Statistiche e Big Data svm

1

È corretto combinare dati categorici e continui per SVM (Support Vector Machines)?

Ho un set di dati come +--------+------+-------------------+ | income | year | use | +--------+------+-------------------+ | 46328 | 1989 | COMMERCIAL EXEMPT | | 75469 | 1998 | CONDOMINIUM | | 49250 | 1950 | SINGLE FAMILY | | 82354 | 2001 | SINGLE FAMILY | | 88281 | 1985 …

14 categorical-data svm mixed-type-data

2

Come dimostrare che non esiste spazio di funzionalità a dimensioni finite per il kernel gaussiano RBF?

Come dimostrare che per la funzione di base radiale non esiste uno spazio delle caratteristiche a dimensione finita tale che per alcuni abbiamo ?k(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp⁡(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2})HHHΦ:Rn→HΦ:Rn→H\Phi: \text{R}^n \to Hk(x,y)=⟨Φ(x),Φ(y)⟩k(x,y)=⟨Φ(x),Φ(y)⟩k(x, y) = \langle \Phi(x), \Phi(y)\rangle

14 machine-learning svm kernel-trick

4

È possibile aggiungere dati di training ai modelli SVM esistenti?

Sto usando libsvm e ho notato che ogni volta che chiamo svmtrain (), creo un nuovo modello e che non sembra esserci alcuna opzione per inserire i dati in un modello esistente. È possibile farlo comunque? Non vedo questo aspetto in libsvm?

14 svm libsvm

1

Interpretazione della distanza dall'iperpiano in SVM

Ho qualche dubbio nel comprendere intuitivamente gli SVM. Supponiamo di aver addestrato un modello SVM per la classificazione utilizzando alcuni strumenti standard come SVMLight o LibSVM. Quando utilizziamo questo modello per la previsione sui dati di test, il modello genera un file con valori "alfa" per ciascun punto di test. …

14 machine-learning svm max-margin

1

Caret glmnet vs cv.glmnet

Sembra esserci molta confusione nel confronto tra l'uso di glmnetinside caretper cercare un lambda ottimale e l'utilizzo cv.glmnetper fare lo stesso compito. Sono state poste molte domande, ad esempio: Modello di classificazione train.glmnet vs. cv.glmnet? Qual è il modo corretto di usare glmnet con il cursore? Convalida incrociata di `glmnet` …

14 r caret glmnet machine-learning neural-networks maximum softmax probability distributions mathematical-statistics random-variable cdf statistical-significance variance expected-value ratio sample-size reliability tolerance-interval wilcoxon-signed-rank self-study variance sampling mean machine-learning svm libsvm self-study sampling ranks data-visualization histogram machine-learning classification normal-distribution mathematical-statistics maximum-likelihood mixture predictive-models prediction seasonality

1

GAM vs LOESS vs spline

Contesto : Voglio tracciare una linea in un grafico a dispersione che non appare parametrico, quindi sto usando geom_smooth()in ggplota R. Restituisce automaticamente geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the …

14 r gam splines loess r data-visualization boxplot mathematical-statistics theory sufficient-statistics machine-learning classification correlation svm feature-selection probability stochastic-processes machine-learning reinforcement-learning

2

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

2

KKT in breve graficamente

Obbiettivo Conferma se la comprensione di KKT è corretta o meno. Cerca ulteriori spiegazioni e conferme su KKT. sfondo Cercare di capire le condizioni di KKT, in particolare quella complementare, che emerge sempre di punto in bianco negli articoli SVM. Non ho bisogno di un elenco di formule astratte ma …

13 svm optimization lagrange-multipliers

3

Dovrei usare il trucco del kernel ogni volta che è possibile per i dati non lineari?

Di recente ho appreso sull'uso del trucco del kernel, che mappa i dati in spazi di dimensioni superiori nel tentativo di linearizzare i dati in quelle dimensioni. Ci sono casi in cui dovrei evitare di usare questa tecnica? È solo una questione di trovare la giusta funzione del kernel? Per …

13 machine-learning svm kernel-trick heuristic

3

Che cos'è un kernel e cosa lo distingue dalle altre funzioni

Sembra che ci siano molti algoritmi di apprendimento automatico che si basano sulle funzioni del kernel. SVM e NN per nominarne solo due. Quindi qual è la definizione di una funzione del kernel e quali sono i requisiti per essere valida?

13 svm terminology kernel-trick

2

Problemi con e1071 libsvm?

Ho un set di dati con due classi sovrapposte, sette punti in ogni classe, i punti sono nello spazio bidimensionale. In R, e sto correndo svmdal e1071pacchetto per creare un hyperplane di separazione per queste classi. Sto usando il seguente comando: svm(x, y, scale = FALSE, type = 'C-classification', kernel …

13 r machine-learning svm libsvm e1071

1

È possibile utilizzare la macchina vettoriale di supporto in dati di grandi dimensioni?

Con la conoscenza limitata che ho su SVM, è buono per una matrice di dati breve e grassa (molte funzionalità e non troppe istanze), ma non per i big data.XXX Capisco una ragione è che la Kernel Matrix è una matrice n × n in cui, n è il numero …

13 machine-learning svm large-data

1

Come sapere se una curva di apprendimento del modello SVM soffre di parzialità o varianza?

Ho creato questa curva di apprendimento e voglio sapere se il mio modello SVM soffre di parzialità o varianza? Come posso concludere questo da questo grafico?

12 machine-learning svm bias train

3

perché il metodo di potenziamento è sensibile ai valori anomali

Ho trovato molti articoli che affermano che i metodi di potenziamento sono sensibili ai valori anomali, ma nessun articolo spiega il perché. Nella mia esperienza, i valori anomali sono dannosi per qualsiasi algoritmo di apprendimento automatico, ma perché i metodi di potenziamento sono particolarmente sensibili? In che modo i seguenti …

12 machine-learning svm outliers cart boosting

1

La relazione tra il numero di vettori di supporto e il numero di funzionalità

Ho eseguito un SVM su un determinato set di dati e ho formulato la seguente osservazione: Se modifico il numero di funzionalità per la creazione del classificatore, anche il numero dei vettori di supporto risultanti verrà modificato. Vorrei sapere come spiegare questo tipo di scenario.

12 machine-learning classification svm kernel-trick

Domande taggate «svm»