«machine-learning» etiketlenmiş sorular

Lisansüstü okullar için kabul mevsimidir. Ben (ve benim gibi birçok öğrenci) şimdi hangi istatistik programının seçileceğine karar vermeye çalışıyorum. İstatistiklerle çalışanların istatistikteki yüksek lisans programları hakkında dikkate aldığımızı önerdiği bazı şeyler nelerdir? Öğrencilerin yaptıkları ortak tuzaklar veya hatalar var mı (belki de okul itibarı ile ilgili olarak)? İstihdam için, uygulamalı …

36 machine-learning  mathematical-statistics  careers 

Amazon EC2 üzerine kurulu kümelerde R, python veya oktav betiklerini çalıştırmak için bir platform sağlayan küçük bir şirket listesine sahibim. Eklemem gereken başka isimler var mı? Cloudnumbers Opani crdata

36 r  machine-learning 

Ben ayrımı edecek bir sınıflandırıcı eğitmek için arıyorum Type Ave Type Bhangi yaklaşık yarısını, yaklaşık 10.000 nesnelerin oldukça geniş bir eğitim seti ile nesneleri Type Aolmak üzere yarısı Type B. Veri kümesi, hücrelerin fiziksel özelliklerini (boyut, ortalama yarıçap vb.) Ayrıntılandıran 100 sürekli özellikten oluşur. Verilerin çift saçılım ve yoğunluk grafiklerinde …

36 r  machine-learning  random-forest 

Öncelikle, ikili tahminler yapmam gerekirse, tek bir sıcak kodlama gerçekleştirerek en az iki sınıf oluşturmam gerektiğini fark ettim. Bu doğru mu? Ancak, ikili çapraz entropi sadece bir sınıf içeren tahminler için mi? Genelde çoğu kütüphanede (TensorFlow gibi) bulunan kategorik bir çapraz entropi kaybı kullansaydım, önemli bir fark olur mu? Aslında, …

36 machine-learning  neural-networks  loss-functions  tensorflow  cross-entropy 

Ben, Metropolis Hastings vb Gibbs örneklemesi gibi MCMC çeşitli tatlar içeren VI ve MCMC hem genel fikir edinmek düşünüyorum Bu kağıt iki yöntemde harika serimlemesini sunuyor. Aşağıdaki sorularım var: Bayesian çıkarım yapmak istersem, neden diğerini seçeyim? Her yöntemin artıları ve eksileri nelerdir? Bunun oldukça geniş bir soru olduğunu anlıyorum, ancak …

36 machine-learning  bayesian  mcmc  variational-bayes  approximate-inference 

İstatistiksel Öğrenmeye Giriş bölümündeki 223. Sayfada yazarlar ridge regresyonu ile kement arasındaki farkları özetlemektedir. "Kementin önyargı, varyans ve MSE açısından sırt regresyonundan daha iyi performans gösterme eğiliminde olduğu" bir örnek (Şekil 6.9). Kementin neden arzu edildiğini anlıyorum: çok sayıda katsayıyı 0'a daralttığı için basit ve yorumlanabilen modeller ile sonuçlanan seyrek …

35 machine-learning  prediction  lasso  regularization  ridge-regression 

Gradient Boosting hakkında bilgi edinirken, metodun model oluşturmak ve birleştirmek için kullandığı "zayıf bir sınıflandırıcı" nın özellikleriyle ilgili herhangi bir kısıtlama duymadım. Ancak, doğrusal regresyon kullanan bir GB uygulamasının hayal bile edemedim ve aslında bazı testler yaptığımda, işe yaramadı. En standart yaklaşımı toplam kare artıkları gradyanı ile test ediyordum ve …

35 regression  machine-learning  boosting  ensemble  gradient 

Birden fazla ikili etiket setine sahip olduğum bir veri setim var. Her bir etiket kümesi için, bir sınıflandırıcı hazırlıyorum, çapraz onaylama yaparak değerlendiriyorum. Temel bileşen analizi (PCA) kullanarak boyutsallığı azaltmak istiyorum. Sorum şu: PCA'nın tüm veri kümesi için bir kez yapılması ve daha sonra yukarıda açıklandığı gibi çapraz doğrulama için …

35 machine-learning  classification  pca  cross-validation 

Seyrek kodlama, giriş vektörlerini temsil etmek için aşırı eksiksiz bir temel vektörler dizisi öğrenmek olarak tanımlanır (<- neden bunu istiyoruz). Seyrek kodlama ve otomatik kodlayıcı arasındaki farklar nelerdir? Ne zaman seyrek kodlama ve otomatik kodlayıcı kullanacağız?

35 machine-learning  neural-networks  unsupervised-learning  deep-learning  autoencoders 

1000'den fazla özelliğe (veya eğriler varsa örnek noktalara) sahip sınıflandırma için serbestçe kullanılabilir veriler nelerdir? Ücretsiz veri setleri hakkında zaten bir topluluk wiki'si var: Serbestçe kullanılabilir veri örneklerini bulma Ancak burada daha rahat kullanılabilecek daha odaklanmış bir listeye sahip olmak güzel olurdu , ayrıca aşağıdaki kuralları öneriyorum: Veri kümesi başına …

35 machine-learning  classification  dataset  large-data 

Bu soru kesin bir cevap alamayacak kadar açık uçlu olabilir, ama umarım değil. SVM, GBM, Rastgele Orman vb. Gibi makine öğrenmesi algoritmaları, genellikle bazı rehberlik kurallarının ötesinde, her bir veri setine ayarlanması gereken bazı ücretsiz parametrelere sahiptir. Bu genellikle, en iyi genelleme hatasını veren parametre setine uyması için bir çeşit …

34 machine-learning  cross-validation  bootstrap  optimization  resampling 

Rastgele Orman paketinden değişken önem taşıyan çıktıları nasıl yorumlayacağımı anlamakta güçlük çekiyorum. Doğruluktaki ortalama düşüş genellikle "her bir özellikteki değerlere izin verilmesinden model doğruluğunda azalma" olarak tanımlanır. Bu, özellik hakkında bir bütün olarak mı yoksa özellik içindeki belirli değerler hakkında mı? Her iki durumda da, Doğruluktaki Ortalama Düşüş söz konusu …

34 r  machine-learning  classification  random-forest 

Bayes Teoreminin "Bayesian modeli" kullanıldığı bir model diyebilir miyim? Korkarım böyle bir tanım çok geniş olabilir. Peki tam olarak bir Bayesian modeli nedir?

34 machine-learning  bayesian 

Ben fonksiyonunun fonksiyonel formu keşfetmek için kullanılabilir tekrarlanabilir prosedürleri hakkında merak ediyorum y = f(A, B, C) + error_termbenim tek giriş gözlemler bir dizi nerede ( y, A, Bve C). Lütfen işlevsel biçiminin fbilinmediğini unutmayın. Aşağıdaki veri kümesini göz önünde bulundurun: AA BB CC DD EE FF == == == …

34 regression  machine-learning  algorithms  model-selection  data-mining 

Karar ağaçları çok anlaşılabilir bir makine öğrenme yöntemi gibi görünüyor. Oluşturulduktan sonra, bazı uygulamalarda büyük avantaj sağlayan bir insan tarafından kolayca denetlenebilir. Karar Ağaçlarının pratikte zayıf yanları nelerdir?

34 machine-learning  nonparametric  cart