«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.


1
Destek Vektör Regresyonunun SVM'ye göre farkı nedir?
SVM ve SVR ile ilgili temel bilgileri biliyorum, ancak yine de marjı en üst düzeye çıkaran bir hiper düzlem bulma sorununun SVR'ye nasıl uyduğunu anlamıyorum. İkinci olarak, SVR'de tolerans marjı olarak kullanılan hakkında bir şey okudum . Bu ne demek?εε\epsilon Üçüncüsü, SVM ve SVR'de kullanılan karar fonksiyonu parametreleri arasında herhangi …

3
Etkileşimler sadece regresyon bağlamında faydalı mıdır?
Etkileşim terimini her zaman regresyon bağlamında okudum. Ayrıca knn veya svm gibi farklı modellerle etkileşimleri de düşünmeli miyiz? Varsa , ya da daha fazla özellik ve olanak demek yararlı etkileşimleri bulmak için her zamanki gibi ne olduğunu gözlemler? Tüm kombinasyonları denemek ister misiniz? Veya sadece mantıklı kombinasyonlar mı kullanıyorsunuz?505050100100100100010001000


1
Performans açısından Word gömme algoritmaları
Kabaca 60 milyon ibareyi bir vektör boşluğuna yerleştirmeye çalışıyorum , sonra aralarındaki kosinüs benzerliğini hesaplıyorum . Ben sklearn's CountVectorizerunigram ve bigram üreten özel inşa tokenizer fonksiyonu ile kullanıyorum. Anlamlı temsiller elde etmek için, çok sayıda sütuna izin vermem gerekiyor, satır sayısı bakımından doğrusal. Bu inanılmaz derecede seyrek matrislere yol açar …

2
Kısmen “bilinmeyen” verilerle sınıflandırma
Bir sayı vektörü girdi olarak alan ve çıktı olarak bir sınıf etiketi veren bir sınıflandırıcı öğrenmek istediğimizi varsayalım. Egzersiz verilerim çok sayıda girdi-çıktı çiftinden oluşuyor. Ancak, bazı yeni veriler üzerinde test yapmaya geldiğimde, bu veriler genellikle sadece kısmen tamamlanır. Örneğin, giriş vektörü 100 uzunluğundaysa, elemanların sadece 30'una değerler verilebilir ve …

2
Gauss Sürecinde gözlemleri birleştirme
Regresyon için Gauss işlemi (GP) kullanıyorum. Benim , iki veya daha fazla veri noktasının uzunluğuna nispeten birbirine yakın olması oldukça yaygındır. sorunun ölçekleri. Ayrıca, gözlemler son derece gürültülü olabilir. Hesaplamaları hızlandırmak ve ölçüm hassasiyetini artırmak için, daha büyük uzunluktaki tahminleri önemsediğim sürece birbirine yakın nokta kümelerini birleştirmek / entegre etmek …

2
R'nin glmnet'ini kullanan Ridge regresyonu ile Python'un scikit-learn'u arasındaki farklar nelerdir?
James, Witten, Hastie, Tibshirani (2013) tarafından 'R'de Uygulamalarla İstatistiksel Öğrenmeye Giriş' kitabında Ridge Regresyon / Kement ile ilgili LAB bölümü §6.6'dan geçiyorum . Daha spesifik olarak, scikit-öğrenim Ridgemodelini R paketinden 'ISLR' 'Hitters' veri kümesine uygulamaya çalışıyorum . R kodunda gösterildiği gibi aynı özellik kümesini oluşturdum. Ancak, glmnet()modelden elde edilen sonuçlara …

1
risk sınıflandırıcısı için hesaplama eşiği?
İki Sınıf ve özelliğine sahip olduğunu ve ve dağılımına sahip olduğunu varsayalım . aşağıdaki maliyet matrisi için eşit :C1C1C_1C2C2C_2xxxN(0,0.5)N(0,0.5) \cal{N} (0, 0.5)N(1,0.5)N(1,0.5) \cal{N} (1, 0.5)P(C1)=P(C2)=0.5P(C1)=P(C2)=0.5P(C_1)=P(C_2)=0.5 L=[010.50]L=[00.510]L= \begin{bmatrix} 0 & 0.5 \\ 1 & 0 \end{bmatrix} neden, minimum risk (maliyet) sınıflandırıcısının eşiği ?x0&lt;0.5x0&lt;0.5x_0 < 0.5 Bu yanlış anladığım not örneğidir (yani, …


1
Sol sansürlü verilerde standart makine öğrenme araçlarını kullanma
Amacı, bir ithalatçının, distribütörlerin müşteri ağından ürünlerine olan talebi tahmin etmesini sağlamak olan bir tahmin uygulaması geliştiriyorum. Satış rakamları, talebi karşılamak için yeterli envanter olduğu sürece talep için oldukça iyi bir vekildir. Envanter sıfıra indirildiğinde (müşterimizin kaçınmasına yardımcı olmak istediğimiz durum), hedefi kaçırdığımızdan çok fazla şey bilmiyoruz. Yeterli tedarik olsaydı, …

1
Çevrimdışı ve çevrimiçi öğrenmede model seçimi
Son zamanlarda çevrimiçi öğrenme hakkında daha fazla bilgi edinmeye çalışıyorum (kesinlikle büyüleyici!) Ve iyi bir kavrama elde edemediğim bir tema, çevrimdışı ve çevrimiçi bağlamlarda model seçimi hakkında nasıl düşünüleceğidir. Özellikle, bazı sabit veri seti temel alarak bir sınıflandırıcısını çevrimdışı eğittiğimizi varsayalım . Performans özelliklerini çapraz doğrulama ile tahmin ediyoruz ve …

2
Gerçek pratikte Makine Öğrenimi hakkında her şey nedir?
Bir süredir Makine öğreniminde (aynı zamanda bazı istatistikler) yeni bir bilgim var (denetimli / denetimsiz öğrenme algoritmaları, ilgili optimizasyon yöntemleri, düzenlemeler, bazı felsefeler (önyargı-varyans ödünleşimi gibi?)). Gerçek bir uygulama olmadan, o makine öğrenimi öğelerini derinlemesine anlamayacağımı biliyorum. Bu yüzden gerçek verilerle bazı sınıflandırma problemi ile başlıyorum, el yazısı rakam sınıflandırması …

2
Beklenti ortalama ile aynı mı?
Üniversitemde ML yapıyorum ve Profesör Gauss süreçlerinde bazı şeyleri açıklamaya çalışırken Beklenti (E) teriminden bahsetti. Ancak açıkladığı şekilde E'nin ortalama μ ile aynı olduğunu anladım. Doğru mu anladım? Aynı ise, her iki sembolün neden kullanıldığını biliyor musunuz? Ayrıca E'nin E ( ) gibi bir işlev olarak kullanılabileceğini gördüm , ancak …

1
Beklenti Maksimizasyon Açıklama
EM algoritması ile ilgili çok faydalı bir eğitim buldum . Örnek ve öğretici resim sadece parlak. Olasılıkların hesaplanması ile ilgili soru Beklenti maksimizasyonu nasıl çalışır? Öğreticide açıklanan teorinin örneğe nasıl bağlanacağıyla ilgili başka bir sorum var. E aşaması sırasında, EM bir işlev seçer bu alt sınır , her yerde, ve …

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