Statistiche e Big Data pac-learning

20

Le due culture: statistica vs. apprendimento automatico?

L'anno scorso ho letto un post sul blog di Brendan O'Connor intitolato "Statistiche contro apprendimento automatico, lotta!" che ha discusso alcune delle differenze tra i due campi. Andrew Gelman ha risposto favorevolmente a questo : Simon Blomberg: Dal pacchetto fortune di R: Per parafrasare in modo provocatorio, "l'apprendimento automatico è …

420 machine-learning pac-learning

3

Cosa si intende per "studente debole"?

Qualcuno può dirmi cosa si intende con la frase "studente debole"? Dovrebbe essere un'ipotesi debole? Sono confuso sulla relazione tra uno studente debole e un classificatore debole. Sono entrambi uguali o c'è qualche differenza? Nell'algoritmo AdaBoost, T=10. Cosa si intende con questo? Perché selezioniamo T=10?

34 classification svm terminology adaboost pac-learning

4

Introduzione all'apprendimento automatico per i matematici

In un certo senso questo è un mio incrocio da math.stackexchange e ho la sensazione che questo sito possa offrire un vasto pubblico. Sto cercando un'introduzione matematica all'apprendimento automatico. In particolare, molta letteratura che può essere trovata è relativamente imprecisa e molte pagine vengono spese senza alcun contenuto. Tuttavia, partendo …

23 machine-learning references pac-learning

6

Qual è l'idea "fondamentale" dell'apprendimento automatico per la stima dei parametri?

L'idea "fondamentale" delle statistiche per la stima dei parametri è la massima probabilità . Mi chiedo quale sia l'idea corrispondente nell'apprendimento automatico. Qn 1. Sarebbe corretto affermare che l'idea "fondamentale" dell'apprendimento automatico per la stima dei parametri è: "Funzioni di perdita" [Nota: la mia impressione è che gli algoritmi di …

19 machine-learning maximum-likelihood loss-functions pac-learning

1

Perché supponiamo che l'errore sia normalmente distribuito?

Mi chiedo perché utilizziamo il presupposto gaussiano quando modelliamo l'errore. Nel corso ML di Stanford , il Prof. Ng lo descrive sostanzialmente in due modi: È matematicamente conveniente. (È correlato al montaggio dei minimi quadrati e facile da risolvere con pseudoinverso) A causa del teorema del limite centrale, possiamo supporre …

17 regression normality-assumption pac-learning

2

Quali sono le alternative alla dimensione VC per misurare la complessità delle reti neurali?

Mi sono imbattuto in alcuni modi di base per misurare la complessità delle reti neurali: Ingenuo e informale: conta il numero di neuroni, neuroni nascosti, strati o strati nascosti Dimensione VC (Eduardo D. Sontag [1998] "Dimensione VC delle reti neurali" [ pdf ].) Una complessità computazionaleTC0dTCd0TC^0_d granulare e asintotica misura …

16 neural-networks theory vc-dimension pac-learning

2

Cosa significa teoria dell'apprendimento PAC?

Sono nuovo nell'apprendimento automatico. Sto studiando un corso di apprendimento automatico (Stanford University) e non ho capito cosa si intende con questa teoria e quale sia la sua utilità. Mi chiedo se qualcuno potrebbe dettagliare questa teoria per me. Questa teoria si basa su questa equazione.

15 machine-learning probability pac-learning

1

Analisi complessa, analisi funzionale per una comprensione più profonda del machine learning

Voglio approfondire l'apprendimento automatico (teoria e applicazione in finanza). Voglio chiederti quanto sono rilevanti l' analisi complessa e l' analisi funzionale come base per l'apprendimento automatico? Devo imparare queste materie o dovrei concentrarmi su un altro argomento (se sì, su quale?)

10 machine-learning pac-learning

2

Calcola la curva ROC per i dati

Quindi, ho 16 prove in cui sto cercando di autenticare una persona da un tratto biometrico usando Hamming Distance. La mia soglia è impostata su 3,5. I miei dati sono di seguito e solo la versione di prova 1 è un vero positivo: Trial Hamming Distance 1 0.34 2 0.37 …

9 mathematical-statistics roc classification cross-validation pac-learning r anova survival hazard machine-learning data-mining hypothesis-testing regression random-variable non-independent normal-distribution approximation central-limit-theorem interpolation splines distributions kernel-smoothing r data-visualization ggplot2 distributions binomial random-variable poisson-distribution simulation kalman-filter regression lasso regularization lme4-nlme model-selection aic r mcmc dlm particle-filter r panel-data multilevel-analysis model-selection entropy graphical-model r distributions quantiles qq-plot svm matlab regression lasso regularization entropy inference r distributions dataset algorithms matrix-decomposition regression modeling interaction regularization expected-value exponential gamma-distribution mcmc gibbs probability self-study normality-assumption naive-bayes bayes-optimal-classifier standard-deviation classification optimization control-chart engineering-statistics regression lasso regularization regression references lasso regularization elastic-net r distributions aggregation clustering algorithms regression correlation modeling distributions time-series standard-deviation goodness-of-fit hypothesis-testing statistical-significance sample binary-data estimation random-variable interpolation distributions probability chi-squared predictor outliers regression modeling interaction

Domande taggate «pac-learning»