Perguntas com a marcação «machine-learning»

Os algoritmos de aprendizado de máquina constroem um modelo dos dados de treinamento. O termo "aprendizado de máquina" é vagamente definido; inclui o que também é chamado aprendizado estatístico, aprendizado reforçado, aprendizado não supervisionado etc. SEMPRE ADICIONE UM TAG MAIS ESPECÍFICO.

O que se entende por proximidade em florestas aleatórias?

Me deparei com o termo proximidade em florestas aleatórias. Mas não conseguia entender o que faz em florestas aleatórias. Como isso ajuda para fins de classificação?

11 machine-learning random-forest

O que é uma distribuição de log-odds?

Estou lendo um livro sobre aprendizado de máquina (Data Mining por Witten, et al., 2011) e me deparei com esta passagem: ... Além disso, diferentes distribuições podem ser usadas. Embora a distribuição normal seja geralmente uma boa opção para atributos numéricos, ela não é adequada para atributos com um mínimo …

11 machine-learning distributions

O primeiro componente principal não separa classes, mas outros PCs fazem; Como isso é possível?

Executei o PCA em 17 variáveis quantitativas para obter um conjunto menor de variáveis, que são os principais componentes, para serem usadas no aprendizado de máquina supervisionado para classificar instâncias em duas classes. Após o PCA, o PC1 responde por 31% da variação nos dados, o PC2 responde por 17%, …

11 machine-learning classification pca dimensionality-reduction

Treinando uma rede neural de convolução

Atualmente, estou trabalhando em um software de reconhecimento de rosto que usa redes neurais de convolução para reconhecer rostos. Com base nas minhas leituras, concluí que uma rede neural convolucional compartilhou pesos, para economizar tempo durante o treinamento. Mas como adaptar a retropropagação para que possa ser usada em uma …

11 machine-learning neural-networks computer-vision backpropagation conv-neural-network

Gráfico de limite de decisão para um perceptron

Estou tentando traçar o limite de decisão de um algoritmo perceptron e estou realmente confuso sobre algumas coisas. Minhas instâncias de entrada estão no formato , basicamente uma instância de entrada 2D ( x 1 e x 2 ) e um valor alvo de classe binária ( y ) [1 …

11 machine-learning neural-networks python decision-theory perceptron

Motivação por trás das etapas aleatórias do algoritmo da floresta

O método com o qual estou familiarizado para construir uma floresta aleatória é o seguinte: (de http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm ) Para construir uma árvore na floresta, nós: Inicialize uma amostra do tamanho N, em que N é o tamanho do nosso conjunto de treinamento. Use esta amostra com bootstrap como o conjunto …

11 machine-learning classification random-forest

Como prever novos dados com regressão spline / suave

Alguém pode ajudar a dar uma explicação conceitual de como as previsões são feitas para novos dados ao usar suavizações / splines para um modelo preditivo? Por exemplo, dado um modelo criado usando gamboosto mboostpacote em R, com p-splines, como são feitas as previsões para novos dados? O que é …

11 regression machine-learning predictive-models splines

Avaliação de classificadores: curvas de aprendizado versus curvas ROC

Gostaria de comparar dois classificadores diferentes para um problema de classificação de texto em várias classes que usa grandes conjuntos de dados de treinamento. Duvido que eu deva usar curvas ROC ou curvas de aprendizado para comparar os dois classificadores. Por um lado, as curvas de aprendizado são úteis para …

11 machine-learning classification roc accuracy

Cálculo da dimensão VC de uma rede neural

Se eu tiver alguma topologia fixa não recorrente (DAG) (conjunto fixo de nós e arestas, mas o algoritmo de aprendizado puder variar o peso nas arestas) de neurônios sigmóides com neurônios de entrada que só podem receber cadeias em como entrada e conduz a uma saída (que gera um valor …

11 machine-learning neural-networks algorithms vc-dimension

Como melhoro a estabilidade da minha rede neural?

Estou usando a rede neural em R para criar um NN com 14 entradas e uma saída. Eu construo / treino a rede várias vezes usando os mesmos dados de treinamento de entrada e a mesma arquitetura / configurações de rede. Depois que cada rede é produzida, eu a uso …

11 r machine-learning neural-networks

Por que não aprendemos apenas os hiper parâmetros?

Eu estava implementando um artigo bastante popular " EXPLICANDO E APRENDENDO EXEMPLOS ADVERSÁRIOS " e, no artigo, ele treina uma função objetiva adversária J '' (θ) = αJ (θ) + (1 - α) J '(θ). Ele trata α como um hiperparâmetro. α pode ser 0,1, 0,2, 0,3, etc. Independentemente deste …

11 machine-learning neural-networks deep-learning hyperparameter

Pergunta sobre subtração da média no trem / válido / conjunto de testes

Estou fazendo pré-processamento de dados e depois construindo um Convonets nos meus dados. Minha pergunta é: digamos que eu tenho um total de conjuntos de dados com 100 imagens, eu estava calculando a média para cada uma das 100 imagens e subtraí-la de cada uma das imagens, depois divida-a em …

11 machine-learning cross-validation data-preprocessing

Como criar uma matriz de confusão para um classificador multiclasse?

Eu tenho um problema com 6 classes. Portanto, construo um classificador multiclasse, da seguinte maneira: para cada classe, tenho um classificador de Regressão Logística, usando Um vs. Todos, o que significa que tenho 6 classificadores diferentes. Posso relatar uma matriz de confusão para cada um dos meus classificadores. Mas, gostaria …

11 machine-learning logistic classification multi-class confusion-matrix

Como usar o coto de decisão como aprendiz fraco no Adaboost?

Quero implementar o Adaboost usando o Decision Stump. É correto tomar tantas decisões quanto os recursos do nosso conjunto de dados em cada iteração do Adaboost? Por exemplo, se eu tiver um conjunto de dados com 24 recursos, devo ter 24 classificadores de stump de decisão em cada iteração? Ou …

11 machine-learning classification cart boosting

Como o aumento de gradiente calcula estimativas de probabilidade?

Eu tenho tentado entender o aumento de gradiente lendo vários blogs, sites e tentando encontrar minha resposta procurando, por exemplo, no código-fonte do XGBoost. No entanto, não consigo encontrar uma explicação compreensível de como algoritmos de aumento de gradiente produzem estimativas de probabilidade. Então, como eles calculam as probabilidades?

11 machine-learning classification boosting ensemble xgboost

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.

Licensed under cc by-sa 3.0 with attribution required.