Perguntas com a marcação «machine-learning»

Questões: Qual é a diferença (ões) entre árvores de regressão reforçada (BRT) e modelos impulsionados generalizados (GBM)? Eles podem ser usados ​​de forma intercambiável? Uma é uma forma específica da outra? Por que Ridgeway usou a frase "Generalized Boosted Regression Models" (GBM), para descrever o que Friedman havia proposto anteriormente …

9 machine-learning  boosting  gbm 

Na Floresta Aleatória, cada árvore é cultivada em paralelo em uma amostra exclusiva dos dados. Como se espera que cada amostra do boostrap contenha cerca de 63% das observações exclusivas, isso deixa cerca de 37% das observações de fora, que podem ser usadas para testar a árvore. Agora, parece que …

9 machine-learning  cross-validation  data-mining  random-forest  boosting 

Eu tenho um conjunto de dados com variável contínua e uma variável de destino binário (0 e 1). Preciso discretizar as variáveis ​​contínuas (para regressão logística) com relação à variável alvo e com a restrição de que a frequência de observação em cada intervalo seja equilibrada. Tentei algoritmos de aprendizado …

9 r  machine-learning  chi-squared  discrete-data  supervised-learning 

Este artigo afirma que no CART, como uma divisão binária é realizada em uma única covariável em cada etapa, todas as divisões são ortogonais e, portanto, as interações entre covariáveis ​​não são consideradas. No entanto, muitas referências muito sérias afirmam, pelo contrário, que a estrutura hierárquica de uma árvore garante …

9 machine-learning  classification  data-mining  cart 

Na CNN, aprenderemos filtros para produzir um mapa de características na camada convolucional. No Autoencoder, a única unidade oculta de cada camada pode ser considerada como filtro. Qual a diferença entre os filtros aprendidos nessas duas redes?

9 machine-learning  neural-networks  conv-neural-network  autoencoders 

Um dos métodos de avaliação do ImageNet Competition (classificar 1.000 imagens de categorias) é o erro dos cinco principais, o que isso significa? Veja: http://www.image-net.org/challenges/LSVRC/

9 machine-learning  classification  computer-vision 

Preciso implementar a detecção de anomalias em vários conjuntos de dados de séries temporais. Eu nunca fiz isso antes e estava esperando por alguns conselhos. Estou muito confortável com o python, então prefiro que a solução seja implementada (a maior parte do meu código é python para outras partes do …

9 machine-learning  time-series  python  computational-statistics  anomaly-detection 

No aprendizado de máquina, geralmente é assumido que um conjunto de dados se baseia em uma variedade de baixa dimensão suave (a suposição de variedade), mas existe alguma maneira de provar que, assumindo que certas condições sejam satisfeitas, o conjunto de dados é realmente (aproximadamente) gerado de um coletor suave …

9 machine-learning  dimensionality-reduction  manifold-learning 

Eu tenho dados barulhentos de duas variáveis ​​como esta. x1 <- rep(seq(0,1, 0.1), each = 3000) set.seed(123) y1 <- rep (c(0.2, 0.8, 0.3, 0.9, 0.65, 0.35,0.7,0.1,0.25, 0.3, 0.95), each = 3000) set.seed(1234) e1 = rnorm(length(x1), 0.07,0.07) set.seed(1223) e2 = rnorm(length(x1), 0.07,0.07) set.seed(1334) yn <- rnorm(20000, 0.5,0.9) set.seed(2344) xn <- rnorm(20000, …

9 r  machine-learning  clustering 

Percebo que existem 3 parâmetros de ajuste no modelo de árvores de reforço, ou seja, o número de árvores (número de iterações) parâmetro de encolhimento número de divisões (tamanho de cada árvore constituinte) Minha pergunta é: para cada um dos parâmetros de ajuste, como devo encontrar seu valor ideal? E …

9 machine-learning  cross-validation  computational-statistics  boosting  gbm 

Estou procurando prever grupos de itens que alguém comprará ... ou seja, tenho várias variáveis ​​dependentes colineares. Em vez de criar 7 ou mais modelos independentes para prever a probabilidade de alguém comprar cada um dos 7 itens e depois combinar os resultados, em quais métodos devo procurar um modelo …

9 r  machine-learning  multivariate-analysis 

Uma abordagem típica para resolver um problema de classificação é identificar uma classe de modelos candidatos e, em seguida, executar a seleção de modelos usando algum procedimento, como validação cruzada. Normalmente, seleciona-se o modelo com a maior precisão, ou alguma função relacionada que codifica informações específicas do problema, como FβFβ\text{F}_\beta …

9 machine-learning  model-selection  error  scoring-rules 

Eu tenho muitas imagens de varredura de satélite disponíveis em diferentes sensores. Destes, os mais grossos têm uma resolução temporal muito abundante. Os rasters de média resolução tendem a ter menos datas de aquisição, mas ainda existe algum grau de informação disponível. As de resolução mais fina têm uma resolução …

9 time-series  machine-learning  predictive-models  multivariate-regression 

Não encontrei nenhuma literatura sobre a aplicação de florestas aleatórias no MNIST, CIFAR, STL-10, etc., então pensei em experimentá-las com o MNIST invariante, permutador . Em R , tentei: randomForest(train$x, factor(train$y), test$x, factor(test$y), ntree=500) Isso foi executado por 2 horas e ocorreu um erro de teste de 2,8%. Eu também …

9 r  machine-learning  classification  random-forest  scikit-learn 

Pergunta : A configuração abaixo é uma implementação sensata de um modelo Hidden Markov? Eu tenho um conjunto de dados de 108,000observações (realizadas ao longo de 100 dias) e aproximadamente 2000eventos ao longo de todo o período de observação. Os dados se parecem com a figura abaixo, onde a variável …

9 time-series  machine-learning  predictive-models  markov-chain  hidden-markov-model