«machine-learning» etiketlenmiş sorular

Makine öğrenimi algoritmaları eğitim verilerinin bir modelini oluşturur. "Makine öğrenimi" terimi belirsiz bir şekilde tanımlanmıştır; istatistiksel öğrenme, takviye öğrenme, gözetimsiz öğrenme vb. olarak da adlandırılır. DAİMA DAHA ÖZEL BİR ETİKET EKLE.

11
Doğrusal regresyon ne zaman “makine öğrenmesi” olarak adlandırılmalıdır?
Yakın tarihli bir collokonyumda konuşmacının özeti, makine öğrenmeyi kullandıklarını iddia etti. Konuşma sırasında, makine öğrenmeyle ilgili tek şey, verileri üzerinde doğrusal regresyon gerçekleştirmeleriydi. 5D parametre alanındaki en uygun katsayıları hesapladıktan sonra, bir sistemdeki bu katsayıları diğer sistemlerin en uygun katsayılarıyla karşılaştırdılar. Doğrusal regresyon makinesi ne zaman öğrenme , sadece en …


7
Bire bir çıkışta yanlılık ve varyans vs K-kat çapraz doğrulama
Farklı çapraz doğrulama yöntemleri, model varyansı ve önyargı açısından nasıl karşılaştırılır? Sorumu kısmen bu konuya göre motive ediyor: katlı çapraz onaylamada en uygun kıvrım sayısı : bir kez dışarıda bırakılan CV her zaman en iyi seçenek midir? KKK. Buradaki cevap, bir kez dışarı bırakılan çapraz doğrulama ile öğrenilen modellerin normal …


5
“Kapalı form çözümü” ne anlama geliyor?
Sık sık "kapalı form çözümü" terimi ile karşılaştım. Kapalı formda bir çözüm ne demektir? Belirli bir problem için yakın formlu bir çözüm bulunup bulunmadığı nasıl belirlenir? Çevrimiçi arama yaparken, bazı bilgiler buldum, ancak istatistiksel ya da olasılıksal bir model / çözüm geliştirme bağlamında hiçbir şey bulamadım. Regresyonu çok iyi anlıyorum, …


5
Politika dışı ve politika dışı öğrenme arasındaki fark nedir?
Yapay zeka web sitesi politika dışı ve politika dışı öğrenmeyi şu şekilde tanımlamaktadır: "Politika dışı bir öğrenci, aracı kurumun eylemlerinden bağımsız olarak en uygun politikanın değerini öğrenir. Q-öğrenme, politika dışı bir öğrencidir. Politikaya dayalı bir öğrenci, araştırma adımları dahil olmak üzere, aracı tarafından yürütülen politikanın değerini öğrenir ." Bu konudaki …

3
Bir örnek: ikili sonuç için glmnet kullanarak LASSO regresyonu
Ben kullanımı ile serpmek başlıyorum glmnetile LASSO Regresyon ilgi benim sonuç dikotom olduğunu. Aşağıda küçük bir sahte veri çerçevesi oluşturdum: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

1
Anlamam için bana yardım et Destek
Bir Destek Vektörü Makinelerinin amacının, bir girişin birkaç farklı sınıfa sınıflandırılması açısından ne anlama geldiğinin temellerini anlıyorum; Yeni başlayanlar için biraz Slack Değişkenleri ile kafam karıştı. Amaçları nedir? Bir ayakkabının iç tabanına yerleştirdiğim sensörlerden basınç ölçümleri aldığım bir sınıflandırma problemi yapıyorum. Basınç verileri kaydedilirken bir konu birkaç dakika oturacak, duracak …

6
Makine öğrenmesinde çapraz doğrulama yapılırken “son” model için özellik seçimi
Özellik seçimi ve makine öğrenmesi konusunda kafam biraz karıştı ve bana yardım edip edemeyeceğinizi merak ediyordum. İki gruba ayrılan ve 1000’lik özelliklere sahip bir mikro dizi veri setine sahibim. Amacım, teorik olarak bu örnekleri en iyi şekilde sınıflandırmak için diğer veri setlerine uygulayabileceğim bir imzayla az sayıda gen (özelliklerim) (10-20) …


3
Bir yayında rastgele bir orman sunmanın en iyi yolu?
Rastgele orman algoritmasını, iki grubun sağlam bir sınıflandırıcısı olarak, 1000'li özelliklere sahip bir mikro dizi çalışmasında kullanıyorum. Rastgele ormanı sunmanın en iyi yolu nedir, böylece bir makalede tekrarlanabilir kılmak için yeterli bilgi olacak? Az sayıda özellik varsa, aslında ağacı çizmek için R'de bir çizim yöntemi var mı? OOB hata oranı …

6
Kapalı formlu bir matematik çözümü olduğunda doğrusal regresyon için neden gradyan inişini kullanmalısınız?
Makine Öğrenimi derslerini çevrimiçi olarak alıyorum ve hipotezdeki en uygun değerleri hesaplamak için Gradient Descent'i öğrendim. h(x) = B0 + B1X değerleri aşağıdaki formüle göre kolayca bulabiliyorsak neden Gradient Descent kullanmamız gerekiyor? Bu da ileri ve kolay görünüyor. ancak GD'nin değeri elde etmek için çoklu yinelemeye ihtiyacı var. B1 = …

11
Doktora olmadan veri madenciliği alanında çalışmak
Bir süredir veri madenciliği ve makine öğrenimi ile çok ilgilenmiştim , kısmen okulda o alanda yoğunlaştığım için, aynı zamanda sadece programlamadan biraz daha fazla düşünce gerektiren sorunları çözmeye çalışırken gerçekten çok daha heyecanlı olduğum için bilgi ve kimin çözümü çok formlara sahip olabilir. Araştırmacı / bilim adamı geçmişim yok, veri …

4
Sinir ağları neden daha derin hale geliyor, ama daha da genişlemiyor?
Son yıllarda, evrişimli sinir ağları (ya da genel olarak derin sinir ağları) , 4 uzayda 7 katmandan ( AlexNet ) 1000 katmana ( Artık Ağlar) kadar uzanan son teknoloji ağlarla daha da derinleşmiştir . yıl. Daha derin bir ağdan gelen performanstaki artışın arkasındaki neden, daha karmaşık, doğrusal olmayan bir fonksiyonun …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.