«statistics» etiketlenmiş sorular

12
Neden aşırı giyinmek kötü?
Bu dersleri çalıştım ve makine öğrenimindeki eylemlere fazla uymamanın kötü olduğunu söylüyorlar, ancak nöronlarımız çok güçlüydü ve yaşadığımız veya kaçtığımız en iyi eylemleri / duyuları buluyorlar, artı kötüden arttırılmış / arttırılmış olabilirler • Kötü veya iyi tetikleyiciler tarafından iyi, eylemlerin aynı seviyede olacağı ve en iyi (sağda), süper güçlü kendinden …


6
Bir aralıkta iki sayının maksimum XOR değerini bulma: ikinci dereceden daha iyisini yapabilir miyiz?
İki ve sayısı verildiğini ve l \ le i, \, j \ le r için bulmak istediğimizi varsayalım .lllrrrmax(i⊕j)max(i⊕j)\max{(i\oplus j)}l≤i,j≤rl≤i,j≤rl\le i,\,j\le r Saf algoritma tüm olası çiftleri kontrol eder; örneğin yakutta: def max_xor(l, r) max = 0 (l..r).each do |i| (i..r).each do |j| if (i ^ j > max) max …

4
Makine öğrenmesinde korelasyon ve nedensellik arasındaki ilişki nedir?
"Korelasyonun nedenselliğe eşit olmadığı" iyi bilinen bir gerçektir, ancak makine öğrenimi neredeyse tamamen korelasyona dayalı gibi görünmektedir. Öğrencilerin geçmiş performanslarına dayalı sorulardaki performanslarını tahmin etmek için bir sistem üzerinde çalışıyorum. Google arama gibi diğer görevlerin aksine, bu kolayca oynatılabilecek bir sistem gibi görünmüyor - bu nedenle nedensellik bu anlamda gerçekten …

1
Naive Bayes modelinde yumuşatma
Bir Naif Bayes öngörüsü bu formülü kullanarak tahminlerini yapar: P(Y=y|X=x)=αP(Y=y)∏iP(Xi=xi|Y=y)P(Y=y|X=x)=αP(Y=y)∏iP(Xi=xi|Y=y)P(Y=y|X=x) = \alpha P(Y=y)\prod_i P(X_i=x_i|Y=y) burada normalleştirici bir faktördür. Bu , verilerden P ( X i = x i | Y = y ) parametrelerinin tahmin edilmesini gerektirir . Bunu k -smoothing ile yaparsak, tahmini alırızαα\alphaP(Xi=xi|Y=y)P(Xi=xi|Y=y)P(X_i=x_i|Y=y)kkk P^(Xi=xi|Y=y)=#{Xi=xi,Y=y}+k#{Y=y}+nikP^(Xi=xi|Y=y)=#{Xi=xi,Y=y}+k#{Y=y}+nik\hat{P}(X_i=x_i|Y=y) = \frac{\#\{X_i=x_i,Y=y\} + k}{\#\{Y=y\}+n_ik} …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.