Statistiques et Big Data machine-learning

1

Classification stratifiée avec forêts aléatoires (ou autre classificateur)

Donc, j'ai une matrice d'environ 60 x 1000. Je la considère comme 60 objets avec 1000 fonctionnalités; les 60 objets sont regroupés en 3 classes (a, b, c). 20 objets dans chaque classe, et nous connaissons la véritable classification. J'aimerais faire un apprentissage supervisé sur cet ensemble de 60 exemples …

12 machine-learning classification multilevel-analysis random-forest stratification

1

Quelles sont les normes

J'ai vu beaucoup d'articles sur les représentations clairsemées récemment, et la plupart d'entre eux utilisent la norme et font une certaine minimisation. Ma question est, quelle est la norme et la norme mixte ? Et comment sont-ils pertinents pour la régularisation?ℓpℓp\ell_pℓpℓp\ell_pℓp,qℓp,q\ell_{p, q} Merci

12 machine-learning regularization sparse

2

Sac de mots vs modèle d'espace vectoriel?

Quelle (s) est / sont la différence (s) entre ces modèles de représentation textuelle: sac de mots et modèle d'espace vectoriel?

12 machine-learning text-mining

5

Quel langage de programmation recommandez-vous pour prototyper un problème d'apprentissage automatique?

Travaille actuellement dans Octave, mais en raison de la mauvaise documentation, les progrès sont très lents. Quelle langue est facile à apprendre et à utiliser et bien documentée pour résoudre les problèmes d'apprentissage automatique? Je cherche à prototyper sur un petit ensemble de données (des milliers d'exemples), donc la vitesse …

12 r machine-learning matlab software python

2

Quelle est la profondeur du lien entre la fonction softmax en ML et la distribution de Boltzmann en thermodynamique?

La fonction softmax, couramment utilisée dans les réseaux de neurones pour convertir des nombres réels en probabilités, est la même fonction que la distribution de Boltzmann, la distribution de probabilité sur les énergies pour un ensemble de particules en équilibre thermique à une température donnée T en thermodynamique. Je peux …

12 machine-learning neural-networks softmax

2

Pourquoi n'utilisons-nous pas la moyenne arithmétique pondérée au lieu de la moyenne harmonique?

Je me demande quelle est la valeur intrinsèque de l'utilisation de la moyenne harmonique (par exemple pour calculer les mesures F), par opposition à la moyenne arithmétique pondérée pour combiner précision et rappel? Je pense que la moyenne arithmétique pondérée pourrait jouer le rôle de moyenne harmonique, ou est-ce que …

12 machine-learning monte-carlo precision-recall harmonic-mean

1

Transformations de densité de probabilité différentes dues au facteur jacobien

Dans Bishop's Pattern Recognition and Machine Learning, j'ai lu ce qui suit, juste après l' introduction de la densité de probabilité :p(x∈(a,b))=∫bap(x)dxp(x∈(a,b))=∫abp(x)dxp(x\in(a,b))=\int_a^bp(x)\textrm{d}x Sous un changement de variable non linéaire, une densité de probabilité se transforme différemment d'une fonction simple, en raison du facteur jacobien. Par exemple, si nous considérons un …

12 machine-learning probability

1

Comment ajuster les poids dans les valeurs Q avec approximation de la fonction linéaire

Dans l'apprentissage par renforcement, l'approximation de fonction linéaire est souvent utilisée lorsque de grands espaces d'états sont présents. (Lorsque les tables de recherche deviennent irréalisables.) La forme de la valeur avec approximation de la fonction linéaire est donnée parQ -Q−Q- Q ( s , a ) = w1F1( s , …

12 machine-learning feature-selection reinforcement-learning

1

Comment comprendre que le MLE de la variance est biaisé dans une distribution gaussienne?

Je lis PRML et je ne comprends pas l'image. Pourriez-vous s'il vous plaît donner quelques conseils pour comprendre l'image et pourquoi le MLE de la variance dans une distribution gaussienne est biaisé? formule 1.55: formule 1.56 σ 2 M L E =1μMLE=1N∑n=1NxnμMLE=1N∑n=1Nxn \mu_{MLE}=\frac{1}{N} \sum_{n=1}^N x_n σ2MLE=1N∑n=1N(xn−μMLE)2σMLE2=1N∑n=1N(xn−μMLE)2 \sigma_{MLE}^2=\frac{1}{N}\sum_{n=1}^{N}(x_n-\mu_{MLE})^2

12 machine-learning self-study maximum-likelihood

4

Qu'est-ce qu'un classificateur?

Je ne trouve pas la définition générale de ce qu'est un classificateur? Je comprends comment cela peut fonctionner, mais je ne parviens pas à une définition.

12 machine-learning classification

1

Relation entre la matrice de Hesse et la matrice de covariance

Pendant que j'étudie l'estimation du maximum de vraisemblance, pour faire l'inférence dans l'estimation du maximum de vraisemblance, nous devons connaître la variance. Pour connaître la variance, j'ai besoin de connaître la limite inférieure de Rram de Cramer, qui ressemble à une matrice de Hesse avec une deuxième dérivation sur la …

12 machine-learning mathematical-statistics maximum-likelihood data-mining

3

Comment construire une matrice de confusion pour un classifieur multiclasse?

J'ai un problème avec 6 cours. Je construis donc un classificateur multiclasse, comme suit: pour chaque classe, j'ai un classificateur de régression logistique, en utilisant One vs. All, ce qui signifie que j'ai 6 classificateurs différents. Je peux signaler une matrice de confusion pour chacun de mes classificateurs. Mais, je …

12 machine-learning logistic classification multi-class confusion-matrix

1

Que signifie la distribution logarithmique uniforme?

Quand quelqu'un dit qu'une donnée est échantillonnée à partir d'une distribution logarithmique uniforme entre 128 et 4000, qu'est-ce que cela signifie? En quoi est-ce différent de l'échantillonnage à partir d'une distribution uniforme? Voir cet article: http://www.jmlr.org/papers/volume13/bergstra12a/bergstra12a.pdf Merci!

12 machine-learning distributions uniform

5

Comment calculer la précision et le rappel dans une matrice de confusion 3 x 3

Predicted class Cat Dog Rabbit Actual class Cat 5 3 0 Dog 2 3 1 Rabbit 0 2 11 Comment puis-je calculer la précision et le rappel pour qu'il devienne facile de calculer le score F1. La matrice de confusion normale est une dimension 2 x 2. Cependant, quand il …

12 machine-learning precision-recall

3

KNN a-t-il une fonction de perte?

Je n'ai pas trouvé de définition de la fonction de perte sur wiki dans le contexte de l'apprentissage automatique. celui-ci est cependant moins formel, il est assez clair. À la base, une fonction de perte est incroyablement simple: c'est une méthode pour évaluer la façon dont votre algorithme modélise votre …

12 machine-learning

Questions marquées «machine-learning»