«machine-learning» etiketlenmiş sorular

Matlab'daki sinir ağları araç kutusunu kullanırken kafa karıştırıcı buldum. Ham veri setini üç parçaya böldü: Eğitim Seti doğrulama seti Deneme seti Birçok eğitim veya öğrenme algoritmasında, verilerin genellikle 2 bölüme, eğitim setine ve test setine bölündüğünü fark ettim. Benim sorularım: doğrulama seti ve test seti arasındaki fark nedir? Doğrulama, sinir …

431 machine-learning  validation 

Geçen sene Brendan O'Connor’tan “İstatistikler ile Makine Öğrenmesi, savaş!” Başlıklı bir blog yazısı okudum . İki alan arasındaki farklardan bazılarını tartıştı. Andrew Gelman buna olumlu cevap verdi : Simon Blomberg: R'nin servet paketinden: Kışkırtıcı bir şekilde, “makine öğrenmesi, modellerin ve varsayımların kontrol edilmesiyle ilgili bir istatistiktir”. - Brian D. Ripley …

420 machine-learning  pac-learning 

K-aracı küme analizinde yaygın olarak kullanılan bir yöntemdir. Anladığım kadarıyla, bu yöntem HERHANGİ BİR varsayım gerektirmez, yani, bana bir veri kümesi ve önceden belirlenmiş sayıda küme verir, k ve ben sadece küme içindeki kare hataların (SSE) en aza indirgenen bu algoritmayı uygularım hata. Yani k-aracı aslında bir optimizasyon problemidir. K-araçlarının …

365 machine-learning  clustering  data-mining  k-means 

Bu 3 yöntem arasındaki benzerlik ve farklar nelerdir: torbalama, Arttırılması, İstifliyorsun? En iyisi hangisi? Ve neden? Bana her biri için bir örnek verebilir misiniz?

245 machine-learning  boosting  ensemble  bagging  model-averaging 

'Öklid mesafesinin yüksek boyutlarda iyi bir mesafe olmadığını' okudum. Sanırım bu ifadenin boyutluluk laneti ile bir ilgisi var, ama tam olarak ne? Ayrıca 'yüksek boyutlar' nedir? 100 özelliği olan Öklid mesafesini kullanarak hiyerarşik kümeleme uyguluyorum. Bu ölçümü kullanmak kaç özelliğe kadar 'güvenli'?

239 machine-learning  clustering  distance-functions  metric  high-dimensional 

Veri madenciliği, istatistik, makine öğrenmesi ve AI arasındaki fark nedir? Çok benzer problemleri çözmeye çalışan 4 alan olduklarını söylemek doğru olur mu? Farklı yaklaşımlarla? Tam olarak ortak noktaları nedir ve nereleri farklıdır? Aralarında bir çeşit hiyerarşi varsa, ne olurdu? Daha önce de benzer sorular sorulmuştu ama hala anlamadım: Veri Madenciliği …

208 machine-learning  data-mining 

Standart bir makine öğrenme senaryosu hayal edin: Çok değişkenli büyük bir veri kümesiyle karşı karşıya kalıyorsunuz ve oldukça bulanık bir anlayışınız var. Yapmanız gereken şey, sahip olduğunuza bağlı olarak bazı değişkenler hakkında tahminlerde bulunmaktır. Her zamanki gibi, verileri temizler, açıklayıcı istatistiklere bakar, bazı modelleri çalıştırır, bunları doğrular vb., Ancak birkaç …

207 machine-learning  forecasting  modeling  model-selection  forecastability 

Eminim ki birçok kişi 'sizin için google yapmama izin ver' bağlantılarıyla yanıt verecektir, bu yüzden bunu anlamaya çalıştığımı söylemek istiyorum, lütfen buradaki anlayış eksikliğimi affedin, ancak bunun nasıl olduğunu çözemiyorum. Bir sinir ağının pratik uygulaması aslında işe yarıyor. Giriş katmanını ve verilerin nasıl normalleştirileceğini anlıyorum, ayrıca önyargı birimini de anlıyorum, …

187 machine-learning  neural-networks  nonlinear-regression 

Son zamanlarda birçok insanın tensör eşdeğeri geliştirdiğini fark ettim (tensör faktörizasyonu, tensör çekirdekleri, konu modellemesi için tensörler, vb.) Merak ediyorum, neden dünya aniden tensörlerle büyülendi? Bu konuda ortaya çıkan özellikle şaşırtıcı olan son makaleler / standart sonuçlar var mı? Hesaplamalı olarak daha önce şüphelenilenden çok daha ucuz mu? Glib olmuyorum, …

171 machine-learning  references  matrix  linear-algebra  tensor 

Aralarındaki biçimsel farklılıkları anlıyorum, bilmek istediğim biri ile diğerini kullanmanın daha uygun olduğu zaman. Belirli bir sınıflandırma / tespit sisteminin performansı hakkında her zaman tamamlayıcı bir içgörü sağlıyorlar mı? İkisinin de bir gazetede sunulması ne zaman mantıklıdır? sadece bir tane yerine? Bir sınıflandırma sistemi için hem ROC hem de hassas …

159 machine-learning  roc  precision-recall 

Üreticinin " 'ye dayalı" ve ayırımcı " göre" anlamına geldiğini biliyorum ancak birkaç noktada kafam karıştı:P(x,y)P(x,y)P(x,y)P(y|x)P(y|x)P(y|x) Wikipedia (+, web'deki diğer birçok isabet), SVM'ler ve karar ağaçları gibi şeyleri ayrımcı olarak sınıflandırıyor. Ancak bunların olasılıksal yorumları bile yok. Ayrımcı burada ne anlama geliyor? Ayrımcı sadece üretken olmayan bir şey ifade ediyor …

153 machine-learning  generative-models 

Doğrusal olmama sanatının durumu, derin sinir ağında sigmoid işlevi yerine doğrultulan doğrusal birimler (ReLU) kullanmaktır. Avantajları nelerdir? ReLU kullanıldığında bir ağın eğitilmesinin daha hızlı olacağını ve biyolojik olarak daha ilham verici olduğunu biliyorum, diğer avantajları nelerdir? (Yani, sigmoid kullanmanın herhangi bir dezavantajı)?

141 machine-learning  neural-networks  deep-learning 

Çapraz doğrulama işleminden sonra tam veri setiyle çalışmak her zaman iyi bir fikir midir? Başka bir yol tut, çok ile tren ok tüm benim veri kümesindeki örnekleri ve değil bu özel uydurma olmadığını kontrol edememek overfits ? Sorun hakkında bazı bilgiler: Diyelim ki parametreleştirilmiş bir model ailesi var . Ayrıca, …

139 machine-learning  cross-validation  model-selection 

Bazı öğrenme algoritmalarının performansını değerlendirmek için birkaç kez -katlı çapraz doğrulama kullanıyorum , ancak değerini nasıl seçmem gerektiği konusunda hep şaşırdım .KKKKKK Sık sık değerini gördüm ve kullandım , ancak bu benim için tamamen keyfi görünüyor ve şimdi düşünmek yerine sadece alışkanlık kullanıyorum. Bana göre değerini arttırdıkça daha iyi bir …

136 machine-learning  classification  cross-validation 

Şu anda verilerimi sınıflandırmak için doğrusal bir çekirdeğe sahip bir SVM kullanıyorum. Eğitim setinde hata yoktur. parametresi için birkaç değer denedim ( ). Bu, test setindeki hatayı değiştirmedi.10 - 5 , … , 10 2CCC10- 5, … , 10210−5,…,10210^{-5}, \dots, 10^2 Şimdi merak: Bunun bir hata olduğunu yakut bağlamaları nedeniyle …

134 machine-learning  svm  libsvm