Statistiques et Big Data machine-learning

1

Supervision à distance: supervisée, semi-supervisée ou les deux?

La «supervision distante» est un schéma d'apprentissage dans lequel un classificateur est appris en fonction d'un ensemble de formation faiblement étiqueté (les données de formation sont étiquetées automatiquement sur la base d'heuristiques / règles). Je pense que l'apprentissage supervisé et l'apprentissage semi-supervisé peuvent inclure une telle «supervision à distance» si …

20 machine-learning data-mining dataset references unsupervised-learning

1

Discussion sur l'overfit dans xgboost

Ma configuration est la suivante: Je suis les directives dans "Modélisation prédictive appliquée". J'ai donc filtré les fonctionnalités corrélées et je me retrouve avec ce qui suit: 4900 points de données dans l'ensemble d'apprentissage et 1600 points de données dans l'ensemble de test. J'ai 26 fonctionnalités et la cible est …

20 machine-learning boosting overfitting

1

Comment fonctionne l'échantillonnage négatif dans word2vec?

J'ai essayé de comprendre le concept d'échantillonnage négatif dans le contexte de word2vec. Je suis incapable de digérer l'idée d'un échantillonnage [négatif]. Par exemple, dans les articles de Mikolov, l'attente d'échantillonnage négative est formulée comme suit: Journalσ( ⟨ W , c ⟩ ) + k ⋅ EcN∼ Pré[ journalσ( - …

19 machine-learning word2vec word-embeddings

3

Un moignon de décision est-il un modèle linéaire?

Le moignon de décision est un arbre de décision avec une seule division. Il peut également être écrit comme une fonction par morceaux. Par exemple, supposons que xxx est un vecteur, et x1x1x_1 est le premier composant de , dans le cadre de la régression, un moignon de décision peut …

19 machine-learning cart linear boosting

5

Quels sont les bons ensembles de données pour apprendre les algorithmes de base de l'apprentissage automatique et pourquoi?

Je suis nouveau dans l'apprentissage automatique et je recherche des ensembles de données à travers lesquels je peux comparer et contraster les différences entre les différents algorithmes d'apprentissage automatique (Arbres de décision, Boosting, SVM et Réseaux de neurones) Où puis-je trouver de tels ensembles de données? Que dois-je rechercher tout …

19 machine-learning dataset

2

Boosting: pourquoi le taux d'apprentissage est-il appelé paramètre de régularisation?

Le paramètre de taux d'apprentissage ( ) dans Gradient Boosting réduit la contribution de chaque nouveau modèle de base - généralement un arbre peu profond - qui est ajouté dans la série. Il s'est avéré augmenter considérablement la précision de l'ensemble de test, ce qui est compréhensible car avec des …

19 machine-learning data-mining predictive-models boosting overfitting

2

Comment les réseaux de neurones récurrents peuvent-ils être utilisés pour la classification des séquences?

RNN peut être utilisé pour la prédiction ou le mappage séquence à séquence. Mais comment RNN peut-il être utilisé pour la classification? Je veux dire, nous donnons à une séquence entière une étiquette.

19 machine-learning neural-networks rnn

2

Que signifie le nom de «régression logistique»?

Je vérifie une implémentation de la régression logistique à partir d' ici . Après avoir lu cet article, il semble que la partie importante soit de trouver les meilleurs coefficients pour déterminer la fonction sigmoïde. Je me demande donc pourquoi cette méthode est appelée "régression logistique". Est-ce lié à la …

19 regression machine-learning logistic

1

Modélisation prédictive - Faut-il se soucier de la modélisation mixte?

Pour la modélisation prédictive, devons-nous nous préoccuper de concepts statistiques tels que les effets aléatoires et la non indépendance des observations (mesures répétées)? Par exemple.... J'ai des données de 5 campagnes de publipostage (survenues au cours d'une année) avec divers attributs et un drapeau à acheter. Idéalement, j'utiliserais toutes ces …

19 machine-learning predictive-models repeated-measures assumptions

6

Programmeur cherchant à percer dans le domaine de l'apprentissage automatique

Je suis développeur de logiciels (principalement .NET et Python environ 5 ans d'expérience). Que puis-je faire pour m'aider à trouver un emploi dans le domaine de l'apprentissage automatique ou vraiment tout ce qui me permettra de me lancer dans ce domaine? Le diplôme d'études supérieures est-il une exigence difficile?

19 machine-learning data-mining careers

2

Calcul de la frontière de décision d'un modèle SVM linéaire

Étant donné les vecteurs de support d'un SVM linéaire, comment puis-je calculer l'équation de la frontière de décision?

19 machine-learning svm

2

Quand le «plus proche voisin» a-t-il un sens aujourd'hui?

En 1999, Beyer et al. a demandé: Quand le "plus proche voisin" a-t-il un sens? Existe-t-il de meilleures façons d'analyser et de visualiser l'effet de la planéité des distances sur la recherche NN depuis 1999? Un ensemble de données [donné] fournit-il des réponses significatives au problème 1-NN? Le problème des …

19 machine-learning k-nearest-neighbour

6

Quelle est l'idée «fondamentale» de l'apprentissage automatique pour estimer les paramètres?

L'idée «fondamentale» des statistiques pour estimer les paramètres est le maximum de vraisemblance . Je me demande quelle est l'idée correspondante dans l'apprentissage automatique. Qn 1. Serait-il juste de dire que l'idée «fondamentale» de l'apprentissage automatique pour estimer les paramètres est: «Fonctions de perte» [Remarque: J'ai l'impression que les algorithmes …

19 machine-learning maximum-likelihood loss-functions pac-learning

6

Le réglage d'hyperparamètre sur un échantillon de jeu de données est-il une mauvaise idée?

J'ai un ensemble de données de 140000 exemples et 30 fonctionnalités pour lesquelles je forme plusieurs classificateurs pour une classification binaire (SVM, régression logistique, forêt aléatoire, etc.) Dans de nombreux cas, le réglage hyperparamétrique de l'ensemble de données à l'aide de la recherche par grille ou aléatoire est trop coûteux …

19 machine-learning cross-validation hyperparameter

11

Pourquoi la régression logistique est-elle appelée algorithme d'apprentissage automatique?

Si j'ai bien compris, dans un algorithme d'apprentissage automatique, le modèle doit apprendre de son expérience, c'est-à-dire lorsque le modèle donne la mauvaise prédiction pour les nouveaux cas, il doit s'adapter aux nouvelles observations, et avec le temps, le modèle devient de mieux en mieux . Je ne vois pas …

19 machine-learning logistic random-forest

Questions marquées «machine-learning»