Perguntas com a marcação «machine-learning»

No livro "Os Elementos da Aprendizagem Estatística" no capítulo 2 ("Modelos lineares e mínimos quadrados; página no: 12"), está escrito que No espaço de entrada / saída dimensional (p + 1), (X, Y) representa um hiperplano. Se a constante estiver incluída em X, o hiperplano inclui a origem e é …

8 regression  machine-learning 

Ng, AY e Jordan, MI (2001). Sobre classificadores discriminativos vs. generativos: Uma comparação entre regressão logística e Bayes ingênuo . Avanços em sistemas de processamento de informações neurais, 14 , pp. 841-8, MIT Press. No artigo acima, os autores mencionaram "erro assintótico". Alguém pode explicar um pouco sobre isso? Por …

8 machine-learning  terminology 

Minha pergunta lida com árvores de classificação . Considere o seguinte exemplo do conjunto de dados Iris: Desejo selecionar manualmente o melhor preditor para a primeira divisão. De acordo com o algoritmo CART, o melhor recurso para fazer uma divisão é aquele que maximiza a diminuição da impureza da partição, …

8 r  machine-learning  classification  data-mining  cart 

Passei o dia aprendendo sobre o pacote bnlearn no R apenas para descobrir que os modelos bayesianos não funcionam com gráficos não direcionados. Estou tentando aprender sobre a rede de campo aleatório de Markov, e até agora tudo o que consegui fazer é criar a estrutura gráfica usando um LASSO …

8 machine-learning  graphical-model  parameterization  bayesian-network 

Estou tentando entender como o rnn pode ser usado para prever sequências, trabalhando com um exemplo simples. Aqui está minha rede simples, consistindo em uma entrada, um neurônio oculto e uma saída: O neurônio oculto é a função sigmóide e a saída é considerada uma saída linear simples. Então, eu …

8 machine-learning  neural-networks  deep-learning  gradient-descent 

Eu tenho tentado descobrir o que exatamente significava a função de ativação "Maxout" em redes neurais. Há essa pergunta, este artigo e até mesmo no livro Deep Learning de Bengio et al. , exceto com apenas um pouco de informação e um grande TODO ao lado. Vou usar a notação …

8 machine-learning  neural-networks 

Posso criar e implementar modelos clássicos de ML em conjuntos tradicionais de treinamento / teste em R, mas e se um parceiro quiser obter esse modelo para implementar seu próprio (qualquer tipo de) sistema? Salvar e enviar a estrutura do modelo R não ajuda, é claro; e descobrir o mecanismo …

8 r  machine-learning 

Recentemente, um projeto em que estou envolvido fez uso de um perceptron linear para regressão múltipla (21 preditores). Utilizou GD estocástico. Como isso é diferente da regressão linear OLS?

8 regression  machine-learning 

Eu tenho dados que descrevem com que frequência um evento ocorre durante uma hora ("número por hora", nph) e quanto tempo os eventos duram ("duração em segundos por hora", dph). Estes são os dados originais: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Qual é a diferença entre rede de crenças profundas e rede convexa profunda ?

8 machine-learning  neural-networks  deep-learning  deep-belief-networks 

Entendo que o PCA é usado para redução de dimensionalidade para poder plotar conjuntos de dados em 2D ou 3D. Mas também vi pessoas aplicando o PCA como uma etapa de pré-processamento nos cenários de classificação em que eles aplicam o PCA para reduzir o número de recursos, depois usam …

8 machine-learning  pca  data-mining  dimensionality-reduction 

Fechadas. Esta questão está fora de tópico . No momento, não está aceitando respostas. Deseja melhorar esta pergunta? Atualize a pergunta para que ela esteja no tópico de Validação cruzada. Fechado há 4 anos . Python é uma abundância de bibliotecas ML (como o ótimo scikit-learn). Existe algo bom para …

8 machine-learning  python  software  java 

Várias fontes sugerem que existem muitas consequências negativas da discretização (categorização) de variáveis ​​contínuas antes da análise estatística (amostra de referências [1] - [4] abaixo). Por outro lado, [5] sugere que algumas técnicas de aprendizado de máquina são conhecidas por produzir melhores resultados quando variáveis ​​contínuas são discretizadas (também observando …

8 machine-learning  generalized-linear-model  categorical-data  binning 

Eu tenho uma pergunta sobre clusters que estou pensando em tratar com uma abordagem de mistura não paramétrica (eu acho). Estou trabalhando na explicação do comportamento humano. Cada linha do meu banco de dados contém: o ID de alguém alguns parâmetros do ambiente X (exemplo: temperatura, vento, etc.) uma variável …

8 machine-learning  clustering  computational-statistics  mixture 

Eu uso o pacote bnlearn em R para aprender a estrutura da minha rede bayesiana e seus parâmetros. O que eu quero fazer é "prever" o valor de um nó, dado o valor de outros nós como evidência (obviamente, com exceção do nó cujos valores estamos prevendo). Eu tenho variáveis …

8 r  machine-learning  prediction  bayesian-network