«algorithms» etiketlenmiş sorular

Mantık, genellikle bir modeli benimseyerek, genelleştirme kapasitesinin arttığını belirtir. Bununla birlikte, bir modelin altında yatan bir noktada açıkça, verilerin karmaşıklığına bakılmaksızın modellerin daha da kötüleşmesine neden olduğu belirtildi. Modelinizin doğru dengeye oturduğunu ve modellemek istediği verileri desteklemediğini nereden biliyorsunuz? Not: Bu, " Neden Aşırı Kıyafet Veriliyor? "

56 efficiency  algorithms  parameter 

Geçenlerde, UPC / Barselona'daki Profesör Oriol Pujol'den Makine Öğrenimi dersinde, geniş bir makine öğrenimi ile ilgili görev için kullanılacak en yaygın algoritmaları, prensipleri ve kavramları tanımladı. İşte onları sizinle paylaşıyorum ve size soruyorum: farklı makine öğrenimi ile ilgili problemlere ilişkin yaklaşımlar veya yöntemler ile eşleşen herhangi bir kapsamlı çerçeve var …

39 machine-learning  algorithms 

GBM ve XGBOOST arasındaki önemli farkları anlamaya çalışıyorum. Google'ı denedim, ancak iki algoritma arasındaki farkları ve xgboost'un neden hemen hemen her zaman GBM'den daha iyi performans gösterdiğini açıklayan iyi cevaplar bulamadım. XGBOOST'ı bu kadar hızlı yapan nedir?

39 machine-learning  algorithms  xgboost  ensemble-modeling  gbm 

Son zamanlarda bir arkadaşımdan bir röportajda karar ağacı algoritmalarının doğrusal mı yoksa doğrusal olmayan algoritma mı olduğu soruldu. Bu sorunun cevabını aramaya çalıştım ama tatmin edici bir açıklama bulamadım. Herkes bu sorunun çözümünü cevaplayabilir ve açıklayabilir mi? Ayrıca, doğrusal olmayan makine öğrenme algoritmalarına başka örnekler nelerdir?

21 machine-learning  classification  decision-trees  algorithms  pac-learning 

Biz elemanları bir dizi olduğunu varsayalım E ve bir benzerlik ( değil mesafe ) işlevi sim (örnek, ej) iki eleman arasında ei, ej ∈ e . Sim kullanarak E öğelerini (verimli bir şekilde) nasıl kümelendirebiliriz ? k , örneğin, belirli bir k gerektirir, Kanopi Kümelemesi iki eşik değeri gerektirir. Bu …

19 clustering  algorithms  similarity 

Keşifsel veri analizi ve algoritmalar geliştirirken, zamanımın çoğunun görselleştirme, bazı kod yazma, küçük veri kümesinde çalıştırma, tekrarlama döngüsünde harcandığını görüyorum. Sahip olduğum veriler bilgisayar görme / sensör füzyon tipi şeyler olma eğilimindedir ve algoritmalar görme açısından ağırdır (örneğin nesne algılama ve izleme vb.) Ve raf dışı algoritmalar bu bağlamda çalışmaz. …

18 algorithms 

Çok sayıda cümleyi anlamlarına göre gruplara ayırma problemim var. Bu, çok sayıda cümleniz olduğunda ve anlamlarına göre gruplandırmak istediğinizde bir soruna benzer. Bunu yapmak için hangi algoritmalar öneriliyor? Önceden kümelerin sayısını bilmiyorum (ve daha fazla veri geliyor gibi kümeler de değişebilir), normalde her cümleyi temsil etmek için hangi özellikler kullanılır? …

17 clustering  text-mining  algorithms  scikit-learn 

Ben kullanıcı tabanlı ve öğe tabanlı öneri birbirinden tam olarak nasıl farklı bilmek istiyorum. Bunu tanımlar Kullanıcı tabanlı : Benzer kullanıcıları bularak öğeleri önerin. Bu, kullanıcıların dinamik yapısı nedeniyle ölçeklendirmek genellikle daha zordur. Öğe tabanlı : Öğeler arasındaki benzerliği hesaplayın ve önerilerde bulunun. Öğeler genellikle çok fazla değişmez, bu nedenle …

15 machine-learning  data-mining  algorithms  recommender-system 

K-ortalamaları kümeleme için iyi bilinen bir algoritmadır, fakat aynı zamanda bu tür bir algoritmanın çevrimiçi varyasyonu da vardır (çevrimiçi K-ortalamaları). Bu yaklaşımların artıları ve eksileri nelerdir ve her biri ne zaman tercih edilmelidir?

15 clustering  algorithms  k-means 

Aynı girişte hiçbirinin doğru olmayacağı anlamında ayrık olan C_1 ... C_n sınıflandırıcılarına sahip olduğumu varsayalım (örneğin, karar ağacındaki düğümler). Bunların bazı alt kümelerinin birliği olan yeni bir sınıflandırıcı oluşturmak istiyorum (örneğin, bir karar ağacının hangi yapraklarının olumlu bir sınıflandırma vereceğine karar vermek istiyorum). Tabii ki, bunu yaparken duyarlılık ve pozitif …

13 algorithms 

Sıkıştırma yöntemlerinin iki ana gruba ayrılabileceğini anlıyorum: global yerel İlk küme, işlenen verilerden bağımsız olarak çalışır, yani verilerin herhangi bir özelliğine dayanmazlar ve bu nedenle veri kümesinin herhangi bir parçası üzerinde (sıkıştırma işleminden önce) herhangi bir ön işleme gerek duymazlar. Öte yandan, yerel yöntemler verileri analiz eder ve genellikle sıkıştırma …

12 classification  algorithms  encoding 

Gelecek tahmin etmek için kelime listesinden ne tür özellikler çıkarmaya çalışacaksınız, mevcut kelime mi yoksa sadece karakter karışıklığı mı? Orada bulduğum görevin tanımı var . Belirli bir kelimenin İngilizce olup olmadığını cevaplayabilecek bir program yazmalısınız. Bu kolay olurdu - sadece sözlüğe bakmanız gerekir - ancak önemli bir kısıtlama vardır: programınız …

11 machine-learning  nlp  text-mining  algorithms 

40 bağımsız değişkeni (x1, ..., x40) ve bir bağımlı değişkeni (y) olan bir denklem dizisini çözmeye çalışıyorum. Denklemlerin toplam sayısı (satır sayısı) ~ 300'dür ve y ile öngörülen değer arasındaki toplam kare toplamı hatasını en aza indiren 40 katsayı seti için çözmek istiyorum. Benim sorunum matris çok seyrek ve seyrek …

11 machine-learning  regression  algorithms  genetic 

R temel işlevi glm()MLE için Fishers Scoring kullanırken glmnet, aynı denklemi çözmek için koordinat iniş yöntemini kullanıyor gibi görünüyor. Koordinat inişi Fisher Scoring'den daha zaman verimlidir, çünkü Fisher Scoring diğer bazı matris işlemlerine ek olarak ikinci dereceden türev matrisini hesaplar. Bu da koordinat inişini aynı görevi O (np) zamanında yapabilir. …

11 machine-learning  r  algorithms  optimization 

Regresyonun olağan tanımı (bildiğim kadarıyla), belirli bir girdi değişkenleri kümesinden sürekli bir çıktı değişkeni öngörüyor . Lojistik regresyon ikili bir sınıflandırma algoritmasıdır, dolayısıyla kategorik bir çıktı üretir. Gerçekten bir regresyon algoritması mı? Öyleyse neden?

11 algorithms  logistic-regression