Statistiques et Big Data algorithms

2

Pourquoi runif ne génère-t-il pas toujours le même résultat?

Pourquoi les générateurs de nombres aléatoires comme runif()dans R ne génèrent-ils pas le même résultat à chaque fois? Par exemple: X <- runif(100) X génère des sorties différentes à chaque fois. Quelle est la raison de générer des sorties différentes à chaque fois? De quelles fonctionnalités dispose-t-il en arrière-plan pour …

11 r algorithms random-generation uniform

2

Qu'est-ce que le Machine Learning en pratique réelle?

Je suis un nouveau venu dans l'apprentissage automatique (également des statistiques), j'apprends des connaissances (algorithmes d'apprentissage supervisés / non supervisés, méthodes d'optimisation pertinentes, régularisations, certaines philosophies (comme le compromis biais-variance?)) Depuis un certain temps. Je sais que sans aucune pratique réelle, je ne gagnerais pas une compréhension approfondie de ces …

11 machine-learning algorithms

1

Clarification de la maximisation des attentes

J'ai trouvé un tutoriel très utile concernant l' algorithme EM . L'exemple et l'image du tutoriel sont tout simplement géniaux. Question connexe sur le calcul des probabilités comment fonctionne la maximisation des attentes? J'ai une autre question concernant la façon de connecter la théorie décrite dans le tutoriel à l'exemple. …

11 machine-learning clustering algorithms natural-language

4

Comment puis-je (numériquement) approcher des valeurs pour une distribution bêta avec un grand alpha et bêta

Existe-t-il un moyen numériquement stable de calculer les valeurs d'une distribution bêta pour les grands nombres alpha, bêta (par exemple alpha, bêta> 1000000)? En fait, je n'ai besoin que d'un intervalle de confiance de 99% autour du mode, si cela rend le problème plus facile. Ajouter : Je suis désolé, …

11 confidence-interval algorithms beta-distribution

3

Critère d'arrêt pour Nelder Mead

J'essaie d'implémenter l'algorithme Nelder-Mead pour optimiser une fonction. La page wikipedia sur Nelder-Mead est étonnamment claire sur l'ensemble de l'algorithme, à l'exception de son critère d'arrêt. Là, il dit malheureusement: Vérifier la convergence [clarification nécessaire] . J'ai moi-même essayé et testé quelques critères: Arrêtez si où ϵ est petit et …

11 optimization algorithms

2

Calcul de la dimension VC d'un réseau de neurones

Si j'ai une topologie fixe non récurrente (DAG) (ensemble fixe de nœuds et de bords, mais l'algorithme d'apprentissage peut faire varier le poids sur les bords) de neurones sigmoïdes avec neurones d'entrée qui ne peuvent prendre que des chaînes dans en entrée et conduit à une sortie (qui génère une …

11 machine-learning neural-networks algorithms vc-dimension

4

Comment testez-vous une implémentation de k-means?

Avertissement: j'ai posté cette question sur Stackoverflow, mais je pensais que c'était peut-être mieux adapté à cette plate-forme. Comment testez-vous votre propre implémentation de k-means pour des ensembles de données multidimensionnels? Je pensais exécuter une implémentation déjà existante (c'est-à-dire Matlab) sur les données et comparer les résultats avec mon algorithme. …

11 clustering algorithms

1

Une ACP à grande échelle est-elle même possible?

La méthode classique de l'analyse en composantes principales (ACP) consiste à le faire sur une matrice de données d'entrée dont les colonnes ont une moyenne nulle (alors l'ACP peut "maximiser la variance"). Ceci peut être réalisé facilement en centrant les colonnes. Cependant, lorsque la matrice d'entrée est clairsemée, la matrice …

10 pca algorithms dimensionality-reduction large-data sparse

2

Pourquoi Adaboost avec des arbres de décision?

J'ai lu un peu sur le renforcement des algorithmes pour les tâches de classification et Adaboost en particulier. Je comprends que le but d'Adaboost est de prendre plusieurs "apprenants faibles" et, à travers un ensemble d'itérations sur les données de formation, de pousser les classificateurs à apprendre à prédire les …

10 machine-learning classification algorithms boosting

2

Détection d'anomalies: quel algorithme utiliser?

Contexte: Je développe un système qui analyse les données cliniques pour filtrer les données invraisemblables qui pourraient être des fautes de frappe. Ce que j'ai fait jusqu'à présent: Pour quantifier la plausibilité, ma tentative jusqu'à présent était de normaliser les données, puis de calculer une valeur de plausibilité pour le …

10 machine-learning multivariate-analysis feature-selection algorithms outliers

3

Quelle est la manière la plus efficace de former des données en utilisant le moins de mémoire?

Voici mes données d'entraînement: 200 000 exemples x 10 000 fonctionnalités. Ma matrice de données d'entraînement est donc de - 200 000 x 10 000. J'ai réussi à enregistrer cela dans un fichier plat sans avoir de problèmes de mémoire en enregistrant chaque ensemble de données un par un (un …

10 machine-learning dataset algorithms python

4

D'une adresse e-mail à un numéro quasi aléatoire [fermé]

Fermé. Cette question est hors sujet . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle soit sur le sujet pour la validation croisée. Fermé il y a 2 ans . Mon but: J'aimerais avoir une fonction qui prend une adresse e-mail …

10 algorithms random-generation

3

Algorithme d'apprentissage automatique pour le classement

J'ai un ensemble d'éléments que je peux décrire selon caractéristiques. Donc:XXXnnn Xje: { cje 1, cje 2, … , Cje n} ∣ xje∈ XXje:{cje1,cje2,…,cjen}∣Xje∈Xx_i: \{c_{i1}, c_{i2}, \ldots, c_{in}\} \mid x_i \in X où est l'évaluation (numérique) de l'élément selon les caractéristiques . Ainsi, mes éléments peuvent être considérés comme des …

10 machine-learning algorithms ranking feature-construction

1

coût d'échantillonnage de par rapport à

Je suis tombé sur le problème de simulation suivant: étant donné un ensemble de nombres réels connus, une distribution sur est définie par où désigne la partie positive de . Bien que je puisse penser à un échantillonneur Metropolis-Hastings ciblant cette distribution, je me demande s'il existe un échantillonneur direct …

9 simulation algorithms random-generation computational-statistics metropolis-hastings

2

Comment échantillonner une distribution multinomiale tronquée?

J'ai besoin d'un algorithme pour échantillonner une distribution multinomiale tronquée. C'est, X⃗ ∼ 1ZpX11… PXkkX1! … Xk!X→∼1Zp1X1…pkXkX1!…Xk!\vec x \sim \frac{1}{Z} \frac{p_1^{x_1} \dots p_k^{x_k}}{x_1!\dots x_k!} où est une constante de normalisation, a composantes positives et . Je ne considère que les valeurs de dans la plage .ZZZX⃗ X→\vec xkkk∑ xje= n∑Xje=n\sum …

9 algorithms multinomial random-generation

Questions marquées «algorithms»