«machine-learning» etiketlenmiş sorular

Temel bileşen analizi (PCA) yaptıktan sonra, PCA alanına yeni bir vektör yansıtmak istiyorum (yani PCA koordinat sistemindeki koordinatlarını bulmak). PCA'yı R dilinde kullanarak hesapladım prcomp. Şimdi vektörümü PCA dönme matrisi ile çarpabilmeliyim. Bu matristeki temel bileşenler satır veya sütunlar halinde mi düzenlenmelidir?

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

Toplu normalizasyon (BN) kağıdını (1) okuyordum ve modelin doğruluğunu izlemek için hareketli ortalamalar kullanma ihtiyacını anlamadım ve bunun doğru bir şey olduğunu kabul etsem bile anlamıyorum tam olarak ne yaptıklarını. Anladığım kadarıyla (ki bu benim yanlışım) makalede, modelin eğitimi bittikten sonra istatistiklerini mini parti yerine nüfus istatistiklerini kullandığından bahsediliyor. Tarafsız …

21 machine-learning  neural-networks  deep-learning  conv-neural-network  batch-normalization 

Bir vektör üzerine softmax fonksiyonunun uygulanması, "olasılıklar" ve ile arasında değerler üretecektir . 000111 Ancak her bir değeri vektörün toplamına bölebiliriz ve bu da ile arasında olasılıklar ve değerler üretir .000111 Burada cevabı okudum ama her iki fonksiyon da farklı olsa da bunun nedeninin farklı olabileceğinden kaynaklandığını söylüyor.

20 machine-learning  neural-networks  softmax 

Arasında Tensorflow en uygulamasında ResNet , onlar, ben de başlatıcısı popüler xavier bulmak varyans ölçeklendirme başlatıcı kullanmak bulabilirsiniz. Bu konuda çok fazla deneyimim yok, bu pratikte daha iyi mi?

20 machine-learning  neural-networks  deep-learning  conv-neural-network  tensorflow 

Aşırı takma ve yetersiz takma hakkında biraz araştırma yaptım ve tam olarak ne olduklarını anladım, ama nedenlerini bulamıyorum. Aşırı takma ve yetersiz takmanın başlıca nedenleri nelerdir? Bir model eğitiminde neden bu iki sorunla karşı karşıyayız?

20 machine-learning  dataset  overfitting 

Olasılıkları döndüren bir sınıflandırıcı kullanıyorum. AUC'yi hesaplamak için pROC R-paketi kullanıyorum. Sınıflandırıcıdan çıktı olasılıkları: probs=c(0.9865780, 0.9996340, 0.9516880, 0.9337157, 0.9778576, 0.8140116, 0.8971550, 0.8967585, 0.6322902, 0.7497237) probs"1" sınıfında olma olasılığını gösterir. Gösterildiği gibi, sınıflandırıcı '1' sınıfındaki tüm örnekleri sınıflandırmıştır. Gerçek etiket vektörü: truel=c(1, 1, 1, 1, 1, 0, 0, 0, 0, 0) …

20 machine-learning  auc 

Makine öğrenimi araştırma makaleleri genellikle öğrenmeyi ve çıkarımları iki ayrı görev olarak ele alır, ancak bana göre bu ayrımın ne olduğu açık değildir. Örneğin bu kitapta her iki görev için Bayesci istatistik kullanıyorlar, ancak bu ayrım için bir motivasyon sağlamıyorlar. Ne hakkında olabileceğine dair bazı belirsiz fikirlerim var, ancak sağlam …

20 machine-learning  terminology 

Andrew Ng'nin Coursera aracılığıyla Machine Learning konusundaki kursunu alıyorum . Denklemler için abonelikler yerine üst simgeler kullanılır. Örneğin, aşağıdaki denklemde yerine kullanılır : x ix( i )x(i)x^{(i)}xbenxix_i J( θ0, θ1) = 12 mΣi = 1m( sθ( x( i )) - y( i ))2J(θ0,θ1)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta_0, \theta_1) = \frac{1}{2m} \sum\limits_{i=1}^{m}{(h_\theta(x^{(i)}) - y^{(i)})^2} Görünüşe …

20 machine-learning  notation 

Düğüm boyutunun ne anlama geldiğini tam olarak anlamıyorum. Karar düğümünün ne olduğunu biliyorum, ama düğüm büyüklüğünün ne olduğunu bilmiyorum.

20 machine-learning  random-forest  bagging 

İstatistiksel bir öğrenme algoritması çalıştırmadan önce özellik seçim yöntemlerini (Rastgele ormanlar önem değeri veya Tek değişkenli özellik seçim yöntemleri vb.) Kullanmayla ilgili bir sorum var. Aşırı kilo vermekten kaçındığımızı biliyoruz, ağırlık vektörleri üzerinde düzenleyici ceza verebiliriz. Eğer lineer regresyon yapmak istersem, o zaman L2 veya L1 hatta Elastik ağ regülasyon …

20 regression  machine-learning  feature-selection  lasso  regularization 

A, B, C, D, E olmak üzere 5 özellikten oluşan bir veri setim var. Hepsi sayısal değerlerdir. Yoğunluk temelli bir kümeleme yapmak yerine, yapmak istediğim veriyi karar ağacı benzeri bir şekilde kümelemektir. Demek istediğim yaklaşım şöyle: Algoritma, özellik C'yi temel alarak verileri X başlangıç ​​kümelerine bölebilir, yani X kümeleri küçük …

20 r  machine-learning  clustering  cart 

Tüm medya bugünlerde derin öğrenme hakkında konuşup hype ile, bazı temel şeyler okudum. Verilerdeki kalıpları öğrenmenin sadece başka bir makine öğrenme yöntemi olduğunu buldum. Ama sorum şu: bu yöntem nerede ve neden parlıyor? Neden şu anda bu konudaki tüm konuşmalar? Yani yaygara ne hakkında?

20 machine-learning  data-mining  deep-learning  deep-belief-networks 

Örneklerin iki sınıftan birine ait olma olasılıklarını ortaya çıkaran sınıflandırıcılar arıyorum. Lojistik regresyon ve saf Bayes'i biliyorum, ama bana benzer şekilde çalışan diğerlerinden bahseder misiniz? Yani, örneklerin ait olduğu sınıfları değil, örneklerin belirli bir sınıfa uyma olasılığını tahmin eden sınıflandırıcılar? Bu farklı sınıflandırıcıların (lojistik regresyon ve naif Bayes dahil) avantajları …

20 machine-learning  probability  logistic  classification  naive-bayes 

Yarı denetimli öğrenmede manifold varsayımının ne anlama geldiğini anlamaya çalışıyorum. Herkes basit bir şekilde açıklayabilir mi? Arkasındaki sezgiyi alamıyorum. Verilerinizin daha yüksek bir alana yerleştirilmiş düşük boyutlu bir manifoldda olduğunu söylüyor. Bunun ne anlama geldiğini anlamadım.

20 machine-learning  unsupervised-learning  supervised-learning  manifold-learning 

Geçenlerde "Tekrarlayan Takviye Öğrenme" kelimesiyle karşılaştım. "Tekrarlayan Sinir Ağı" nın ne olduğunu ve "Takviye Öğrenme" nin ne olduğunu anlıyorum, ancak "Tekrarlayan Takviye Öğrenme" nin ne olduğu hakkında fazla bilgi bulamadım. Birisi bana "Tekrarlayan Takviye öğrenme" nedir ve "Tekrarlayan Takviye öğrenme" ile Q-Öğrenme algoritması gibi normal "Takviye öğrenme" arasındaki farkın ne …

20 machine-learning  reinforcement-learning