Estatísticas e Big Data machine-learning

2

Gerando um conjunto de dados de alta dimensão onde o vizinho mais próximo se torna sem sentido

No artigo " Quando o 'vizinho mais próximo' é significativo? ", Lemos que, Mostramos que, sob certas condições amplas (em termos de distribuição de dados e consultas ou carga de trabalho), à medida que a dimensionalidade aumenta, a distância do vizinho mais próximo se aproxima da distância do vizinho mais …

7 machine-learning clustering dataset k-nearest-neighbour high-dimensional

1

Redução não linear de dimensionalidade: algoritmos geométricos / topológicos vs. autoencodificadores

Pelo que entendi, existem três abordagens principais para a redução não linear da dimensionalidade: Aprendizagem múltipla (algoritmos geométricos / topológicos como ISOMAP, LLE, LTSA) Autoencoders coisas que não se encaixam nas duas primeiras categorias (t-SNE inspirado em probabilidade, Kernel PCA, etc.) Quais são os benefícios e as desvantagens das duas …

7 machine-learning deep-learning dimensionality-reduction autoencoders manifold-learning

1

Justificativa matemática para o uso de redes neurais recorrentes em redes feed-forward

Eu estava pensando e tentando entender se existe alguma razão matemática por trás da superioridade das RNNs sobre as redes Feed-forward ao lidar com dados sequenciais. Por exemplo, ao modelar séries temporais, HMMs, etc. Suponha que o comprimento da sequência seja fixo, mas muito grande. Intuitivamente, está claro que os …

7 machine-learning time-series neural-networks rnn

1

Novos níveis de fatores não presentes nos dados de treinamento

Estou recebendo o erro "Novos níveis de fatores não presentes nos dados de treinamento". Mas verifiquei os nlevels e a classe de todas as colunas em desenvolvimento, bem como os dados de teste, e eles são os mesmos. Alguma explicação plausível?

7 r machine-learning random-forest many-categories

1

Os “métodos do kernel” e a “reprodução de espaços de Hilbert do kernel” estão relacionados?

Os "métodos do kernel" e "a reprodução de espaços de Hilbert do kernel" estão relacionados? Especificamente, o "kernel" usado no termo "métodos do kernel" é o mesmo (tipo de) "kernel" que o usado no termo "reproduzindo o espaço de Hilbert do kernel"? Observe que eu já verifiquei as páginas da …

7 machine-learning terminology kernel-trick

3

Usando PCA em um conjunto de dados de imagem antes da classificação com uma rede neural

Eu tenho uma matriz de dados de imagem que é o número de exemplos de imagens é o número de pixels da imagem: , porque cada imagem é uma imagem 3 canais . Além disso, cada uma das 50000 imagens pertence a 1 de 10 classes possíveis. Ou seja, existem …

7 machine-learning classification neural-networks pca image-processing

1

Devemos considerar o termo de interceptação ao fazer o kernel de algoritmos?

Quando um algoritmo de aprendizagem (por exemplo, classificação, regressão, clustering ou redução de dimensão) usa apenas o produto escalar entre pontos de dados , podemos usar implicitamente um mapeamento dimensional mais alto através do truque do kernel, troca de todos os casos em que o produto escalar ocorre pelo kernel …

7 regression machine-learning classification kernel-trick

1

Qual é um exemplo de uso da diferenciação automática, como implementado no Tensorflow, e por que é importante?

Eu tenho uma compreensão decente de redes neurais, propagação traseira e regra de cadeia, no entanto, estou lutando para entender a diferenciação automática. A seguir, consulte a diferenciação automática fora do contexto da propagação de retorno: Como a diferenciação automática calcula o gradiente a partir de uma matriz? Quais são …

7 machine-learning neural-networks deep-learning tensorflow automatic-differentiation

2

Por que regularizar todos os parâmetros da mesma maneira?

Minha pergunta está relacionada à regularização em regressão linear e regressão logística. Atualmente, estou fazendo a terceira semana do curso Machine Learning de Andrew Ng sobre Coursera. Entendo como o ajuste excessivo pode ser um problema comum e tenho alguma intuição de como a regularização pode reduzir o ajuste excessivo. …

7 regression machine-learning regularization overfitting

1

Melhor maneira de obter a média do escore F com classes desequilibradas

Eu tenho um conjunto de dados com classes desequilibradas. Três classes compõem cerca de 60% dos dados. Além disso, tenho divisões de teste diferentes que causam um desequilíbrio. Por exemplo: Conjunto de trens: label_1 ... label_n Conjunto de teste: label_1, label_3, label_9 Isso significa que, embora eu tenha apenas três …

7 machine-learning scikit-learn average unbalanced-classes

1

Regressão não-linear não paramétrica com incerteza de previsão (além dos Processos Gaussianos)

Quais são as alternativas de última geração aos Processos Gaussianos (GP) para regressão não-linear não paramétrica com incerteza de previsão, quando o tamanho do conjunto de treinamento começa a se tornar proibitivo para os GPs de baunilha, mas ainda não é muito grande? Os detalhes do meu problema são: o …

7 regression machine-learning bayesian nonparametric gaussian-process

2

Como a normalização em lote calcula as estatísticas da população após o treinamento?

Eu estava lendo o documento de normalização em lote (BN) (1) e dizia: Para isso, uma vez treinada a rede, usamos a normalização x^=x−E[x]Var[x]+ϵ−−−−−−−−√x^=x−E[x]Var[x]+ϵ\hat{x} = \frac{x - E[x]}{ \sqrt{Var[x] + \epsilon}}usando a população , em vez de estatísticas de minilote. minha pergunta é: como ele calcula as estatísticas dessa população …

7 machine-learning neural-networks deep-learning conv-neural-network batch-normalization

1

detecção de outlier: área sob curva de recall de precisão

Eu gostaria de comparar algoritmos de detecção outlier. Não tenho certeza se a área sob roc ou sob a curva de recuperação de precisão é a medida a ser usada. Um teste rápido no Matlab me dá resultados estranhos. Eu tento obter os valores ROC e PR para uma classificação …

7 machine-learning experiment-design roc precision-recall auc

2

Transformação de Fourier no Machine Learning

Quero saber quais são as áreas específicas nas quais os métodos de Fourier são usados no aprendizado de máquina. Além da extração de recursos e da análise espectral, quero saber se existem algoritmos de aprendizado baseados nos métodos de Fourier. Também quero saber se há alguma motivação para usar os …

7 machine-learning probability fourier-transform

1

Aprendendo análise funcional para estudar kernels

Estou tentando aprender mais sobre a teoria da máquina do kernel e descobri que preciso aprender muita matemática básica e, portanto, estou procurando bons recursos para isso. Em particular: eu tenho o livro Schölkopf and Smola's Learning with Kernels e eles começam a discutir transformações de Fourier, funções de Green, …

7 machine-learning self-study references kernel-trick

Perguntas com a marcação «machine-learning»