Statistiche e Big Data machine-learning

11

Perché la regressione logistica è chiamata algoritmo di apprendimento automatico?

Se ho capito bene, in un algoritmo di apprendimento automatico, il modello deve imparare dalla sua esperienza, ovvero quando il modello fornisce una previsione errata per i nuovi casi, deve adattarsi alle nuove osservazioni e, nel tempo, il modello diventa sempre più migliore . Non vedo che la regressione logistica …

19 machine-learning logistic random-forest

2

Significato di una rete neurale come una scatola nera?

Sento spesso persone che parlano delle reti neurali come qualcosa di simile a una scatola nera che non capisci cosa fa o cosa significano. In realtà non riesco a capire cosa intendano con questo! Se capisci come funziona la retro-propagazione, allora come è una scatola nera? Significa che non capiamo …

19 machine-learning neural-networks

2

Tutorial per l'ingegneria delle funzionalità

Come è noto a tutti, l'ingegneria delle funzionalità è estremamente importante per l'apprendimento automatico, tuttavia ho trovato pochi materiali associati a quest'area. Ho partecipato a diverse competizioni in Kaggle e credo che in alcuni casi le buone caratteristiche possano persino essere più importanti di un buon classificatore. Qualcuno conosce qualche …

19 machine-learning references feature-construction

2

Aggiornamento della probabilità di classificazione nella regressione logistica nel tempo

Sto costruendo un modello predittivo che prevede la probabilità di successo di uno studente alla fine di un periodo. Sono particolarmente interessato a sapere se lo studente ha successo o meno, dove il successo è generalmente definito come il completamento del corso e il raggiungimento del 70% o più punti …

19 time-series machine-learning logistic

3

Apprendimento semi-supervisionato, apprendimento attivo e apprendimento profondo per la classificazione

Modifica finale con tutte le risorse aggiornate: Per un progetto, sto applicando algoritmi di apprendimento automatico per la classificazione. Sfida: dati etichettati piuttosto limitati e molti più dati senza etichetta. obiettivi: Applica una classificazione semi-supervisionata Applicare in qualche modo un processo di etichettatura semi-supervisionato (noto come apprendimento attivo) Ho trovato …

19 machine-learning classification software svm text-mining

3

Stima delle funzionalità più importanti in una partizione di cluster k-mean

Esiste un modo per determinare quali caratteristiche / variabili del set di dati sono le più importanti / dominanti all'interno di una soluzione cluster k-mean?

19 machine-learning clustering k-means importance

2

Algoritmo di backpropagation

Ho avuto una leggera confusione sull'algoritmo di backpropagation utilizzato nel perceptron multistrato (MLP). L'errore viene corretto dalla funzione di costo. In backpropagation, stiamo cercando di regolare il peso degli strati nascosti. L'errore di output che posso capire, vale a dire, e = d - y[senza gli abbonati]. Le domande sono: …

19 machine-learning neural-networks backpropagation

3

0-1 Spiegazione della funzione di perdita

Sto cercando di capire qual è lo scopo della funzione di perdita e non riesco proprio a capirlo. Quindi, per quanto ho capito, la funzione di perdita è per introdurre un qualche tipo di metrica con cui possiamo misurare il "costo" di una decisione errata. Quindi supponiamo di avere un …

19 machine-learning loss-functions

1

Costruzione ottimale della funzionalità giornaliera nelle reti neurali

Lavorando sul problema della regressione, ho iniziato a pensare alla rappresentazione della funzione "giorno della settimana". Mi chiedo quale approccio avrebbe prestazioni migliori: una caratteristica; valore 1/7 per lunedì; 2/7 per martedì ... 7 caratteristiche: (1, 0, 0, 0, 0, 0, 0) per lunedì; (0, 1, 0, 0, 0, 0, …

19 machine-learning neural-networks feature-construction

3

Come può la discesa stocastica del gradiente evitare il problema di un minimo locale?

So che la discesa gradiente stocastica ha un comportamento casuale, ma non so perché. C'è qualche spiegazione al riguardo?

19 machine-learning random-variable gradient-descent

1

Calibrazione di un classificatore potenziato multi-classe

Ho letto l'articolo di Alexandru Niculescu-Mizil e Rich Caruana "Come ottenere probabilità calibrate dall'aumento " e la discussione in questo thread. Tuttavia, ho ancora problemi a comprendere e implementare la logistica o il ridimensionamento di Platt per calibrare l'output del mio classificatore boosting multi-classe (boost delicato con blocchi di decisione). …

19 machine-learning boosting

1

Che cos'è lo "spazio funzioni"?

Qual è la definizione di "spazio funzionalità"? Ad esempio, durante la lettura di SVM, ho letto di "mapping allo spazio delle caratteristiche". Durante la lettura di CART, ho letto di "partizionare nello spazio delle funzionalità". Capisco cosa sta succedendo, specialmente per CART, ma penso che ci sia qualche definizione che …

19 machine-learning svm feature-selection cart feature-construction

3

Le reti neurali apprendono una funzione o una funzione di densità di probabilità?

La domanda potrebbe sembrare un po 'strana perché sono nuovo nell'inferenza statistica e nelle reti neurali. Quando in problemi di classificazione usando le reti neurali diciamo che vogliamo imparare una funzione f∗f∗f^* che mappa lo spazio degli ingressi xxx , allo spazio delle uscite yyy : f∗(x;θ)=yf∗(x;θ)=yf^*(x; \theta) = y …

19 machine-learning neural-networks

4

Qual è la differenza tra Conv1D e Conv2D?

Stavo esaminando i documenti di convoluzione di keras e ho trovato due tipi di convulsioni Conv1D e Conv2D. Ho fatto qualche ricerca sul web e questo è ciò che capisco di Conv1D e Conv2D; Conv1D viene utilizzato per le sequenze e Conv2D utilizza per le immagini. Ho sempre pensato che …

19 machine-learning neural-networks conv-neural-network keras

4

Perché l'uso della pseudo-etichettatura influisce in modo non banale sui risultati?

Ho studiato metodi di apprendimento semi-supervisionati e mi sono imbattuto nel concetto di "pseudo-etichettatura". A quanto ho capito, con la pseudo-etichettatura hai una serie di dati etichettati e una serie di dati senza etichetta. Per prima cosa si addestra un modello solo sui dati etichettati. Quindi utilizzare tali dati iniziali …

19 machine-learning semi-supervised

Domande taggate «machine-learning»