Запитання з тегом «machine-learning»

Усі приклади, які я знайшов, використовуючи глибокі переконання або звивисті нейронні мережі, використовують їх для класифікації зображень, виявлення символів або розпізнавання мови. Чи корисні глибокі нейронні мережі також корисні для класичних завдань регресії, де функції не структуровані (наприклад, не розташовані в послідовності чи сітці)? Якщо так, чи можете ви навести …

14 regression  machine-learning  neural-networks  deep-learning 

Я роблю класифікацію зображень за допомогою машинного навчання. Припустимо, у мене є деякі навчальні дані (зображення), і я розділяю їх на навчальні та валідаційні набори. І я також хочу збільшити дані (створити нові зображення з оригінальних) випадковими обертаннями та шумопоглинанням. Збільшення виконується в автономному режимі. Який правильний спосіб зробити додавання …

14 machine-learning  classification  cross-validation  dataset  data-augmentation 

Втрату шарніру можна визначити за допомогою а втрата журналу може бути визначена якмакс ( 0 , 1 - уiшТхi)макс(0,1-уiшТхi)\text{max}(0, 1-y_i\mathbf{w}^T\mathbf{x}_i)журнал ( 1 + розд( - уiшТхi) )журнал(1+досвід⁡(-уiшТхi))\text{log}(1 + \exp(-y_i\mathbf{w}^T\mathbf{x}_i)) У мене є такі питання: Чи є якісь недоліки втрати шарніру (наприклад, чутливі до виснажувачів, як зазначено в http://www.unc.edu/~yfliu/papers/rsvm.pdf )? Які …

14 machine-learning  svm  loss-functions  computer-vision 

Я знаю, що при логістичній регресії виявляється гіперплан, який розділяє навчальні зразки. Я також знаю, що векторні машини підтримки знаходять гіперплан з максимальним запасом. Моє запитання: чи різниця між логістичною регресією (LR) та машинами підтримки вектора (SVM) полягає в тому, що LR виявляє будь-яку гіперплану, яка розділяє навчальні зразки, тоді …

14 machine-learning  classification  svm  data-mining 

Я трохи розгублений: як результати тренованої моделі за допомогою карети можуть відрізнятися від моделі в оригінальній упаковці? Читаю, чи потрібна попередня обробка перед прогнозуванням за допомогою FinalModel of RandomForest з пакетом caret?але я тут не використовую жодної попередньої обробки. Я навчав різні випадкові ліси, використовуючи пакет карет і налаштовуючи різні …

14 r  machine-learning  random-forest  caret  train 

Я реалізував Q-навчання, як описано в, http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf Для того, щоб прибл. Q (S, A) Я використовую нейронну мережеву структуру, як описано нижче, Активація сигмоїдної Входи, кількість входів + 1 для нейронів дії (масштабування всіх входів 0-1) Виходи, один вихід. Q-значення N кількість M прихованих шарів. Метод дослідження випадковий 0 <rand …

14 machine-learning  neural-networks  reinforcement-learning 

F1 бал - це гармонійне середнє значення точності та відкликання. Вісь y відкликання - це справжня позитивна швидкість (яка також є відкликанням). Отже, колись класифікатори можуть мати низький рівень виклику, але дуже високий AUC, що це означає? Які відмінності між AUC та F1-балом?

14 machine-learning  precision-recall  auc  accuracy 

Чи обробляє SVM незбалансований набір даних? Це будь-які параметри (наприклад, C або вартість помилкової класифікації), що обробляють незбалансований набір даних?

14 machine-learning  svm  unbalanced-classes 

Цитата з wikipedia: У статистиці послідовний оцінювач або асимптотично послідовний оцінювач - це оцінювач - правило для обчислення оцінок параметра володіє властивістю, яке в міру того, як кількість використаних точок даних збільшується нескінченно, результуюча послідовність оцінок з вірогідністю сходить до .θ ∗θ∗θ∗θ^*θ∗θ∗θ^* Щоб зробити це твердження точним, нехай θ∗θ∗\theta^* є …

14 machine-learning  mathematical-statistics  consistency 

Для оцінки ефективності нового алгоритму класифікатора я намагаюся порівняти точність та складність (big-O у навчанні та класифікації). З машинного навчання: огляд я отримую повний список контрольованих класифікаторів, а також таблицю точності між алгоритмами і 44 тестові проблеми з репозиції даних UCI . Однак я не можу знайти огляд, папір або …

14 machine-learning  classification  multiple-comparisons  algorithms  time-complexity 

Я треную класифікаційну модель із випадковим лісом для розмежування між 6 категоріями. Мої трансакційні дані мають приблизно 60 К + спостережень та 35 змінних. Ось приклад того, як це приблизно виглядає. _________________________________________________ |user_id|acquisition_date|x_var_1|x_var_2| y_vay | |-------|----------------|-------|-------|--------| |111 | 2013-04-01 | 12 | US | group1 | |222 | 2013-04-12 | …

14 r  machine-learning  classification  random-forest 

Я намагаюся вирішити цю проблему вже більше року без особливого прогресу. Це частина дослідницького проекту, який я роблю, але я проілюструю це прикладом історії, який я склав, тому що фактична область проблеми трохи заплутана (відстеження очей). Ви є літаком, який відстежує ворожий корабель, який подорожує океаном, тому ви зібрали ряд …

14 time-series  machine-learning  prediction 

Як довести, що для радіальної основи функція не існує конечномерное простір ознакНтакимщопротягом деякогоФ:Rп→Hми маємоK(х,у)=⟨Ф(х),Ф(у)⟩?k(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp⁡(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2})HHHΦ:Rn→HΦ:Rn→H\Phi: \text{R}^n \to Hk(x,y)=⟨Φ(x),Φ(y)⟩k(x,y)=⟨Φ(x),Φ(y)⟩k(x, y) = \langle \Phi(x), \Phi(y)\rangle

14 machine-learning  svm  kernel-trick 

Я читав в інших місцях, що вибір функції активації прихованого шару в NN повинен базуватися на потребі , тобто якщо вам потрібні значення в діапазоні від -1 до 1, використовуйте tanh і використовуйте сигмоїд для діапазону від 0 до 1. Моє запитання - як можна знати, у чому полягає потреба …

14 machine-learning  classification  neural-networks 

Я використовую пакет nnet в R, щоб спробувати створити ANN для прогнозування ціни на нерухомість на кондо (особистий проект). Я новачок у цьому і не маю досвіду математики, тому, будь ласка, голі зі мною. У мене є вхідні змінні, які є бінарними та безперервними. Наприклад, деякі бінарні змінні, які спочатку …

14 r  machine-learning  data-transformation  neural-networks  nnet