«machine-learning» etiketlenmiş sorular

Bu cümleyi anlamakta güçlük çekiyorum: Önerilen ilk mimari, doğrusal olmayan gizli katmanın kaldırıldığı ve projeksiyon katmanının tüm kelimeler (yalnızca projeksiyon matrisi için değil) paylaşıldığı ileri beslemeli NNLM'ye benzer; böylece, tüm kelimeler aynı pozisyona yansıtılır (vektörlerinin ortalaması alınır). Projeksiyon katmanı vs projeksiyon matrisi nedir? Tüm kelimelerin aynı konuma yansıtıldığını söylemek ne …

11 machine-learning  neural-networks  natural-language  word-embeddings  language-models 

Sınıflandırma görevleri ve özellikle Adaboost için algoritmaları artırma üzerine biraz okudum. Adaboost'un amacının birkaç "zayıf öğrenici" almak olduğunu ve eğitim verilerinin bir dizi yinelemesi yoluyla, sınıflandırıcıların, model (ler) in tekrar tekrar hata yaptığı sınıfları tahmin etmeyi öğrenmeye ittiğini anlıyorum. Ancak, yaptığım okumaların çoğunun neden zayıf sınıflandırıcı olarak karar ağaçlarını kullandığını …

11 machine-learning  classification  algorithms  boosting 

Makine öğrenimi üzerine bir ders kitabı okuyorum (Data Mining by Witten ve diğerleri, 2011) ve bu pasajla karşılaştım: ... Ayrıca, farklı dağıtımlar kullanılabilir. Normal dağılım genellikle sayısal özellikler için iyi bir seçim olsa da, önceden belirlenmiş bir minimum değere sahip ancak üst sınırı olmayan özellikler için uygun değildir; bu durumda …

11 machine-learning  distributions 

PCA'yı, örnekleri iki sınıfa ayırmak için denetimli makine öğreniminde kullanılacak daha küçük değişkenler kümesi, yani temel bileşenler olarak çalıştırmak için çalıştırdım. PCA'dan sonra PC1 verilerdeki varyansın% 31'ini, PC2% 17'sini, PC3% 10'unu, PC4% 8'ini, PC5% 7'sini ve PC6% 6'sını oluşturur. Ancak, iki sınıf arasındaki PC'ler arasındaki ortalama farklılıklara baktığımda, şaşırtıcı bir …

11 machine-learning  classification  pca  dimensionality-reduction 

Şu anda yüzleri tanımak için evrişim sinir ağlarını kullanan bir yüz tanıma yazılımı üzerinde çalışıyorum. Okumalarıma dayanarak, eğitim sırasında zaman kazanmak için evrişimli bir sinir ağının ağırlık paylaştığını topladım. Ancak, bir geri yayılımı nasıl adapte eder, böylece bir evrişim sinir ağında kullanılabilir. Geri çoğaltmada, ağırlıkların eğitilmesi için buna benzer bir …

11 machine-learning  neural-networks  computer-vision  backpropagation  conv-neural-network 

Bir algılayıcı algoritmasının karar sınırını çizmeye çalışıyorum ve birkaç şey hakkında gerçekten kafam karıştı. Giriş örneklerim , temelde bir 2D giriş örneği ( ve ) ve bir ikili sınıf hedef değeri ( ) [1 biçimindedir. veya 0].[(x1,x2),y][(x1,x2),y][(x_{1},x_{2}), y]x1x1x_{1}x2x2x_{2}yyy Ağırlık vektörüm şu şekildedir: .[w1,w2][w1,w2][w_{1}, w_{2}] Şimdi ek bir bias parametresi ve …

11 machine-learning  neural-networks  python  decision-theory  perceptron 

Rasgele bir orman inşa etmek için bildiğim yöntem şöyledir: ( http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm ) Ormanda bir ağaç inşa etmek için: Bootstrap N boyutunda bir örnek, burada N egzersiz setimizin boyutudur. Bu önyüklemeli örneği bu ağaç için eğitim seti olarak kullanın. Ağacın her bir düğümünde M özelliklerimizden rastgele m seçin. Bölünecek bu m …

11 machine-learning  classification  random-forest 

Bir model için düzleştirmeler / spline'lar kullanırken yeni veriler için tahminlerin nasıl yapıldığına dair kavramsal bir açıklama yapmaya yardımcı olabilir misiniz? Örneğin, kullanılarak oluşturulan bir model verilmiş gamboostiçinde mboostp-yivler ile, R paketin ne kadar yeni veri tahminleri yapılır? Eğitim verilerinden ne kullanılır? Diyelim ki x bağımsız değişkeninin yeni bir değeri …

11 regression  machine-learning  predictive-models  splines 

Büyük eğitim veri kümeleri kullanan çok sınıflı bir metin sınıflandırma sorunu için 2 farklı sınıflandırıcıyı karşılaştırmak istiyorum. 2 sınıflandırıcıyı karşılaştırmak için ROC eğrilerini mi yoksa öğrenme eğrilerini mi kullanmam gerektiğinden şüpheliyim. Bir yandan, öğrenme eğrileri, eğitim veri kümesinin boyutuna karar vermek için yararlıdır, çünkü sınıflandırıcının öğrenmeyi durdurduğu (ve belki de …

11 machine-learning  classification  roc  accuracy 

Sadece dizeleri alabilen giriş nöronları ile sigmoid nöronların bazı sabit tekrarlayan olmayan (DAG) topolojisi (sabit düğüm ve kenar kümesi, ancak öğrenme algoritması kenarlardaki ağırlığı değiştirebilir) varsa girdi olarak ve bir çıkışa yol açar (0'dan uzakta belirli bir sabit eşikse 1'e veya -1'e yuvarladığımız gerçek bir değer üretir). Bu ağın VC …

11 machine-learning  neural-networks  algorithms  vc-dimension 

Neuralnet R'de 14 giriş ve bir çıkış ile bir NN oluşturmak için kullanıyorum. Aynı giriş eğitimi verilerini ve aynı ağ mimarisini / ayarlarını kullanarak ağı birkaç kez oluşturur / eğitirim. Her ağ üretildikten sonra, tahmin edilen bazı değerleri hesaplamak için tek başına test verileri kümesinde kullanıyorum. Ağı her kurduğumda tüm …

11 r  machine-learning  neural-networks 

Oldukça popüler bir " ADVERSARIAL ÖRNEKLERİ AÇMAK VE SÜRDÜRMEK " makalesini uyguluyordum ve makalede, olumsuz bir objektif işlevi eğitiyor J '' (θ) = αJ (θ) + (1 - α) J '(θ). Α'ya hiperparametre gibi davranır. a, 0,1, 0,2, 0,3 vb. olabilir. Bu özel kağıttan bağımsız olarak, merak ediyorum, neden parametrelerimize …

11 machine-learning  neural-networks  deep-learning  hyperparameter 

Her şey başlıkta, rastgele ormanı kullanmadan önce özellik seçimini kullanmak mantıklı mı?

11 machine-learning  feature-selection  random-forest 

Ben veri önişleme yapmak ve sonra benim veriler üzerinde bir Convonets inşa edeceğim. Sorum şu: 100 görüntülü toplam veri kümem var, 100 görüntünün her biri için ortalama hesaplıyorum ve sonra görüntülerin her birinden çıkartıyorum, sonra bunu tren ve doğrulama kümesine ayırdım ve aynısını yapıyorum belirli bir test setinde işlem yapmak …

11 machine-learning  cross-validation  data-preprocessing 

Christopher Bishop, Desen Tanıma ve Makine Öğrenimi kitabında , veriler daha önce seçilen bileşenlere dik bir alana yansıtıldıktan sonra, ardışık her ana bileşenin projeksiyonun varyansını maksimuma çıkardığına dair bir kanıt yazar . Diğerleri de benzer kanıtlar gösteriyor. Bununla birlikte, bu sadece her ardışık bileşenin varyansı en üst düzeye çıkarmak için …

11 machine-learning  variance  pca  dimensionality-reduction  eigenvalues