Domande taggate «machine-learning»

Gli algoritmi di machine learning costruiscono un modello dei dati di training. Il termine "apprendimento automatico" è vagamente definito; include ciò che è anche chiamato apprendimento statistico, apprendimento di rinforzo, apprendimento senza supervisione, ecc. AGGIUNGI SEMPRE UN TAG PIÙ SPECIFICO.

Test di separabilità lineare

Esiste un modo per testare la separabilità lineare di un set di dati a due classi in dimensioni elevate? I miei vettori di funzionalità sono lunghi 40. So di poter sempre eseguire esperimenti di regressione logistica e determinare il tasso di citrato vs falso allarme per concludere se le due …

20 machine-learning classification

libsvm "raggiungendo il numero massimo di iterazioni" avvertimento e convalida incrociata

Sto usando libsvm in modalità C-SVC con un kernel polinomiale di grado 2 e mi viene richiesto di addestrare più SVM. Ogni set di allenamento ha 10 funzioni e 5000 vettori. Durante l'allenamento, ricevo questo avviso per la maggior parte degli SVM che alleno: WARNING: reaching max number of iterations …

20 machine-learning cross-validation svm regularization libsvm

Perché la potatura non è necessaria per alberi forestali casuali?

Breiman afferma che gli alberi sono coltivati senza potatura. Perché? Voglio dire che ci deve essere una solida ragione per cui gli alberi nella foresta casuale non vengono potati. D'altra parte è considerato molto importante potare un singolo albero decisionale per evitare un eccesso di adattamento. C'è della letteratura disponibile …

20 machine-learning

AdaBoost è meno o più soggetto a sovralimentazione?

Ho letto varie dichiarazioni (apparentemente) contraddittorie sul fatto che AdaBoost (o altre tecniche di potenziamento) siano meno o più inclini al sovralimentazione rispetto ad altri metodi di apprendimento. Ci sono buoni motivi per credere l'uno o l'altro? Se dipende, da cosa dipende? Quali sono i motivi per cui AdaBoost è …

20 machine-learning boosting

Applicare il "trucco del kernel" ai metodi lineari?

Il trucco del kernel viene utilizzato in diversi modelli di machine learning (ad es. SVM ). È stato introdotto per la prima volta nel documento "Fondamenti teorici del potenziale metodo di funzione nell'apprendimento del riconoscimento di schemi" nel 1964. La definizione di Wikipedia dice che lo è un metodo per …

20 machine-learning kernel-trick

In che modo la foresta casuale genera la foresta casuale

Non sono un esperto di foreste casuali ma capisco chiaramente che il problema chiave con la foresta casuale è la generazione di alberi (casuali). Puoi spiegarmi come vengono generati gli alberi? (ovvero qual è la distribuzione utilizzata per la generazione di alberi?) Grazie in anticipo !

20 machine-learning r algorithms cart random-forest

Perché l'ingegneria delle funzioni funziona?

Recentemente ho imparato che uno dei modi per trovare soluzioni migliori per i problemi di ML è attraverso la creazione di funzionalità. Si può fare per esempio sommando due funzionalità. Ad esempio, possediamo due caratteristiche: "attacco" e "difesa" di un qualche tipo di eroe. Creiamo quindi funzionalità aggiuntive chiamate "totale" …

20 machine-learning feature-construction

Differenza tra dati mancanti e dati sparsi negli algoritmi di machine learning

Quali sono le principali differenze tra dati sparsi e dati mancanti? E come influenza l'apprendimento automatico? Più specificamente, quale effetto hanno i dati sparsi e quelli mancanti sugli algoritmi di classificazione e sul tipo di algoritmo di regressione (numeri predittivi). Sto parlando di una situazione in cui la percentuale di …

20 machine-learning dataset missing-data sparse

Quali metodi di ottimizzazione funzionano meglio per gli LSTM?

Ho usato theano per sperimentare LSTM e mi chiedevo quali metodi di ottimizzazione (SGD, Adagrad, Adadelta, RMSprop, Adam, ecc.) Funzionino meglio per gli LSTM? Ci sono articoli di ricerca su questo argomento? Inoltre, la risposta dipende dal tipo di applicazione per cui sto usando LSTM? In tal caso, sto usando …

20 machine-learning neural-networks optimization lstm

Comprensione della derivazione del trade-bias varianza

Sto leggendo il capitolo del compromesso di bias varianza di Gli elementi dell'apprendimento statistico e ho dei dubbi nella formula a pagina 29. Lascia che i dati derivino da un modello tale che Y=f(x)+ϵY=f(x)+ϵ Y = f(x)+\epsilon dove ϵϵ\epsilon è un numero casuale con valore atteso ε = e [ …

20 machine-learning unbiased-estimator mse bias-variance-tradeoff

Caret train funziona per glmnet con convalida incrociata sia per alpha che lambda?

Il caretpacchetto R esegue la convalida incrociata su entrambi alphae lambdaper il glmnetmodello? In esecuzione questo codice, eGrid <- expand.grid(.alpha = (1:10) * 0.1, .lambda = (1:10) * 0.1) Control <- trainControl(method = "repeatedcv",repeats = 3,verboseIter =TRUE) netFit <- train(x =train_features, y = y_train, method = "glmnet", tuneGrid = eGrid, …

20 r machine-learning cross-validation caret glmnet

Perché la backpropagation non funziona quando si inizializzano i pesi con lo stesso valore?

Perché la backpropagation non funziona quando si inizializza tutto il peso con lo stesso valore (diciamo 0,5), ma funziona bene quando si danno numeri casuali? L'algoritmo non dovrebbe calcolare l'errore e funzionare da lì, nonostante il fatto che inizialmente i pesi siano gli stessi?

20 machine-learning neural-networks backpropagation

Apprendimento profondo: come faccio a sapere quali variabili sono importanti?

In termini di gergo della rete neurale (y = Peso * x + bias) come faccio a sapere quali variabili sono più importanti di altre? Ho una rete neurale con 10 input, 1 layer nascosto con 20 nodi e 1 layer di output con 1 nodo. Non sono sicuro di …

20 machine-learning neural-networks bias tensorflow theano

Quando gli algoritmi genetici sono una buona scelta per l'ottimizzazione?

Gli algoritmi genetici sono una forma di metodo di ottimizzazione. Spesso la discendenza stocastica a gradiente e i suoi derivati sono la scelta migliore per l'ottimizzazione delle funzioni, ma a volte vengono ancora utilizzati algoritmi genetici. Ad esempio, l'antenna del veicolo spaziale ST5 della NASA è stata creata con un …

20 machine-learning optimization gradient-descent genetic-algorithms

Perché i pesi delle reti RNN / LSTM sono condivisi nel tempo?

Di recente mi sono interessato agli LSTM e sono stato sorpreso di apprendere che i pesi sono condivisi nel tempo. So che se condividi i pesi nel tempo, le sequenze temporali di input possono avere una lunghezza variabile. Con i pesi condivisi hai molti meno parametri da allenare. Secondo la …

20 machine-learning lstm rnn

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.

Licensed under cc by-sa 3.0 with attribution required.