Perguntas com a marcação «machine-learning»

Digamos que eu queira treinar um classificador que atribua uma imagem de uma pessoa jovem , de meia-idade ou velha . Uma maneira simples seria tratar as classes como categorias independentes e treinar um classificador. Mas, aparentemente, há algum relacionamento entre as classes, como posso usar isso para melhorar? Estou …

10 regression  machine-learning  classification  discrete-data 

Eu sei que há mais de dois tipos de normalização. Por exemplo, 1- Transformação de dados usando um z-score ou t-score. Isso geralmente é chamado de padronização. 2- Reescalonar dados para ter valores entre 0 e 1. A questão agora se eu precisar normalizar Que tipo de normalização de dados …

9 machine-learning  normalization  standardization  k-nearest-neighbour 

Então, eu estou tentando me ensinar redes neurais (para aplicações de regressão, não classificando imagens de gatos). Minhas primeiras experiências foram treinando uma rede para implementar um filtro FIR e uma Transformada Discreta de Fourier (treinamento em sinais "antes" e "depois"), pois essas são operações lineares que podem ser implementadas …

9 machine-learning  neural-networks  optimization  keras  euclidean 

Recentemente, recapitulei meus conhecimentos sobre séries temporais e percebi que o aprendizado de máquina geralmente oferece apenas um passo à frente das previsões. Com previsões um passo à frente, quero dizer previsões que, por exemplo, se tivermos dados horários, use os dados das 10h às 11h e 11h às 12h, …

9 machine-learning  time-series  forecasting  arima 

Recentemente, assisti a essa palestra de Eric J. Ma e verifiquei sua entrada no blog , onde ele cita Radford Neal, que os modelos bayesianos não se ajustam demais (mas podem se ajustar demais ) e, ao usá-los, não precisamos de conjuntos de testes para validá-los (por as aspas parecem …

9 machine-learning  bayesian  cross-validation  deep-learning 

Fechado . Esta questão precisa ser mais focada . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela se concentre apenas em um problema editando esta postagem . Fechado há 2 anos . Eu sou novo no campo de aprendizado de máquina, mas …

9 machine-learning  classification  neural-networks  transfer-learning 

Suponha que estejamos fazendo um exemplo de brinquedo decente em gradiente, minimizando uma função quadrática , usando tamanho de passo fixo . ( )α = 0,03 A = [ 10 , 2 ; 2 , 3 ]xTAxxTAxx^TAxα=0.03α=0.03\alpha=0.03A=[10,2;2,3]A=[10,2;2,3]A=[10, 2; 2, 3] Se traçarmos o traço de xxx em cada iteração, obteremos …

9 r  machine-learning  optimization  gradient-descent 

Eu tenho um conjunto de dados com cerca de 5.000 recursos / covariáveis ​​frequentemente correlacionados e uma resposta binária. Os dados foram dados para mim, eu não os coletei. Uso Lasso e aumento de gradiente para construir modelos. Eu uso a validação cruzada iterada e aninhada. Relato os maiores coeficientes …

9 machine-learning  multiple-comparisons  regression-coefficients  lasso  high-dimensional 

Fiquei pensando: como os espaços de Hilbert e a análise funcional são úteis para o aprendizado de máquina? Eu pensei que o aprendizado de máquina fosse uma mistura de estatística, ciência da computação e otimização. Como a análise funcional se relaciona com isso?

9 machine-learning  mathematical-statistics  computational-statistics 

Exemplos: Eu tenho uma frase na descrição do trabalho: "Java senior engineer in UK". Eu quero usar um modelo de aprendizado profundo para prever em duas categorias: English e IT jobs. Se eu usar o modelo de classificação tradicional, ele poderá prever apenas 1 rótulo com softmaxfunção na última camada. …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Como você interpreta uma curva de sobrevivência a partir do modelo de risco proporcional cox? Neste exemplo de brinquedo, suponha que tenhamos um modelo de risco proporcional ao cox na agevariável dos kidneydados e gere a curva de sobrevivência. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Por exemplo, …

9 r  survival  cox-model  likelihood  machine-learning  deep-learning  generative-models  machine-learning  reinforcement-learning  q-learning  regression  multicollinearity  convergence  beta-distribution  bernoulli-distribution  machine-learning  self-study  pattern-recognition  neural-networks  stochastic-processes  linear 

Eu li sobre SVMs e aprendi que eles estão resolvendo um problema de otimização e a idéia de margem máxima era muito razoável. Agora, usando kernels, eles podem encontrar limites de separação não lineares, o que foi ótimo. Até agora, eu realmente não tenho nenhuma idéia de como SVMs (uma …

9 machine-learning  neural-networks  svm  deep-learning  kernel-trick 

Estou treinando uma rede neural convolucional simples para regressão, onde a tarefa é prever a localização (x, y) de uma caixa em uma imagem, por exemplo: A saída da rede possui dois nós, um para x e um para y. O restante da rede é uma rede neural convolucional padrão. …

9 machine-learning  neural-networks  optimization  deep-learning  loss-functions 

Como muitos outros, eu achei os recursos aqui e aqui imensamente úteis para entender as células LSTM. Estou confiante de que entendo como os valores fluem e são atualizados, e estou confiante o suficiente para adicionar as mencionadas "conexões do olho mágico", etc. também. No meu exemplo, tenho em cada …

9 machine-learning  neural-networks  lstm  rnn 

Estou tentando implementar o modelo de Mistura Gaussiana com inferência variacional estocástica, seguindo este artigo . Este é o pgm da mistura gaussiana. De acordo com o artigo, o algoritmo completo de inferência variacional estocástica é: E ainda estou muito confuso sobre o método para escalá-lo para GMM. Primeiro, pensei …

9 machine-learning  bayesian  clustering  gaussian-mixture  variational-bayes