Statistiche e Big Data machine-learning

1

Supervisione a distanza: supervisionato, semi-supervisionato o entrambi?

La "supervisione a distanza" è uno schema di apprendimento in cui viene appreso un classificatore in base a un set di formazione debolmente etichettato (i dati di training vengono etichettati automaticamente in base a euristiche / regole). Penso che sia l'apprendimento supervisionato sia l'apprendimento semi-supervisionato possano includere tale "supervisione a …

20 machine-learning data-mining dataset references unsupervised-learning

1

Discussione su overfit in xgboost

La mia configurazione è la seguente: Sto seguendo le linee guida in "Modellazione predittiva applicata". Quindi ho filtrato le funzioni correlate e finisco con il seguente: 4900 punti dati nel set di addestramento e 1600 punti dati nel set di test. Ho 26 funzionalità e l'obiettivo è una variabile continua. …

20 machine-learning boosting overfitting

1

Come funziona il campionamento negativo in word2vec?

Ho cercato di capire il concetto di campionamento negativo nel contesto di word2vec. Non riesco a digerire l'idea del campionamento [negativo]. Ad esempio, nei lavori di Mikolov viene formulata l'aspettativa di campionamento negativa come logσ( ⟨ W , c ⟩ ) + k ⋅ EcN∼ PD[ logσ( - ⟨ w …

19 machine-learning word2vec word-embeddings

3

Un moncone di decisione è un modello lineare?

Ceppo decisionale è un albero decisionale con una sola divisione. Può anche essere scritto come una funzione a tratti. Ad esempio, supponiamo che xxx sia un vettore e x1x1x_1 sia il primo componente di xxx , nell'impostazione di regressione, un moncone di decisione può essere f(x)={35x1≤2x1>2f(x)={3x1≤25x1>2f(x)= \begin{cases} 3& x_1\leq 2 …

19 machine-learning cart linear boosting

5

Quali sono alcuni buoni set di dati per apprendere algoritmi di apprendimento automatico di base e perché?

Sono nuovo di machine learning e cerco alcuni set di dati attraverso i quali posso confrontare e contrastare le differenze tra i diversi algoritmi di machine learning (Decision Trees, Boosting, SVM e Neural Networks) Dove posso trovare tali set di dati? Cosa dovrei cercare considerando un set di dati? Sarebbe …

19 machine-learning dataset

2

Potenziamento: perché il tasso di apprendimento è chiamato parametro di regolarizzazione?

Il parametro della velocità di apprendimento ( ) in Gradient Boosting riduce il contributo di ogni nuovo modello base - tipicamente un albero superficiale - che viene aggiunto nella serie. È stato dimostrato che aumenta drasticamente la precisione del set di test, il che è comprensibile come con passaggi più …

19 machine-learning data-mining predictive-models boosting overfitting

2

Come si possono utilizzare le reti neurali ricorrenti per la classificazione delle sequenze?

RNN può essere utilizzato per la previsione o il mapping da sequenza a sequenza. Ma come si può usare RNN per la classificazione? Voglio dire, diamo un'intera sequenza un'etichetta.

19 machine-learning neural-networks rnn

2

Cosa significa il nome "Regressione logistica"?

Sto verificando un'implementazione della regressione logistica da qui . Dopo aver letto l'articolo, sembra che la parte importante sia trovare i migliori coefficienti per determinare la funzione sigmoide. Quindi mi chiedo solo perché questo metodo si chiama "Regressione logistica". È legato alla funzione logaritmica? Forse ho bisogno di alcune informazioni …

19 regression machine-learning logistic

6

Programmatore che cerca di entrare nel campo dell'apprendimento automatico

Sono uno sviluppatore di software (principalmente .NET e Python circa 5 anni di esperienza). Cosa posso fare per aiutarmi a ottenere un lavoro nel campo dell'apprendimento automatico o davvero qualsiasi cosa che mi farà iniziare in quel campo? Il diploma post-laurea è un requisito difficile?

19 machine-learning data-mining careers

1

Modellazione predittiva - Dovremmo preoccuparci della modellazione mista?

Per la modellazione predittiva, dobbiamo occuparci di concetti statistici come effetti casuali e non indipendenza delle osservazioni (misure ripetute)? Per esempio.... Ho i dati di 5 campagne di direct mail (avvenute nel corso di un anno) con vari attributi e una bandiera per l'acquisto. Idealmente, utilizzerei tutti questi dati combinati …

19 machine-learning predictive-models repeated-measures assumptions

2

Quando è significativo il "prossimo più vicino", oggi?

Nel 1999, Beyer et al. chiesto, quando è significativo il "prossimo più vicino"? Esistono modi migliori per analizzare e visualizzare l'effetto della planarità della distanza sulla ricerca NN dal 1999? [Un dato] set di dati fornisce risposte significative al problema 1-NN? Il problema di 10-NN? Il problema 100-NN? In che …

19 machine-learning k-nearest-neighbour

2

Calcolo del limite decisionale di un modello SVM lineare

Dati i vettori di supporto di un SVM lineare, come posso calcolare l'equazione del limite decisionale?

19 machine-learning svm

6

Qual è l'idea "fondamentale" dell'apprendimento automatico per la stima dei parametri?

L'idea "fondamentale" delle statistiche per la stima dei parametri è la massima probabilità . Mi chiedo quale sia l'idea corrispondente nell'apprendimento automatico. Qn 1. Sarebbe corretto affermare che l'idea "fondamentale" dell'apprendimento automatico per la stima dei parametri è: "Funzioni di perdita" [Nota: la mia impressione è che gli algoritmi di …

19 machine-learning maximum-likelihood loss-functions pac-learning

6

L'ottimizzazione dell'iperparametro su un campione di set di dati è una cattiva idea?

Ho un set di dati di 140000 esempi e 30 funzionalità per le quali sto addestrando diversi classificatori per una classificazione binaria (SVM, Regressione logistica, Foresta casuale ecc.) In molti casi l'ottimizzazione dell'iperparametro sull'intero set di dati utilizzando la ricerca Grid o Random è troppo dispendiosa in termini di tempo. …

19 machine-learning cross-validation hyperparameter

5

Come ricodificare la variabile categoriale in variabile numerica quando si utilizza SVM o Neural Network

Per utilizzare SVM o la rete neurale è necessario trasformare (codificare) le variabili categoriali in variabili numeriche, il metodo normale in questo caso è utilizzare 0-1 valori binari con il k-esimo valore categoriale trasformato in (0,0, .. ., 1,0, ... 0) (1 è sulla posizione k-esima). Esistono altri metodi per …

19 machine-learning neural-networks categorical-data svm categorical-encoding

Domande taggate «machine-learning»