Statystyki i duże zbiory danych machine-learning

2

Worek słów a model przestrzeni wektorowej?

Jaka jest / są różnice między tymi modelami reprezentacji tekstu: Worek słów i model przestrzeni wektorowej?

12 machine-learning text-mining

5

W jakim języku programowania zalecasz prototypowanie problemu uczenia maszynowego?

Obecnie pracuje w Octave, ale z powodu słabej dokumentacji postęp jest bardzo wolny. Jaki język jest łatwy do opanowania i używania oraz dobrze udokumentowany, aby rozwiązać problemy z uczeniem maszynowym? Szukam prototypu na małym zestawie danych (tysiące przykładów), więc szybkość nie jest ważna. EDYCJA: Opracowuję silnik rekomendacji. Tak więc jestem …

12 r machine-learning matlab software python

2

Jak głęboki jest związek między funkcją softmax w ML a rozkładem Boltzmanna w termodynamice?

Funkcja softmax, powszechnie stosowana w sieciach neuronowych do przekształcania liczb rzeczywistych na prawdopodobieństwa, jest taką samą funkcją jak rozkład Boltzmanna, rozkład prawdopodobieństwa nad energiami dla zespołu cząstek w równowadze termicznej w danej temperaturze T w termodynamice. Widzę pewne wyraźne heurystyczne powody, dla których jest to praktyczne: Bez względu na to, …

12 machine-learning neural-networks softmax

2

Dlaczego nie używamy ważonej średniej arytmetycznej zamiast średniej harmonicznej?

Zastanawiam się, jaka jest wewnętrzna wartość stosowania średniej harmonicznej (na przykład do obliczania miar F), a nie ważonej średniej arytmetycznej w łączeniu precyzji i przypominania? Myślę, że ważona średnia arytmetyczna może odgrywać rolę średniej harmonicznej, czy coś mi brakuje?

12 machine-learning monte-carlo precision-recall harmonic-mean

1

Różne transformacje gęstości prawdopodobieństwa ze względu na czynnik jakobowski

W Bishop's Pattern Recognition and Machine Learning przeczytałem, co następuje, zaraz po wprowadzeniu gęstości prawdopodobieństwa :p(x∈(a,b))=∫bap(x)dxp(x∈(a,b))=∫abp(x)dxp(x\in(a,b))=\int_a^bp(x)\textrm{d}x Przy nieliniowej zmianie zmiennej gęstość prawdopodobieństwa przekształca się inaczej niż prosta funkcja, ze względu na czynnik jakobowski. Na przykład, jeśli weźmiemy pod uwagę zmianę zmiennych , wówczas funkcja staje się . Rozważmy teraz gęstość …

12 machine-learning probability

1

XGBoost może obsłużyć brakujące dane w fazie prognozowania

Niedawno sprawdziłem algorytm XGBoost i zauważyłem, że ten algorytm może obsłużyć brakujące dane (bez konieczności przypisywania) w fazie szkolenia. Zastanawiałem się, czy XGboost może obsłużyć brakujące dane (bez konieczności imputacji), gdy jest używany do prognozowania nowych obserwacji, czy konieczne jest przypisanie brakujących danych. Z góry dziękuję.

12 machine-learning missing-data data-imputation xgboost

1

Jak dopasować ciężarki do wartości Q z aproksymacją funkcji liniowej

W uczeniu się zbrojenia aproksymacja funkcji liniowej jest często stosowana, gdy występują duże przestrzenie stanu. (Kiedy tabele wyszukiwania stają się niewykonalne.) Postać wartości z aproksymacji liniowej funkcji jest przezQ -Q−Q- Q ( s , a ) = w1fa1( s , a ) + w2)fa2)( s , a ) + ⋯ …

12 machine-learning feature-selection reinforcement-learning

1

Jak zrozumieć, że MLE wariancji jest tendencyjne w rozkładzie Gaussa?

Czytam PRML i nie rozumiem tego obrazu. Czy mógłbyś podać kilka wskazówek, aby zrozumieć obraz i dlaczego MLE wariancji w rozkładzie Gaussa jest stronniczy? wzór 1.55: wzór 1.56 σ 2 M L E =1μM.L E= 1N.∑n = 1N.xnμMLE=1N∑n=1Nxn \mu_{MLE}=\frac{1}{N} \sum_{n=1}^N x_n σ2)M.L E= 1N.∑n = 1N.( xn- μM.L E)2)σMLE2=1N∑n=1N(xn−μMLE)2 \sigma_{MLE}^2=\frac{1}{N}\sum_{n=1}^{N}(x_n-\mu_{MLE})^2

12 machine-learning self-study maximum-likelihood

4

Co to jest klasyfikator?

Nie mogę znaleźć ogólnej definicji klasyfikatora? Rozumiem, jak to może działać, ale nie mogę dojść do definicji.

12 machine-learning classification

1

Związek między macierzą Hesji a macierzą kowariancji

Podczas gdy ja studiuję oszacowanie maksymalnego prawdopodobieństwa, aby wnioskować w oszacowaniu maksymalnego prawdopodobieństwa, musimy znać wariancję. Aby dowiedzieć się o wariancji, muszę poznać Dolną Granicę Kramera, która wygląda jak matryca Hesji z Drugim Pochyleniem krzywizny. Jestem trochę pomieszany, aby zdefiniować związek między macierzą kowariancji a macierzą hessian. Mam nadzieję usłyszeć …

12 machine-learning mathematical-statistics maximum-likelihood data-mining

3

Jak zbudować macierz nieporozumień dla klasyfikatora wieloklasowego?

Mam problem z 6 klasami. Buduję klasyfikator wieloklasowy w następujący sposób: dla każdej klasy mam jeden klasyfikator regresji logistycznej, używając One vs. All, co oznacza, że mam 6 różnych klasyfikatorów. Mogę zgłosić macierz nieporozumień dla każdego z moich klasyfikatorów. Chciałbym jednak zgłosić macierz nieporozumień dla WSZYSTKICH klasyfikatorów, co widziałem w …

12 machine-learning logistic classification multi-class confusion-matrix

1

Jak wykorzystać kikut decyzyjny jako słabego ucznia w Adaboost?

Chcę wdrożyć Adaboost przy użyciu decyzji Stump. Czy poprawne jest podejmowanie tylu decyzji, ile funkcji naszego zestawu danych w każdej iteracji Adaboost? Na przykład, jeśli mam zestaw danych z 24 funkcjami, czy powinienem mieć 24 klasyfikatory kikutów decyzyjnych w każdej iteracji? A może powinienem losowo wybierać niektóre funkcje i tworzyć …

12 machine-learning classification cart boosting

1

Co oznacza równomierna dystrybucja logów?

Co oznacza, gdy ktoś mówi, że dane są próbkowane z logicznie równomiernego rozkładu między 128 a 4000? Czym różni się to od pobierania próbek z równomiernego rozkładu? Zobacz ten artykuł: http://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf Dzięki!

12 machine-learning distributions uniform

5

Jak obliczyć precyzję i przywołać w macierzy pomieszania 3 x 3

Predicted class Cat Dog Rabbit Actual class Cat 5 3 0 Dog 2 3 1 Rabbit 0 2 11 Jak obliczyć precyzję i przywołać, aby łatwo było obliczyć wynik F1. Normalna macierz pomieszania ma wymiar 2 x 2. Kiedy jednak staje się 3 x 3, nie wiem, jak obliczyć precyzję …

12 machine-learning precision-recall

4

Wnioskowanie wolne od prawdopodobieństwa - co to znaczy?

Niedawno uświadomiłem sobie, że w literaturze omawiane są metody „pozbawione prawdopodobieństwa”. Nie jestem jednak pewien, co to znaczy, że metoda wnioskowania lub optymalizacji jest wolna od prawdopodobieństwa . W uczeniu maszynowym celem jest zazwyczaj maksymalizacja prawdopodobieństwa, że niektóre parametry dopasują się do funkcji, np. Wagi w sieci neuronowej. Więc jaka …

11 machine-learning deep-learning maximum-likelihood generative-models abc

Pytania otagowane jako machine-learning