«machine-learning» etiketlenmiş sorular

Hassas geri çağırma eğrisinde "optimal" çalışma noktasını belirlemek için herhangi bir standart yöntem var mı ? (yani, doğruluk ve hatırlama arasında iyi bir denge sağlayan eğrideki noktayı belirlemek) Teşekkürler

11 machine-learning  precision-recall 

Metot seçimi için teorik çerçevelere bakıyorum (not: model seçimi değil) ve çok az sistematik, matematiksel olarak motive edilmiş iş buldum. 'Yöntem seçimi' ile, bir soruna veya problem türüne göre uygun (veya daha iyi, optimal) yöntemi ayırt etmek için bir çerçeve kastediyorum. Bulduğum şey, parça parça ise, belirli yöntemler ve bunların …

11 machine-learning  methodology  theory 

Facebook'un peygamberi hakkında okuduğum şey , temel olarak zaman serilerini trend ve mevsimsellikten ayırıyor. Örneğin, bir katkı modeli şu şekilde yazılabilir: y( t ) = g( t ) + s ( t ) + h ( t ) + ety(t)=g(t)+s(t)+h(t)+et y(t) = g(t) + s(t) + h(t) + e_t ile …

11 regression  machine-learning  time-series  prophet 

SVM anlayışım bunun bir lojistik regresyona (LR) çok benzediğidir, yani bir sınıfa ait olma olasılığını elde etmek için sigmoid fonksiyona ağırlıklı bir özellik toplamı geçirilir, ancak çapraz entropi (lojistik) kaybı yerine fonksiyonu, eğitim menteşe kaybı kullanılarak gerçekleştirilir. Menteşe kaybını kullanmanın yararı, çekirdeği daha verimli hale getirmek için çeşitli sayısal numaralar …

11 machine-learning  logistic  svm 

mgcvİçin paket Rtensör ürün etkileşimleri uydurma için iki işlevi vardır: te()ve ti(). İkisi arasındaki temel işbölümünü anlıyorum (doğrusal olmayan bir etkileşime uymak ve bu etkileşimi ana etkilere ve etkileşime ayırmak). Anlamadığım şey neden te(x1, x2)ve ti(x1) + ti(x2) + ti(x1, x2)(biraz) farklı sonuçlar üretebilir. MWE (uyarlanmıştır ?ti): require(mgcv) test1 <- …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

Farklı tanımlanmış kategorilere ait bir kelime listem var. Her kategorinin kendi deseni vardır (örneğin biri özel karakterlerle sabit bir uzunluğa sahiptir, diğeri sadece bu "kelime", ... kategorisinde gerçekleşen karakterlerden oluşur.). Örneğin: "ABC" -> type1 "ACC" -> type1 "a8 219" -> type2 "c 827" -> type2 "ASDF 123" -> type2 "123123" …

11 machine-learning  classification  similarities  supervised-learning 

Ben aslında bir fizik dersinde Boltzmann makineleri ile bazı programlamalar yaparken, teorik karakterizasyonlarına aşina değilim. Buna karşılık, grafik modeller teorisi hakkında (Lauritzen'in Grafik Modeller kitabının ilk birkaç bölümü hakkında) mütevazı bir miktar biliyorum . Soru: Grafik modeller ile Boltzmann makinesi arasında anlamlı bir ilişki var mı? Boltzmann makinesi bir tür …

11 machine-learning  neural-networks  mathematical-statistics  graphical-model  rbm 

Geri yayılımı kullanarak sınıflandırma için derin bir sinir ağını eğitmeye çalışıyorum. Özellikle, görüntü sınıflandırması için, Tensor Flow kütüphanesini kullanarak evrişimli bir sinir ağı kullanıyorum. Eğitim sırasında garip bir davranış yaşıyorum ve bunun tipik olup olmadığını ya da yanlış bir şey yapıp yapmadığımı merak ediyorum. Böylece, evrişimli sinir ağımın 8 katmanı …

11 machine-learning  classification  neural-networks  conv-neural-network  tensorflow 

Son zamanlarda, bir grup öğrenme biçimi olarak model istifleme ile ilgilenmeye başladım. Özellikle, regresyon sorunları için bazı oyuncak veri setleri ile biraz deney yaptım. Temel olarak bireysel "seviye 0" regresörleri uyguladım, her regresörün çıkış tahminlerini "meta-regresörün" girişi olarak almak için yeni bir özellik olarak sakladım ve bu meta-regresörü bu yeni …

11 machine-learning  ensemble  stacking 

Belirli bir katmandaki etkinleştirme haritaları, o katmanın filtrelerine nasıl bağlanır? Filtre ve aktivasyon haritası arasında kıvrımlı bir işlemin nasıl yapılacağını sormuyorum, bu iki bağlantının türünü soruyorum. Örneğin, tam bağlantı yapmak istediğinizi varsayalım. Belirli bir katmanda f sayıda filtre ve n adet etkinleştirme haritası var. Bir sonraki katmandaki f * n …

11 machine-learning  deep-learning  conv-neural-network 

Bu scikit GradientBoosting'in binom sapma kaybı fonksiyonudur, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() * …

11 machine-learning  scikit-learn  boosting  loss-functions 

Backpropagation kullanarak bir SVM (doğrusal bir şey söylemek, işleri kolaylaştırmak için) mümkün olup olmadığını merak ediyordum? Şu anda, bir yol bloğundayım, çünkü sadece sınıflandırıcının çıktısını şöyle yazmayı düşünebilirim f( x ; θ , b ) = sgn ( θ ⋅ x - ( b + 1 ) ) = sgn …

11 machine-learning  neural-networks  svm  gradient-descent  backpropagation 

Sinir ağlarının (NN) belirli varsayımlar altında (hem ağda hem de fonksiyonda yaklaşık olarak) hem fonksiyonlara hem de türevlerine evrensel yakınlaştırıcılar olarak kabul edilebileceğini anlıyorum. Aslında, basit ama önemsiz olmayan fonksiyonlar (örneğin polinomlar) üzerinde bir dizi test yaptım ve görünüşe göre onları ve ilk türevlerini iyi tahmin edebiliyorum (bir örnek aşağıda …

11 machine-learning  neural-networks  function  derivative 

Rastgele Ormanlar (Breiman, 1999) makalesinin 7. bölümünde yazar şu varsayımı belirtmektedir: "Adaboost Rastgele Bir Orman". Bunu kanıtlayan veya çürüten oldu mu? Bu yazıyı ispatlamak veya çürütmek için neler yapıldı?

11 machine-learning  random-forest  boosting 

Sinir ağına sahip bir otomatik kodlayıcı uygularken, çoğu insan aktivasyon fonksiyonu olarak sigmoid kullanacaktır. Bunun yerine ReLU kullanabilir miyiz? (ReLU'nun üst sınırda bir sınırı olmadığından, sigmoid kullanıldığında otomatik kodlayıcı için kısıtlanmış kriterlerin aksine, temel olarak giriş görüntüsünün 1'den büyük piksel olabileceği anlamına gelir).

11 machine-learning  neural-networks  deep-learning  autoencoders