Statistiche e Big Data machine-learning

3

Quali sono le riviste buone e disponibili gratuitamente per tenere traccia degli ultimi sviluppi nell'apprendimento automatico?

Sentiti libero di sostituire le "riviste" con qualsiasi altro utile portale di conoscenza. Sono interessato a tenere d'occhio i nuovi sviluppi dell'apprendimento automatico, in vista di applicazioni pratiche. Non sono un accademico che cerca di pubblicare il mio lavoro (almeno non in questo campo), ma voglio essere consapevole di potenziali …

13 machine-learning references

4

Alternative veloci all'algoritmo EM

Esistono alternative rapide all'algoritmo EM per i modelli di apprendimento con variabili latenti (in particolare pLSA)? Sto bene sacrificando la precisione a favore della velocità.

13 machine-learning optimization expectation-maximization lsa

4

Ci sono tutorial sulla teoria della probabilità bayesiana o modelli grafici per esempio?

Ho visto riferimenti all'apprendimento della teoria della probabilità bayesiana in R, e mi chiedevo se ce ne fosse di più, forse specificamente in Python? Orientato all'apprendimento della teoria della probabilità bayesiana, dell'inferenza, della stima della massima verosimiglianza, dei modelli grafici e dell'ordinamento?

13 machine-learning bayesian python graphical-model

2

Qual è il modo migliore per apprendere i fondamenti della probabilità richiesti per gli algoritmi di machine learning?

Ho frequentato un corso di probabilità all'università qualche anno fa, ma sto seguendo alcuni algoritmi di machine learning ora e parte della matematica è solo confusa. In questo preciso momento, sto imparando l'algoritmo EM (massimizzazione delle aspettative) e sembra che ci sia una grande disconnessione tra ciò che è richiesto …

13 probability machine-learning

1

Algoritmo ottimale per risolvere i problemi del bandito armato?

Ho letto di un certo numero di algoritmi per risolvere problemi di bandito n-armati come -greedy, softmax e UCB1, ma ho qualche problema nell'ordinare quale approccio è meglio per minimizzare il rimpianto.εε\epsilon Esiste un algoritmo ottimale noto per risolvere il problema dei banditi n-armati? Esiste una scelta di algoritmo che …

13 machine-learning reinforcement-learning multiarmed-bandit

2

Apprendimento supervisionato con eventi "rari", quando la rarità è dovuta al gran numero di eventi controfattuali

Supponiamo di riuscire a osservare "corrispondenze" tra acquirenti e venditori in un mercato. Puoi anche osservare le caratteristiche sia degli acquirenti che dei venditori che desideri utilizzare per prevedere le partite future e formulare raccomandazioni per entrambe le parti del mercato. Per semplicità, supponiamo che ci siano N acquirenti e …

13 machine-learning

3

GLMNET o LARS per il calcolo delle soluzioni LASSO?

Vorrei ottenere i coefficienti per il problema LASSO ||Y−Xβ||+λ||β||1.||Y−Xβ||+λ||β||1.||Y-X\beta||+\lambda ||\beta||_1. Il problema è che le funzioni glmnet e lars danno risposte diverse. Per la funzione glmnet chiedo i coefficienti di λ/||Y||λ/||Y||\lambda/||Y||invece di solo λλ\lambda , ma ho ancora risposte diverse. È previsto? Qual è la relazione tra lars e glmnet …

13 r machine-learning regression lasso regularization

5

Riduzione della dimensionalità SVD per serie storiche di diversa lunghezza

Sto usando la decomposizione del valore singolare come tecnica di riduzione della dimensionalità. Dati i Nvettori di dimensione D, l'idea è quella di rappresentare le caratteristiche in uno spazio trasformato di dimensioni non correlate, che condensa la maggior parte delle informazioni dei dati negli autovettori di questo spazio in ordine …

13 time-series machine-learning pca data-transformation multivariate-analysis

1

In Random Forest, perché un sottoinsieme casuale di funzionalità viene scelto a livello di nodo anziché a livello di albero?

La mia domanda: Perché la foresta casuale considera sottoinsiemi casuali di funzioni da suddividere a livello di nodo all'interno di ciascun albero anziché a livello di albero ? Sfondo: questa è una questione di storia. Tin Kam Ho pubblicato questo articolo sulla costruzione di "foreste" decision selezionando in modo casuale …

13 machine-learning feature-selection random-forest importance history

5

Perché la discesa gradiente non è efficace per grandi serie di dati?

Supponiamo che il nostro set di dati contenga 1 milione di esempi, ovvero e desideriamo utilizzare la discesa gradiente per eseguire una regressione logistica o lineare su questi set di dati.X1, ... , x106x1,…,x106x_1, \ldots, x_{10^6} Cos'è con il metodo di discesa gradiente che lo rende inefficiente? Ricordiamo che il …

13 machine-learning gradient-descent large-data

1

Perché il classificatore bayes ingenuo è ottimale per la perdita 0-1?

Il classificatore Naive Bayes è il classificatore che assegna gli elementi xxx a una classe CCC base alla massimizzazione della posteriore ( C | x )P(C|x)P(C|x)P(C|x) per l'appartenenza alla classe e presuppone che le caratteristiche degli elementi siano indipendenti. La perdita 0-1 è la perdita che assegna a qualsiasi classificazione …

13 machine-learning bayesian optimization naive-bayes loss-functions

2

Funzioni di covarianza o kernel: che cosa sono esattamente?

Sono piuttosto nuovo nel campo dei processi gaussiani e di come vengono applicati nell'apprendimento automatico. Continuo a leggere e ascoltare le funzioni di covarianza come l'attrazione principale di questi metodi. Qualcuno potrebbe spiegare in modo intuitivo cosa sta succedendo in queste funzioni di covarianza? Altrimenti, se potessi segnalare un tutorial …

13 machine-learning probability bayesian

3

Risultati teorici dietro le reti neurali artificiali

Ho appena coperto reti neurali artificiali nel corso di Machine Learning di Coursera e mi piacerebbe conoscere più teoria dietro di loro. Trovo la motivazione che imitano la biologia un po 'insoddisfacente. In superficie sembra che ad ogni livello sostituiamo le covariate con una loro combinazione lineare. Facendolo ripetutamente, consentiamo …

13 machine-learning neural-networks theory

4

Nessun termine di regolarizzazione per unità di polarizzazione nella rete neurale

Secondo questo tutorial sull'apprendimento profondo , la riduzione del peso (regolarizzazione) di solito non viene applicata ai termini di errore b perché? Qual è il significato (intuizione) dietro di esso?

13 machine-learning neural-networks bias regularization

1

Spiegare i passaggi dell'algoritmo LLE (local linear embedding)?

Comprendo che il principio di base dietro l'algoritmo per LLE consiste in tre passaggi. Individuazione del vicinato di ciascun punto dati mediante una metrica come k-nn. Trova pesi per ciascun vicino che denotano l'effetto che il vicino ha sul punto dati. Costruire l'incorporamento a bassa dimensione dei dati in base …

13 machine-learning model-selection feature-selection dimensionality-reduction nonlinear

Domande taggate «machine-learning»