Запитання з тегом «machine-learning»

Тут питання новачків. В даний час я виконую непараметричну регресію, використовуючи пакет np в Р. У мене є 7 особливостей і за допомогою підходу грубої сили я визначив найкращий 3. Але незабаром у мене буде набагато більше 7 функцій! Моє питання - які найкращі в даний час методи вибору особливостей …

10 r  machine-learning  nonparametric  feature-selection 

Це питання може звучати дуже широко, але ось що я шукаю. Я знаю, що існує багато чудових книг про економетричні методи, і багато чудових статей про економетричні методи. Існують навіть відмінні відтворювані приклади економетрики, як описано в цьому перекладеному питанні . Насправді приклади в цьому питанні дуже близькі до того, …

10 r  machine-learning  forecasting  data-mining  econometrics 

Я розглядаю побудова інтерфейсів MATLAB і R для Ross Куінланом «s C5.0 (для тих , хто не знайомий з ним, C5.0 є алгоритм дерева рішень і пакет програмного забезпечення, розширення C4.5 ), і я намагаюся зрозуміти компоненти, які мені потрібно було б написати. Єдина документація, яку я знайшов для C5.0, …

10 r  machine-learning  matlab 

Процес Поріса і Гаусса Діріхле часто називають "розподілами по функціях" або "розподілами над розподілами". У цьому випадку я можу змістовно говорити про щільність функції під GP? Тобто, чи мають процес Гаусса чи Діріхле певне поняття щільності ймовірності? Якщо це не так, як ми можемо використовувати правило Байєса переходити до переднього, …

10 machine-learning  probability  bayesian  nonparametric  nonparametric-bayes 

Я дізнався про регресію процесу Гаусса з онлайн-відео та конспектів лекцій. Я розумію, що якщо у нас є набір даних з точок, то ми припускаємо, що дані вибираються з -вимірного багатовимірного гаусса. Так що моє запитання в тому випадку , коли є 10 - х мільйонів робить гауссовский процес регресії …

10 machine-learning  probability  inference  gaussian-process  multivariate-regression 

У документах AlphaGo Zero та AlphaZero DeepMind вони описують додавання шуму Діріхле до попередніх імовірностей дій з кореневого вузла (стан плати) в дереві Монте-Карло: Додаткова розвідка досягається додаванням шуму Діріхле до попередніх ймовірностей у кореневому вузлі с0s0s_0конкретно П( s , a ) = ( 1 - ε )pа+ εηаП(с,а)=(1-ε)pа+εηаP(s, a) …

10 machine-learning  neural-networks  dirichlet-distribution 

Випадкові функції Фур'є забезпечують наближення до функцій ядра. Вони використовуються для різних методів ядра, таких як SVM та процеси Гаусса. Сьогодні я спробував використовувати реалізацію TensorFlow, і я отримав від’ємні значення для половини моїх функцій. Як я розумію, цього не повинно статися. Тож я повернувся до оригінального документу , який …

10 machine-learning  kernel-smoothing  feature-construction  tensorflow  fourier-transform 

Я прочитав про SVM та дізнався, що вони вирішують оптимізаційну задачу та ідея максимальної маржі була дуже розумною. Тепер, використовуючи ядра, вони можуть знайти навіть нелінійні межі поділу, що було чудово. Поки я справді не маю уявлення, як SVM (спеціальна машина ядра) та машини ядра пов'язані з нейронними мережами? Розгляньте …

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

Я хочу заглибитися в машинне навчання (теорія та застосування у фінансах). Хочу запитати, наскільки релевантні комплексний аналіз та функціональний аналіз як основа машинного навчання? Чи потрібно мені вивчати ці предмети чи слід зосередитись на іншій темі (якщо так, то на якій?)

10 machine-learning  pac-learning 

Я знаю, що це, ймовірно, обговорювалося десь ще, але я не змогла знайти чіткої відповіді. Я намагаюся використовувати формулуR2=1−SSR/SSTR2=1−SSR/SSTR^2 = 1 - SSR/SST для розрахунку поза вибіркою R2R2R^2 лінійної регресійної моделі, де SSRSSRSSR - сума квадратних залишків і SSTSSTSST- загальна сума квадратів. Для навчального набору зрозуміло, що SST=Σ(y−y¯train)2SST=Σ(y−y¯train)2 SST = …

10 regression  machine-learning  r-squared  out-of-sample 

Коли ми можемо диференціювати функцію витрат і знайти параметри, розв’язавши рівняння, отримані шляхом часткової диференціації стосовно кожного параметра, і з'ясувати, де функція витрат мінімальна. Крім того, я думаю, що можливо знайти декілька місць, де похідні дорівнюють нулю, таким чином ми можемо перевірити всі такі місця і можемо знайти глобальні мінімуми …

10 machine-learning  computational-statistics 

Я дізнаюся про глибоке навчання (зокрема, CNN), а також про те, як зазвичай вимагає дуже багато даних для запобігання надмірного розміщення. Однак мені також сказали, що чим більша ємність / більше параметрів має модель, тим більше даних потрібно для запобігання надмірного розміщення. Тому моє запитання: чому ви можете не просто …

10 machine-learning  neural-networks  deep-learning  conv-neural-network 

Алгоритм SVM досить старий - він був розроблений у 1960-х, але був надзвичайно популярним у 1990-х та 2000-х роках. Це класична (і досить гарна) частина курсів машинного навчання. Сьогодні здається, що в обробці медіа (зображення, звук тощо) нейронні мережі повністю домінують, тоді як в інших сферах Gradient Boosting займає дуже …

10 machine-learning  svm 

Я намагаюся пропрацювати свій шлях через перший набір проблем навчального матеріалу онлайн-класу cs224d в Інтернеті, і у мене виникають проблеми з проблемою 3A: При використанні пропуску грамової моделі word2vec з функцією прогнозування softmax і функцією перехресної ентропії втрати ми хочемо обчислити градієнти відносно прогнозованих векторів слів. Отже, враховуючи функцію softmax: …

10 machine-learning  self-study  word2vec 

Я ходив довкола, щоб знайти чітке пояснення "букетизації" в машинному навчанні без удачі. Що я розумію поки що, букетизація схожа на квантування в цифровій обробці сигналів, коли діапазон нескінченних значень замінюється одним дискретним значенням. Це правильно? Які плюси і мінуси (крім очевидного впливу втрати інформації) застосування букетізації? Чи є якісь …

10 machine-learning  dataset  data-preprocessing