawy każdego algorytmu, rzadko mówi, w którym przypadku algorytm jest lepszy, a kiedy to robi, nie mówi, jak powiedzieć, w którym przypadku jestem. Na przykład przy wyborze jądra powiedziano mi, aby przeprowadzić eksploracyjną analizę danych, …

16 machine-learning eda

3

Obszar pod krzywą ROC lub obszar pod krzywą PR dla niezrównoważonych danych?

Mam wątpliwości co do tego, który miernik wydajności zastosować, obszar pod krzywą ROC (TPR jako funkcja FPR) lub obszar pod krzywą precyzja-przywołanie (precyzja jako funkcja przywołania). Moje dane są niezrównoważone, tzn. Liczba negatywnych wystąpień jest znacznie większa niż pozytywnych. Korzystam z prognozy wyjściowej weka, próbka to: inst#,actual,predicted,prediction 1,2:0,2:0,0.873 2,2:0,2:0,0.972 3,2:0,2:0,0.97 …

16 r machine-learning roc precision-recall auc

Pytania otagowane jako machine-learning