Statistiche e Big Data machine-learning

3

È possibile utilizzare una foresta casuale per la selezione di feature nella regressione lineare multipla?

Poiché la RF è in grado di gestire la non linearità ma non può fornire coefficienti, sarebbe saggio utilizzare la foresta casuale per raccogliere le caratteristiche più importanti e quindi collegarle a un modello di regressione lineare multipla al fine di ottenere i loro coefficienti?

50 regression machine-learning feature-selection random-forest regression-strategies

8

Libro da leggere prima di Elements of Statistical Learning?

Sulla base di questo post , desidero digerire Elements of Statistical Learning. Fortunatamente è disponibile gratuitamente e ho iniziato a leggerlo. Non ho abbastanza conoscenze per capirlo. Puoi consigliarmi un libro che è una migliore introduzione agli argomenti del libro? Eventualmente qualcosa che mi darà le conoscenze necessarie per capirlo? …

50 machine-learning references

3

Clustering con K-Means e EM: come sono correlati?

Ho studiato algoritmi per il clustering dei dati (apprendimento non supervisionato): EM e k-medie. Continuo a leggere quanto segue: k-mean è una variante di EM, con le ipotesi che i cluster siano sferici. Qualcuno può spiegare la frase sopra? Non capisco cosa significhino sferica, e come siano correlati kmean ed …

50 machine-learning clustering data-mining k-means expectation-maximization

4

Soglia di probabilità di classificazione

Ho una domanda sulla classificazione in generale. Sia f un classificatore, che genera un insieme di probabilità dati alcuni dati D. Normalmente, si direbbe: beh, se P (c | D)> 0,5, assegneremo una classe 1, altrimenti 0 (sia un binario classificazione). La mia domanda è: cosa succede se scopro che …

49 machine-learning classification binary-data threshold

1

Quanto dovrebbe essere grande la dimensione del lotto per la discesa gradiente stocastica?

Comprendo che la discesa gradiente stocastica può essere utilizzata per ottimizzare una rete neurale mediante backpropagation aggiornando ogni iterazione con un diverso campione del set di dati di training. Quanto dovrebbe essere grande la dimensione del lotto?

49 machine-learning neural-networks gradient-descent backpropagation

1

Metriche delle prestazioni per valutare l'apprendimento non supervisionato

Per quanto riguarda l'apprendimento non supervisionato (come il clustering), ci sono metriche per valutare le prestazioni?

49 machine-learning clustering data-mining unsupervised-learning

3

Reti neuronali ricorrenti vs ricorsive: qual è la soluzione migliore per la PNL?

Esistono reti neurali ricorrenti e reti neurali ricorsive. Entrambi sono generalmente indicati con lo stesso acronimo: RNN. Secondo Wikipedia , le NN ricorrenti sono in realtà NN ricorsive, ma non capisco davvero la spiegazione. Inoltre, non riesco a trovare quale sia meglio (con esempi o giù di lì) per l'elaborazione …

48 machine-learning neural-networks deep-learning natural-language

7

Da dove iniziare con le statistiche per uno sviluppatore esperto

Durante la prima metà del 2015 ho seguito il corso di Machine Learning (di Andrew Ng, GRANDE corso). E imparato le basi dell'apprendimento automatico (regressione lineare, regressione logistica, SVM, reti neuronali ...) Inoltre sono uno sviluppatore da 10 anni, quindi imparare un nuovo linguaggio di programmazione non sarebbe un problema. …

47 r regression machine-learning references

4

Squilibrio di classe nell'apprendimento automatico supervisionato

Questa è una domanda in generale, non specifica di alcun metodo o set di dati. Come affrontare un problema di squilibrio di classe nell'apprendimento automatico supervisionato in cui il numero di 0 è circa il 90% e il numero di 1 è circa il 10% nel set di dati. Come …

47 machine-learning unbalanced-classes supervised-learning

3

Capire Naive Bayes

Da StatSoft, Inc. (2013), Manuale di statistica elettronica , "Naive Bayes Classifier" : Per dimostrare il concetto di classificazione Naïve Bayes, si consideri l'esempio mostrato nell'illustrazione sopra. Come indicato, gli oggetti possono essere classificati come VERDI o ROSSI. Il mio compito è classificare i nuovi casi al loro arrivo, ovvero …

47 machine-learning naive-bayes

6

Quali sono le alternative di Discesa gradiente?

La Discesa a Gradiente ha il problema di rimanere bloccati nei Minimi Locali. Dobbiamo eseguire tempi esponenziali di discesa gradiente per trovare minimi globali. Qualcuno può parlarmi di qualsiasi alternativa alla discesa gradiente applicata nell'apprendimento della rete neurale, insieme ai suoi pro e contro.

47 machine-learning svm neural-networks

2

Perché le reti neurali convoluzionali non usano una macchina vettoriale di supporto per classificare?

Negli ultimi anni, le reti neurali convoluzionali (CNN) sono diventate lo stato dell'arte per il riconoscimento degli oggetti nella visione artificiale. In genere, una CNN è composta da diversi livelli convoluzionali, seguiti da due livelli completamente collegati. Un'intuizione alla base di ciò è che i livelli convoluzionali apprendono una migliore …

46 machine-learning neural-networks svm deep-learning conv-neural-network

3

Il numero ottimale di alberi in una foresta casuale dipende dal numero di predittori?

Qualcuno può spiegare perché abbiamo bisogno di un gran numero di alberi nella foresta casuale quando il numero di predittori è grande? Come possiamo determinare il numero ottimale di alberi?

46 machine-learning random-forest

1

Comprensione "quasi tutti i minimi locali hanno un valore di funzione molto simile all'ottimale globale"

In un recente post sul blog di Rong Ge, si diceva che: Si ritiene che per molti problemi tra cui l'apprendimento di reti profonde, quasi tutti i minimi locali abbiano un valore di funzione molto simile all'ottimale globale, e quindi trovare un minimo locale è abbastanza buono. Da dove viene …

46 machine-learning neural-networks optimization deep-learning

1

Differenza tra GradientDescentOptimizer e AdamOptimizer (TensorFlow)?

Ho scritto un semplice MLP in TensorFlow che sta modellando un XOR-Gate . Quindi per: input_data = [[0., 0.], [0., 1.], [1., 0.], [1., 1.]] dovrebbe produrre quanto segue: output_data = [[0.], [1.], [1.], [0.]] La rete ha uno strato di input, uno nascosto e uno di output con 2, …

45 machine-learning neural-networks error gradient-descent supervised-learning

Domande taggate «machine-learning»