Statistiche e Big Data machine-learning

3

Come scegliere una metrica di errore durante la valutazione di un classificatore?

Ho visto diversi parametri di errore utilizzati nelle competizioni Kaggle: RMS, mean-square, AUC, tra gli altri. Qual è la regola generale sulla scelta di una metrica di errore, ovvero come si fa a sapere quale metrica di errore utilizzare per un determinato problema? Ci sono delle linee guida?

15 machine-learning classification error

4

Vantaggi delle curve ROC

Quali sono i vantaggi delle curve ROC? Ad esempio sto classificando alcune immagini che è un problema di classificazione binaria. Ho estratto circa 500 funzionalità e applicato un algoritmo di selezione delle funzionalità per selezionare un set di funzionalità, quindi ho applicato SVM per la classificazione. In questo caso come …

15 machine-learning roc

7

Quale algoritmo di apprendimento automatico può essere utilizzato per prevedere il mercato azionario?

In alternativa, per prevedere i mercati dei cambi. So che questo può diventare piuttosto complicato, quindi come introduzione, sto cercando un semplice algoritmo di previsione con una certa precisione. (È per un progetto universitario di M.Sc. che dura quattro mesi) Ho letto che una rete neurale multistrato potrebbe essere utile. …

15 machine-learning finance

1

Perché una sola ReLU non può imparare una ReLU?

Come follow-up della mia rete neurale non riesco nemmeno a imparare la distanza euclidea, ho semplificato ancora di più e ho cercato di addestrare una singola ReLU (con peso casuale) su una singola ReLU. Questa è la rete più semplice che ci sia, eppure la metà delle volte non riesce …

15 machine-learning neural-networks optimization keras

2

Che cos'è l'errore Bayes nell'apprendimento automatico?

http://www.deeplearningbook.org/contents/ml.html Pagina 116 spiega l'errore bayes come di seguito Il modello ideale è un oracolo che conosce semplicemente la vera distribuzione di probabilità che genera i dati. Anche un modello del genere comporterà comunque un errore su molti problemi, perché potrebbe esserci ancora del rumore nella distribuzione. Nel caso dell'apprendimento …

15 machine-learning deep-learning terminology

3

Metodi per aggirare il problema della mancanza di dati nell'apprendimento automatico

Praticamente qualsiasi database che vogliamo fare previsioni usando algoritmi di machine learning troverà valori mancanti per alcune delle caratteristiche. Esistono diversi approcci per risolvere questo problema, per escludere le linee che hanno valori mancanti fino a quando non si riempiono con i valori medi delle caratteristiche. Vorrei utilizzare per un …

15 machine-learning scikit-learn data-imputation

2

Qual è la "linea di base" nella curva di richiamo di precisione

Sto cercando di capire la curva di richiamo della precisione, capisco cosa sono la precisione e il richiamo, ma la cosa che non capisco è il valore "base". Stavo leggendo questo link https://classeval.wordpress.com/introduction/introduction-to-the-precision-recall-plot/ e non capisco la parte di base come mostrato in "Una curva di richiamo di precisione di …

15 r machine-learning classification precision-recall

1

Quale metodo di confronto multiplo utilizzare per un modello lmer: lsmeans o glht?

Sto analizzando un set di dati usando un modello di effetti misti con un effetto fisso (condizione) e due effetti casuali (partecipante a causa del disegno e della coppia all'interno del soggetto). Il modello è stato generato conlme4 pacchetto: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Successivamente, ho eseguito un test del rapporto di verosimiglianza di …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

2

Come vengono aggiornati i pesi nel metodo di apprendimento batch nelle reti neurali?

Qualcuno può dirmi come dovrei costruire una rete neurale usando il metodo batch? Ho letto che, in modalità batch, per tutti i campioni nel set di allenamento, calcoliamo i pesi di errore, delta e quindi delta per ciascun neurone nella rete e quindi invece di aggiornare immediatamente i pesi, li …

15 machine-learning neural-networks

1

Compresi i termini di interazione nella foresta casuale

Supponiamo di avere una risposta Y e i predittori X1, ...., Xn. Se dovessimo provare ad adattare Y tramite un modello lineare di X1, ...., Xn, ed è successo che la vera relazione tra Y e X1, ..., Xn non fosse lineare, potremmo essere in grado per riparare il modello …

15 machine-learning random-forest

2

Qual è la definizione di precisione Top-n?

Sto leggendo un articolo scientifico sulla classificazione delle immagini. Nei risultati sperimentali parlano della precisione top-1 e top-5 ma non ho mai sentito parlare del termine, né riesco a trovarlo usando google. Qualcuno può darmi una definizione o indicarmi da qualche parte? :)

15 machine-learning

2

Perché il ridimensionamento è importante per la classificazione lineare SVM?

Quando si esegue la classificazione lineare SVM, è spesso utile normalizzare i dati di allenamento, ad esempio sottraendo la media e dividendo per la deviazione standard, e successivamente ridimensionare i dati del test con la deviazione media e standard dei dati di allenamento. Perché questo processo cambia drasticamente le prestazioni …

15 machine-learning svm standardization

1

Che cos'è la classificazione temporale dei connessionisti (CTC)?

Sto cercando di realizzare un progetto di riconoscimento ottico dei caratteri (OCR). Dopo aver fatto qualche ricerca mi sono imbattuto in un'architettura che sembra interessante: CNN + RNN + CTC. Ho familiarità con le reti neurali contorte (CNN) e le reti neurali ricorrenti (RNN), ma cos'è la classificazione temporale dei …

15 machine-learning deep-learning conv-neural-network rnn

1

Perché è importante includere un termine di correzione della distorsione per l'ottimizzatore Adam per Deep Learning?

Stavo leggendo dell'ottimizzatore Adam per Deep Learning e mi sono imbattuto nella frase seguente nel nuovo libro Deep Learning di Begnio, Goodfellow e Courtville: Adam include correzioni di bias alle stime sia dei momenti del primo ordine (il termine momentum) sia dei momenti (non centrati) del secondo ordine per tenere …

15 machine-learning neural-networks optimization conv-neural-network adam

1

Cosa ci dice la dimensione VC del deep learning?

Nell'apprendimento automatico di base ci vengono insegnate le seguenti "regole pratiche": a) la dimensione dei tuoi dati dovrebbe essere almeno 10 volte la dimensione della dimensione VC del tuo set di ipotesi. b) una rete neurale con connessioni N ha una dimensione VC di circa N. Quindi, quando una rete …

15 machine-learning neural-networks deep-learning vc-dimension

Domande taggate «machine-learning»