Statistiques et Big Data machine-learning

3

Résultats théoriques derrière les réseaux de neurones artificiels

Je viens de couvrir les réseaux de neurones artificiels dans le cours d'apprentissage automatique de Coursera et j'aimerais en savoir plus sur la théorie. Je trouve la motivation qu'ils imitent la biologie quelque peu insatisfaisante. En surface, il semble qu'à chaque niveau, nous remplaçons les covariables par une combinaison linéaire …

13 machine-learning neural-networks theory

1

Expliquer les étapes de l'algorithme LLE (local linear embedding)?

Je comprends le principe de base derrière l'algorithme pour LLE se compose de trois étapes. Trouver le voisinage de chaque point de données par une métrique telle que k-nn. Trouvez des poids pour chaque voisin qui dénotent l'effet du voisin sur le point de données. Construire l'incorporation de faible dimension …

13 machine-learning model-selection feature-selection dimensionality-reduction nonlinear

3

Machines Boltzmann restreintes pour la régression?

Je poursuis la question que j'avais posée plus tôt sur les mécanismes RBM . Je vois beaucoup de littérature qui les décrit, mais aucune qui parle réellement de régression (pas même de classification avec des données étiquetées). J'ai l'impression qu'il est utilisé uniquement pour les données non étiquetées. Existe-t-il des …

13 regression machine-learning classification neural-networks

2

Trouver les meilleures fonctionnalités dans les modèles d'interaction

J'ai une liste de protéines avec leurs valeurs caractéristiques. Un exemple de tableau ressemble à ceci: ...............Feature1...Feature2...Feature3...Feature4 Protein1 Protein2 Protein3 Protein4 Les lignes sont des protéines et les colonnes sont des caractéristiques. J'ai également une liste de protéines qui interagissent également; par exemple Protein3, Protein4 Protein1, Protein2 Protein4, Protein1 Problème …

13 machine-learning statistical-significance feature-selection networks

2

Un problème avec e1071 libsvm?

J'ai un ensemble de données avec deux classes qui se chevauchent, sept points dans chaque classe, les points sont dans un espace à deux dimensions. Dans R, et je cours svmdepuis le e1071package pour construire un hyperplan de séparation pour ces classes. J'utilise la commande suivante: svm(x, y, scale = …

13 r machine-learning svm libsvm e1071

2

Pourquoi les fonctionnalités dérivées sont-elles utilisées dans les réseaux de neurones?

Par exemple, on veut prédire les prix des maisons et avoir deux caractéristiques d'entrée la longueur et la largeur de la maison. Parfois, on inclut également des caractéristiques d'entrée polynomiales «dérivées», telles que l'aire, qui est une longueur * une largeur. 1) Quel est l'intérêt d'inclure des fonctionnalités dérivées? Un …

13 machine-learning neural-networks

1

Comment le Kinect utilise-t-il les forêts aléatoires?

J'ai lu sur ce site qu'apparemment, le Kinect utilise l' algorithme des forêts aléatoires pour l'apprentissage automatique d'une manière ou d'une autre. Quelqu'un peut-il expliquer pourquoi il utilise des forêts aléatoires et comment fonctionne son approche?

13 machine-learning random-forest application

7

Recommandation pour un livre sur les systèmes de recommandation

Pouvez-vous recommander un livre contenant de bonnes informations pouvant être appliquées au développement d'un système de recommandation?

13 machine-learning references recommender-system

1

La machine vectorielle de support peut-elle être utilisée dans les grandes données?

Avec les connaissances limitées que j'ai sur SVM, c'est bon pour une matrice de données courte et grasse (beaucoup de fonctionnalités et pas trop d'instances), mais pas pour les big data.XXX Je comprends qu'une raison est que la matrice du noyau est une matrice où, est le nombre d'instances dans …

13 machine-learning svm large-data

1

En général, est-il plus difficile de faire de l'inférence que de faire des prédictions?

Ma question vient du fait suivant. J'ai lu des articles, des blogs, des conférences ainsi que des livres sur l'apprentissage automatique. Mon impression est que les praticiens de l'apprentissage automatique semblent être indifférents à beaucoup de choses qui intéressent les statisticiens et l'économétrie. En particulier, les praticiens de l'apprentissage automatique …

13 machine-learning self-study inference

1

Connexions entre (d-prime) et AUC (Area Under the ROC Curve); hypothèses sous-jacentes

Dans l'apprentissage automatique, nous pouvons utiliser l' aire sous la courbe ROC (souvent abrégée AUC ou AUROC) pour résumer la capacité d'un système à discriminer entre deux catégories. Dans la théorie de la détection du signal, le (indice de sensibilité) est souvent utilisé dans un but similaire. Les deux sont …

13 machine-learning roc auc signal-detection d-prime

1

Choix d'une taille de mini-lot appropriée pour la descente de gradient stochastique (SGD)

Existe-t-il une littérature qui examine le choix de la taille du mini-lot lors de la descente de gradient stochastique? D'après mon expérience, cela semble être un choix empirique, généralement trouvé via la validation croisée ou en utilisant différentes règles empiriques. Est-ce une bonne idée d'augmenter lentement la taille du mini-lot …

13 machine-learning gradient-descent hyperparameter deep-learning

4

Processus gaussiens: comment utiliser GPML pour une sortie multidimensionnelle

Existe-t-il un moyen d'effectuer une régression de processus gaussienne sur une sortie multidimensionnelle (éventuellement corrélée) à l'aide de GPML ? Dans le script de démonstration, je ne pouvais trouver qu'un exemple 1D. Une question similaire sur le CV qui aborde le cas de l'entrée multidimensionnelle. J'ai parcouru leur livre pour …

13 regression machine-learning matlab gaussian-process nonparametric-bayes

3

Preuve de la proximité des fonctions du noyau sous un produit ponctuel

Comment puis-je prouver que le produit ponctuel de deux fonctions du noyau est une fonction du noyau?

13 machine-learning kernel-trick

2

Que signifie la taille du noyau?

Quand les gens parlent de réseaux de neurones, que veulent-ils dire quand ils disent "taille du noyau"? Les noyaux sont des fonctions de similitude, mais qu'est-ce que cela dit sur la taille du noyau?

13 machine-learning neural-networks

Questions marquées «machine-learning»