Statistiques et Big Data classification

3

Quels sont les impacts du choix de différentes fonctions de perte dans la classification pour approcher la perte 0-1

Nous savons que certaines fonctions objectives sont plus faciles à optimiser et certaines sont difficiles. Et il existe de nombreuses fonctions de perte que nous voulons utiliser mais difficiles à utiliser, par exemple une perte de 0-1. Nous trouvons donc des fonctions de perte de proxy pour faire le travail. …

27 machine-learning classification optimization loss-functions

5

Qu'est-ce qui peut amener l'ACP à aggraver les résultats d'un classificateur?

J'ai un classificateur sur lequel je fais une validation croisée, ainsi qu'une centaine de fonctionnalités sur lesquelles je fais une sélection avant pour trouver des combinaisons optimales de fonctionnalités. Je compare également cela à l'exécution des mêmes expériences avec PCA, où je prends les fonctionnalités potentielles, applique SVD, transforme les …

27 classification pca feature-selection

1

La validation croisée est-elle un substitut approprié à l'ensemble de validation?

Dans la classification de texte, j'ai un ensemble de formation avec environ 800 échantillons et un ensemble de test avec environ 150 échantillons. L'ensemble de test n'a jamais été utilisé et attend d'être utilisé jusqu'à la fin. J'utilise l'ensemble de formation de 800 échantillons, avec une validation croisée 10 fois …

27 machine-learning classification cross-validation text-mining

4

Comment mesurer / classer «l'importance variable» lors de l'utilisation de CART? (en utilisant spécifiquement {rpart} de R)

Lors de la construction d'un modèle CART (spécifiquement l'arbre de classification) à l'aide de rpart (dans R), il est souvent intéressant de savoir quelle est l'importance des différentes variables introduites dans le modèle. Ainsi, ma question est: Quelles sont les mesures communes existantes pour classer / mesurer l'importance des variables …

27 r classification model-selection cart rpart

2

Réseau de neurones: pour la classification binaire, utiliser 1 ou 2 neurones de sortie?

Supposons que je veuille faire une classification binaire (quelque chose appartient à la classe A ou à la classe B). Il existe certaines possibilités pour ce faire dans la couche de sortie d'un réseau de neurones: Utilisez 1 nœud de sortie. La sortie 0 (<0,5) est considérée comme classe A …

27 machine-learning classification neural-networks

2

Quand est-il approprié d'utiliser une règle de notation incorrecte?

Merkle et Steyvers (2013) écrivent: Pour définir formellement une règle de notation appropriée, soit une prévision probabiliste d'un essai de Bernoulli avec une vraie probabilité de succès . Les règles de notation appropriées sont des mesures dont les valeurs attendues sont minimisées si .fffdddpppf=pf=pf = p Je comprends que c'est …

27 classification forecasting scoring-rules

1

Un contre tous et un contre un dans svm?

Quelle est la différence entre un classificateur SVM un contre un et un contre un? Est-ce que un contre un signifie un classificateur pour classer tous les types / catégories de la nouvelle image et un contre un signifie que chaque type / catégorie de nouvelle image se classe avec …

26 machine-learning classification svm

2

Trois versions de l'analyse discriminante: différences et comment les utiliser

Quelqu'un peut-il expliquer les différences et donner des exemples spécifiques sur la façon d'utiliser ces trois analyses? LDA - Analyse discriminante linéaire FDA - Analyse discriminante de Fisher QDA - Analyse quadratique discriminante J'ai cherché partout, mais je n'ai pas trouvé de vrais exemples avec de vraies valeurs pour voir …

26 classification discriminant-analysis

4

Prédire avec des fonctionnalités continues et catégoriques

Certaines techniques de modélisation prédictive sont plus conçues pour gérer des prédicteurs continus, tandis que d'autres sont meilleures pour gérer des variables catégorielles ou discrètes. Il existe bien sûr des techniques pour transformer un type en un autre (discrétisation, variables muettes, etc.). Cependant, existe-t-il des techniques de modélisation prédictive conçues …

26 classification predictive-models categorical-data continuous-data discrete-data

1

Existe-t-il un algorithme combinant classification et régression?

Je me demande s'il y a un algorithme qui pourrait faire la classification et la régression en même temps. Par exemple, je voudrais laisser l'algorithme apprendre un classificateur, et en même temps dans chaque étiquette, il apprend également une cible continue. Ainsi, pour chaque exemple de formation, il a une …

25 regression machine-learning classification predictive-models finite-mixture-model

5

Comment les principaux composants principaux peuvent-ils conserver le pouvoir prédictif sur une variable dépendante (ou même conduire à de meilleures prédictions)?

Supposons que je courais une régression . Pourquoi en sélectionnant les premiers composants de , le modèle conserve-t-il son pouvoir prédictif sur ?k X YOui∼ XOui∼XY \sim XkkkXXXOuiOuiY Je comprends que du point de vue de la réduction de dimensionnalité / sélection des caractéristiques, si sont les vecteurs propres de …

25 regression classification pca dimensionality-reduction regularization

4

Quand éviter la forêt aléatoire?

Les forêts aléatoires sont bien connues pour fonctionner assez bien sur une variété de tâches et ont été désignées comme l' homme du cuir des méthodes d'apprentissage . Y a-t-il des types de problèmes ou de conditions spécifiques dans lesquels il faut éviter d'utiliser une forêt aléatoire?

25 machine-learning classification random-forest

2

Est-il judicieux de combiner PCA et LDA?

Supposons que j'ai un ensemble de données pour une tâche de classification statistique supervisée, par exemple via un classifieur Bayes. Cet ensemble de données se compose de 20 entités et je veux le résumer à 2 entités via des techniques de réduction de dimensionnalité telles que l'analyse en composantes principales …

25 classification pca regularization discriminant-analysis overfitting

3

Cinq principaux classificateurs à essayer en premier

Outre les caractéristiques évidentes du classificateur comme coût de calcul, types de données attendus des fonctionnalités / étiquettes et l'adéquation à certaines tailles et dimensions d'ensembles de données, quels sont les cinq premiers classificateurs (ou 10, 20?) à essayer en premier sur un nouvel ensemble de données dont on ne …

25 machine-learning classification methodology

2

Détecter les schémas de tricherie lors d'un examen à plusieurs questions

QUESTION: J'ai des données binaires sur les questions d'examen (correctes / incorrectes). Certaines personnes peuvent avoir eu accès auparavant à un sous-ensemble de questions et à leurs réponses correctes. Je ne sais pas qui, combien ou quoi. S'il n'y avait pas de triche, supposons que je modélise la probabilité d'une …

25 r clustering classification psychometrics

Questions marquées «classification»