Statistiques et Big Data machine-learning

2

Pourquoi les réseaux de neurones sont-ils facilement trompés?

J'ai lu des articles sur la création manuelle d'images pour "tromper" un réseau de neurones (voir ci-dessous). Est-ce parce que les réseaux ne modélisent que la probabilité conditionnelle ? Si un réseau peut modéliser la probabilité conjointe p ( y , x ) , de tels cas se produiront-ils toujours?p …

13 machine-learning neural-networks deep-learning

1

Que signifie «de bout en bout» dans les méthodes d'apprentissage en profondeur?

Je veux savoir ce que c'est et comment est-ce différent de l'assemblage? Supposons que je souhaite atteindre une grande précision dans la classification et la segmentation, pour une tâche spécifique, si j'utilise différents réseaux, tels que CNN, RNN, etc. pour y parvenir, est-ce que cela s'appelle un modèle de bout …

13 machine-learning terminology deep-learning

1

Quelles sont les techniques utiles d'augmentation des données pour les réseaux de neurones convolutionnels profonds?

Contexte: J'ai récemment compris à un niveau plus profond l'importance de l'augmentation des données lors de la formation des réseaux de neurones convolutionnels après avoir vu cet excellent discours de Geoffrey Hinton . Il explique que les réseaux de neurones convolutifs de génération actuelle ne sont pas en mesure de …

13 machine-learning deep-learning

3

Comment les modèles d'apprentissage automatique (GBM, NN, etc.) peuvent-ils être utilisés pour l'analyse de survie?

Je sais que les modèles statistiques traditionnels comme la régression des risques proportionnels de Cox et certains modèles de Kaplan-Meier peuvent être utilisés pour prédire jours jusqu'à la prochaine occurrence d'une panne par exemple d'événements , etc. -à- dire l' analyse de survie Des questions Comment la version de régression …

13 machine-learning classification survival cox-model kaplan-meier

1

Réduction supervisée de la dimensionnalité

J'ai un ensemble de données composé d'échantillons étiquetés 15K (de 10 groupes). Je souhaite appliquer une réduction de dimensionnalité en 2 dimensions, qui tiendrait compte de la connaissance des labels. Lorsque j'utilise des techniques de réduction de dimensionnalité "standard" non supervisées telles que l'ACP, le nuage de points semble n'avoir …

13 machine-learning pca dimensionality-reduction supervised-learning discriminant-analysis

3

Comment les réseaux de neurones convolutionnels utilisent-ils exactement la convolution à la place de la multiplication matricielle?

Je lisais le livre de Yoshua Bengio sur l'apprentissage profond et il est dit à la page 224: Les réseaux convolutifs sont simplement des réseaux neuronaux qui utilisent la convolution à la place de la multiplication matricielle générale dans au moins une de leurs couches. cependant, je ne savais pas …

13 machine-learning neural-networks deep-learning convolution

3

La forêt aléatoire et l'amplification sont-elles paramétriques ou non paramétriques?

En lisant l'excellente modélisation statistique: Les deux cultures (Breiman 2001) , nous pouvons saisir toute la différence entre les modèles statistiques traditionnels (par exemple, la régression linéaire) et les algorithmes d'apprentissage automatique (par exemple, Bagging, Random Forest, Boosted trees ...). Breiman critique les modèles de données (paramétriques) car ils sont …

13 machine-learning data-mining random-forest boosting bagging

2

Quelle est la différence entre la sélection de fonctionnalités et la réduction de dimensionnalité?

Je sais que la sélection des fonctionnalités et la réduction de la dimensionnalité visent à réduire le nombre de fonctionnalités dans l'ensemble de fonctionnalités d'origine. Quelle est la différence exacte entre les deux si nous faisons la même chose dans les deux?

13 machine-learning pca feature-selection dimensionality-reduction

1

La communauté du machine learning abusant est-elle «conditionnée» et «paramétrée par»?

Disons que dépend de α . Rigoureusement parlant,XXXαα\alpha si et α sont tous deux des variables aléatoires, on pourrait écrire p ( X ∣ α ) ;XXXαα\alphap(X∣α)p(X∣α)p(X\mid\alpha) cependant, si est une variable aléatoire et α est un paramètre, nous devons écrire p ( X ; α ) .XXXαα\alphap(X;α)p(X;α)p(X; \alpha) Je …

13 machine-learning terminology

4

En quoi la validation croisée est-elle différente de l'espionnage des données?

Je viens de terminer "Une introduction à l'apprentissage statistique" . Je me demandais si l'utilisation de la validation croisée pour trouver les meilleurs paramètres de réglage pour diverses techniques d'apprentissage automatique était différente de l'espionnage des données? Nous vérifions à plusieurs reprises quelle valeur du paramètre de réglage donne un …

13 machine-learning cross-validation

3

Forêt aléatoire sur des données structurées à plusieurs niveaux / hiérarchiques

Je suis assez nouveau dans l'apprentissage automatique, les techniques CART et autres, et j'espère que ma naïveté n'est pas trop évidente. Comment Random Forest gère-t-il les structures de données multi-niveaux / hiérarchiques (par exemple lorsque l'interaction entre niveaux est intéressante)? C'est-à-dire, des ensembles de données avec des unités d'analyse à …

13 machine-learning random-forest multilevel-analysis cart

3

Dois-je utiliser le Kernel Trick autant que possible pour les données non linéaires?

J'ai récemment appris l'utilisation de l'astuce du noyau, qui mappe les données dans des espaces de dimension supérieure pour tenter de linéariser les données dans ces dimensions. Y a-t-il des cas où je devrais éviter d'utiliser cette technique? S'agit-il simplement de trouver la bonne fonction du noyau? Pour les données …

13 machine-learning svm kernel-trick heuristic

2

Comment un perceptron multiclasse peut-il fonctionner?

Je n'ai aucune formation en mathématiques, mais je comprends comment fonctionne le simple Perceptron et je pense que je saisis le concept d'un hyperplan (je l'imagine géométriquement comme un avion dans l'espace 3D qui sépare deux nuages de points, tout comme une ligne sépare deux nuages de points dans l'espace …

13 machine-learning classification linear-model multi-class

2

Quand enregistrer / développer vos variables lors de l'utilisation de modèles de forêt aléatoires?

Je fais une régression en utilisant des forêts aléatoires pour prédire les prix en fonction de plusieurs attributs. Le code est écrit en Python à l'aide de Scikit-learn. Comment décidez-vous si vous devez transformer vos variables en utilisant exp/ logavant de l'utiliser pour l'adapter au modèle de régression? Est-il nécessaire …

13 regression machine-learning predictive-models python random-forest

2

Jusqu'où l'auto-apprentissage me mènera-t-il?

Je n'ai jamais participé à un cours officiel ou structuré d'analyse de données ou d'apprentissage automatique (autre que les offres en ligne récentes) et j'ai appris la plupart de mes connaissances en lisant et en essayant des choses. Je sais que je suis loin de pouvoir trouver un emploi. Ma …

13 machine-learning data-mining careers

Questions marquées «machine-learning»