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.

Eseguire la regressione lineare, ma forzare la soluzione a passare attraverso alcuni punti dati particolari

So eseguire una regressione lineare su una serie di punti. Cioè, so come adattare un polinomio di mia scelta a un dato set di dati (nel senso di LSE). Tuttavia, ciò che non so è come forzare la mia soluzione a passare attraverso alcuni punti particolari della mia scelta. L'ho …

14 regression machine-learning least-squares linear-model polynomial

Quali dovrebbero essere i parametri ottimali per il classificatore Random Forest?

Attualmente sto usando la toolbox RF su MATLAB per un problema di classificazione binaria Set di dati: 50000 campioni e oltre 250 funzioni Quindi quale dovrebbe essere il numero di alberi e la funzione selezionata casualmente su ogni divisione per far crescere gli alberi? qualsiasi altro parametro può influenzare notevolmente …

14 machine-learning classification random-forest

Come funziona Naive Bayes con variabili continue?

Per la mia (molto basilare) comprensione, Naive Bayes stima le probabilità in base alle frequenze di classe di ciascuna caratteristica nei dati di addestramento. Ma come calcola la frequenza delle variabili continue? E quando si effettua la previsione, come classifica una nuova osservazione che potrebbe non avere gli stessi valori …

14 machine-learning classification bayesian naive-bayes

Che cos'è una classe SVM e come funziona?

Stavo usando una classe SVM , implementata in scikit-learn, per il mio lavoro di ricerca. Ma non ho una buona comprensione di questo. Qualcuno può dare una spiegazione semplice e buona di una classe SVM ?

14 machine-learning svm data-mining novelty-detection

Stima MLE vs MAP, quando usare quale?

MLE = stima della massima verosimiglianza MAP = Massimo a posteriori MLE è intuitivo / ingenuo in quanto inizia solo con la probabilità di osservazione dato il parametro (cioè la funzione di probabilità) e cerca di trovare il parametro più adatto all'osservazione . Ma non prende in considerazione la conoscenza …

14 machine-learning bayesian estimation maximum-likelihood inference

La soglia di decisione è un iperparametro nella regressione logistica?

Le classi previste dalla regressione logistica (binaria) sono determinate usando una soglia sulle probabilità di appartenenza alla classe generate dal modello. A quanto ho capito, in genere 0,5 viene utilizzato per impostazione predefinita. Ma variando la soglia cambieranno le classificazioni previste. Questo significa che la soglia è un iperparametro? In …

13 machine-learning logistic scikit-learn hyperparameter

Perché il bootstrap è utile?

Se tutto ciò che stai facendo è ricampionare dalla distribuzione empirica, perché non studiare la distribuzione empirica? Ad esempio, invece di studiare la variabilità mediante campionamenti ripetuti, perché non quantificare semplicemente la variabilità dalla distribuzione empirica?

13 machine-learning mathematical-statistics sampling bootstrap resampling

Comparatore di due modelli quando le curve ROC si incrociano

Una misura comune utilizzata per confrontare due o più modelli di classificazione è utilizzare l'area sotto la curva ROC (AUC) come modo per valutare indirettamente le loro prestazioni. In questo caso, un modello con una AUC più grande viene generalmente interpretato come performante di un modello con una AUC più …

13 machine-learning classification roc auc model-evaluation

Ottimizzazione e apprendimento automatico

Volevo sapere quanta parte dell'apprendimento automatico richiede ottimizzazione. Da quello che ho sentito la statistica è un argomento matematico importante per le persone che lavorano con l'apprendimento automatico. Allo stesso modo, quanto è importante che qualcuno che lavora con l'apprendimento automatico apprenda l'ottimizzazione convessa o non convessa?

13 machine-learning optimization

Reti neurali: travolgente variabile a caldo continuo?

Ho dati grezzi che hanno circa 20 colonne (20 funzionalità). Dieci sono dati continui e 10 sono categorici. Alcuni dei dati categorici possono avere circa 50 valori diversi (Stati Uniti). Dopo aver preelaborato i dati, le 10 colonne continue diventano 10 colonne preparate e i 10 valori categorici diventano come …

13 machine-learning neural-networks tensorflow data-preprocessing theano

Perché l'apprendimento del rinforzo profondo è instabile?

Nel documento di DeepMind del 2015 sull'apprendimento approfondito del rinforzo, si afferma che "I precedenti tentativi di combinare RL con le reti neurali erano in gran parte falliti a causa dell'apprendimento instabile". Il documento elenca quindi alcune cause di ciò, in base alle correlazioni tra le osservazioni. Per favore qualcuno …

13 machine-learning neural-networks deep-learning reinforcement-learning

Scelta degli iperparametri usando T-SNE per la classificazione

Nel problema specifico con cui lavoro (una competizione) ho l'impostazione seguente: 21 caratteristiche (numeriche su [0,1]) e un'uscita binaria. Ho circa 100 K righe. L'ambientazione sembra essere molto rumorosa. Io e altri partecipanti applichiamo la generazione di funzionalità per un po 'e l'incorporamento stocastico distribuito a t distribuito si è …

13 machine-learning dimensionality-reduction unsupervised-learning tsne

Perché le reti neurali sono facilmente ingannabili?

Ho letto alcuni articoli sull'immaginazione manuale di immagini per "ingannare" una rete neurale (vedi sotto). Questo perché le reti modellano solo la probabilità condizionale ? Se una rete può modellare la probabilità congiunta p ( y , x ) , si verificheranno comunque casi del genere?p(y|x)p(y|x)p(y|x)p(y,x)p(y,x)p(y,x) La mia ipotesi è …

13 machine-learning neural-networks deep-learning

Cosa significa "end to end" nei metodi di apprendimento profondo?

Voglio sapere di cosa si tratta e in che modo differisce dall'insieme? Supponiamo che io voglia ottenere un'elevata precisione nella classificazione e nella segmentazione, per un compito specifico, se per raggiungere questo scopo utilizzo reti diverse, come CNN, RNN, ecc., Si chiama modello end-to-end? (architettura?) o no?

13 machine-learning terminology deep-learning

Quali sono alcune utili tecniche di aumento dei dati per reti neurali convoluzionali profonde?

Sfondo: Di recente ho compreso a un livello più profondo l'importanza dell'aumento dei dati durante l'addestramento di reti neurali convoluzionali dopo aver visto questo eccellente discorso di Geoffrey Hinton . Spiega che le reti neurali convoluzionali della generazione attuale non sono in grado di generalizzare il quadro di riferimento dell'oggetto …

13 machine-learning deep-learning

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.