Statistiques et Big Data machine-learning

2

Je comprends que les SVM à une classe (OSVM) ont été proposés en l'absence de données négatives et qu'ils cherchent à trouver des limites de décision qui séparent un ensemble positif et un point d'ancrage négatif, par exemple l'origine. Un travail en 2011 propose des SVM exemplaires (ESVM) qui forment …

16 machine-learning svm

2

approches de formation pour un ensemble de données très déséquilibré

J'ai un ensemble de données de test très déséquilibré. L'ensemble positif se compose de 100 cas tandis que l'ensemble négatif se compose de 1500 cas. Du côté de la formation, j'ai un plus grand bassin de candidats: l'ensemble de formation positive a 1 200 cas et l'ensemble de formation négative …

16 machine-learning classification data-mining svm bioinformatics

3

Recherche de grille sur la validation croisée k-fold

J'ai un ensemble de données de 120 échantillons dans un paramètre de validation croisée 10 fois. Actuellement, je prends les données d'entraînement du premier holdout et fais une validation croisée 5 fois dessus pour choisir les valeurs de gamma et C par recherche dans la grille. J'utilise SVM avec le …

16 machine-learning classification cross-validation svm

2

La classification GBM souffre-t-elle de tailles de classe déséquilibrées?

J'ai affaire à un problème de classification binaire supervisé. Je voudrais utiliser le package GBM pour classer les individus comme non infectés / infectés. J'ai 15 fois plus de personnes non infectées que de personnes infectées. Je me demandais si les modèles GBM souffraient en cas de tailles de classe …

16 r machine-learning boosting unbalanced-classes gbm

3

Variables colinéaires dans la formation Multiclass LDA

Je forme un classificateur LDA multi-classe avec 8 classes de données. Pendant la formation, je reçois un avertissement de: " Les variables sont colinéaires " Je reçois une formation précision d' de plus de 90% . J'utilise la bibliothèque scikits-learn dans Python pour former et tester les données multi-classes. J'obtiens …

16 machine-learning classification python scikit-learn discriminant-analysis

6

Implémentation SVM la plus rapide

Plus une question générale. J'utilise un SVM rbf pour la modélisation prédictive. Je pense que mon programme actuel a vraiment besoin d'être accéléré. J'utilise scikit learn avec une recherche de grille grossière à fine + validation croisée. Chaque exécution de SVM prend environ une minute, mais avec toutes les itérations, …

16 machine-learning svm predictive-models scikit-learn kernel-trick

1

Dérivation du changement de variables d'une fonction de densité de probabilité?

Dans la reconnaissance des formes de livre et l'apprentissage automatique (formule 1.27), il donne py(y)=px(x)∣∣∣dxdy∣∣∣=px(g(y))|g′(y)|py(y)=px(x)|dxdy|=px(g(y))|g′(y)|p_y(y)=p_x(x) \left | \frac{d x}{d y} \right |=p_x(g(y)) | g'(y) | où , est le pdf qui correspond à par rapport au changement de la variable.px=g(y)x=g(y)x=g(y)p y ( y )px(x)px(x)p_x(x)py(y)py(y)p_y(y) Les livres disent que c'est parce …

16 machine-learning probability self-study derivative jacobian

1

Dans la théorie de l'apprentissage statistique, n'y a-t-il pas un problème de surapprentissage sur un ensemble de test?

Examinons le problème de la classification de l'ensemble de données MNIST. Selon la page Web MNIST de Yann LeCun , «Ciresan et al.» a obtenu un taux d'erreur de 0,23% sur l'ensemble de test MNIST en utilisant le réseau neuronal convolutionnel. Notons l'ensemble de formation MNIST comme DtrainDtrainD_{train} , l'ensemble …

16 machine-learning classification overfitting probability-inequalities

3

Quelle est la différence entre l'apprentissage en ligne et l'apprentissage par lots?

Je lis actuellement l'article Efficient Online and Batch Learning using Forward-Backward Splitting de John Duchi et Yoram Singer. Je suis très confus quant à l'utilisation des termes «en ligne» et «lot». Je pensais que «en ligne» signifie que nous mettons à jour les paramètres de poids après avoir traité une …

16 machine-learning online gradient-descent

5

Quel est l'impact de l'augmentation des données de formation sur la précision globale du système?

Quelqu'un peut-il résumer pour moi avec des exemples possibles, dans quelles situations l'augmentation des données de formation améliore le système global? Quand détectons-nous que l'ajout de données d'entraînement pourrait éventuellement sur-ajuster les données et ne pas donner de bonnes précisions sur les données de test? Il s'agit d'une question très …

16 machine-learning classification dataset precision-recall

5

J'apprends de la reconnaissance des formes et de l'apprentissage automatique, Chris Bishop de bonnes ressources?

Y a-t-il des vidéos ou d'autres livres / notes que quelqu'un a rencontrés qui suivent la reconnaissance des formes et l'apprentissage automatique par Chris Bishop? J'ai acheté ce livre pour apprendre le Machine Learning et j'ai du mal à le traverser.

16 machine-learning references pattern-recognition

1

Classificateur vs modèle vs estimateur

Quelle est la différence entre un classificateur, un modèle et un estimateur? D'après ce que je peux dire: un estimateur est un prédicteur trouvé à partir d'un algorithme de régression un classificateur est un prédicteur trouvé à partir d'un algorithme de classification un modèle peut être à la fois un …

15 machine-learning

1

La somme de deux arbres de décision est-elle équivalente à un seul arbre de décision?

Supposons que nous ayons deux arbres de régression (arbre A et B) que l' arbre d' entrée de carte de sortie y ∈ R . Soit y = f A ( x ) de l' arbre A et f B ( x ) de l' arbre B. Chaque arbre utilise …

15 regression machine-learning cart

3

Puis-je utiliser un petit ensemble de validation?

Je comprends le raisonnement derrière la division des données en un ensemble de test et un ensemble de validation. Je comprends également que la taille de la scission dépendra de la situation mais variera généralement de 50/50 à 90/10. J'ai construit un RNN pour corriger l'orthographe et commencer avec un …

15 machine-learning neural-networks validation

2

Pourquoi la maximisation des attentes est importante pour les modèles de mélange?

De nombreuses publications mettent l'accent sur la méthode de maximisation des attentes sur les modèles de mélange (mélange de gaussien, modèle de Markov caché, etc.). Pourquoi l'EM est important? EM est juste un moyen d'optimisation et n'est pas largement utilisé comme méthode basée sur un gradient (gradient décent ou méthode …

15 machine-learning optimization expectation-maximization gaussian-mixture

Questions marquées «machine-learning»