Perguntas com a marcação «machine-learning»

Ao treinar um modelo parametrizado (por exemplo, para maximizar a probabilidade) por meio de descida estocástica do gradiente em alguns conjuntos de dados, geralmente é assumido que as amostras de treinamento são extraídas da distribuição de dados de treinamento. Portanto, se o objetivo é modelar uma distribuição conjunta , cada …

10 machine-learning  conditional-probability  reinforcement-learning  gradient-descent 

Estes são os meus dados de treinamento: 200.000 exemplos x 10.000 recursos. Portanto, minha matriz de dados de treinamento é - 200.000 x 10.000. Consegui salvar isso em um arquivo simples sem problemas de memória, salvando todos os conjuntos de dados um por um (um exemplo após o outro) enquanto …

10 machine-learning  dataset  algorithms  python 

Existem muitos métodos para executar a regularização - regularização baseada na norma , L 1 e L 2, por exemplo. De acordo com Friedman Hastie e Tibsharani , o melhor regularizador depende do problema: a natureza da verdadeira função do alvo, a base específica usada, a relação sinal / ruído …

10 r  regression  machine-learning  regularization 

Estou trabalhando na previsão de séries temporais. I tem dois conjuntos de dados D 1 = { x1 1, x2, . . . . xn}D1={x1,x2,....xn}D1=\{x_1, x_2,....x_n\} e D 2 = { xn+ 1 , xn+ 2 , xn+ 3 , . . . . , xn+ k }D2={xn+1,xn+2,xn+3,....,xn+k}D2=\{x_n+1, x_n+2, x_n+3,...., …

10 time-series  machine-learning  statistical-significance  classification  model-evaluation 

Uma abordagem tradicional da construção de recursos para mineração de texto é a abordagem por palavras, e pode ser aprimorada usando tf-idf para configurar o vetor de recursos que caracteriza um determinado documento de texto. No momento, estou tentando usar o modelo de linguagem bi-grama ou (N-grama) para criar vetor …

10 machine-learning  data-mining  text-mining  natural-language  language-models 

Por um tempo, pareceu que Fisher Kernels poderia se tornar popular, pois parecia ser uma maneira de construir kernels a partir de modelos probabilísticos. No entanto, raramente os vi sendo usados ​​na prática, e tenho muita autoridade que eles tendem a não funcionar muito bem. Eles contam com o cálculo …

10 machine-learning  probability  kernel-trick  generative-models 

Eu tenho acesso a um conjunto de dados muito grande. Os dados são de gravações do MEG de pessoas ouvindo trechos musicais, de um dos quatro gêneros. Os dados são os seguintes: 6 Sujeitos 3 Repetições experimentais (épocas) 120 tentativas por época 8 segundos de dados por tentativa a 500Hz …

10 machine-learning  feature-selection  large-data  feature-construction 

Basicamente, existem duas maneiras comuns de aprender com grandes conjuntos de dados (quando você se depara com restrições de tempo / espaço): Trapaça :) - use apenas um subconjunto "gerenciável" para treinamento. A perda de precisão pode ser insignificante por causa da lei dos retornos decrescentes - o desempenho preditivo …

10 machine-learning  large-data  model-evaluation  train 

Uma técnica de processamento de sinal, o Mel frequency Cepstrum , é freqüentemente usada para extrair informações de uma peça musical para uso em tarefas de aprendizado de máquina. Este método fornece um espectro de potência de curto prazo, e os coeficientes são usados ​​como entrada. Ao projetar sistemas de …

10 machine-learning  classification  signal-processing  mfcc 

Pensando em um problema supostamente simples, mas interessante, eu gostaria de escrever um código para prever consumíveis necessários em um futuro próximo, considerando o histórico completo de minhas compras anteriores. Tenho certeza de que esse tipo de problema tem uma definição mais genérica e bem estudada (alguém sugeriu que isso …

10 time-series  machine-learning  forecasting 

Estou usando o pacote randomForest no R para desenvolver um modelo de floresta aleatória para tentar explicar um resultado contínuo em um conjunto de dados "amplo" com mais preditores do que amostras. Especificamente, estou ajustando um modelo de RF, permitindo que o procedimento selecione entre um conjunto de ~ 75 …

10 r  machine-learning  hypothesis-testing  model-selection  random-forest 

Especialmente no lado orientado para a ciência da computação da literatura de aprendizado de máquina, a AUC (área sob a curva característica do operador do receptor) é um critério popular para avaliar classificadores. Quais são as justificativas para usar a AUC? Por exemplo, existe uma função de perda específica para …

10 machine-learning  roc 

Estou executando uma regressão baseada em GAM usando o pacote R gamlss e assumindo uma distribuição beta inflada a zero dos dados. Tenho apenas uma única variável explicativa no meu modelo, por isso é basicamente: mymodel = gamlss(response ~ input, family=BEZI). O algoritmo fornece o coeficiente para o impacto da …

10 nonlinear-regression  gamlss  machine-learning  svm 

Uma pergunta para iniciantes aqui. Atualmente, estou realizando uma regressão não paramétrica usando o pacote np em R. Eu tenho 7 recursos e, usando uma abordagem de força bruta, identifiquei os melhores 3. Mas, em breve, terei muitos mais do que 7 recursos! Minha pergunta é quais são os melhores …

10 r  machine-learning  nonparametric  feature-selection 

Essa pergunta pode parecer muito ampla, mas aqui está o que estou procurando. Eu sei que existem muitos livros excelentes sobre métodos econométricos e muitos artigos expositivos excelentes sobre técnicas econométricas. Existem até excelentes exemplos reprodutíveis de econometria, conforme descrito nesta pergunta CrossValidated . De fato, os exemplos nesta pergunta …

10 r  machine-learning  forecasting  data-mining  econometrics