Statistiques et Big Data machine-learning

2

Sélection d'entités sur un modèle linéaire généralisé hiérarchique bayésien

Je cherche à estimer un GLM hiérarchique mais avec une sélection de caractéristiques pour déterminer quelles covariables sont pertinentes au niveau de la population à inclure. Supposons que j'ai GGG groupes avec NNN observations et KKKcovariables possibles C'est-à-dire que j'ai une matrice de conception de covariables , résultats . Les …

8 machine-learning bayesian feature-selection hierarchical-bayesian shrinkage

2

Quand le deep learning échoue-t-il?

L'apprentissage en profondeur est un sujet de plus en plus d'actualité de nos jours. Quelles sont les principales hypothèses qui font que l'apprentissage en profondeur manque dans certains ensembles de données. Ex: fonctionne-t-il bien sur des ensembles de données bruyants?

8 machine-learning mathematical-statistics deep-learning

2

Importance / impact des fonctionnalités pour les prévisions individuelles

Au niveau du modèle, pour évaluer la contribution / l'importance des prédicteurs, nous pouvons utiliser: Techniques spécifiques au modèle - par exemple pureté (indice de Gini) pour un modèle basé sur un arbre, coefficients du modèle le cas échéant, etc. Techniques indépendantes du modèle - par exemple, importance des caractéristiques …

8 machine-learning predictive-models

1

Différence entre recuit simulé et plusieurs gourmands

J'essaie de comprendre quelle est la différence entre le recuit simulé et l'exécution de plusieurs algorithmes gourmands d'escalade. D'après ma compréhension, l'algorithme gourmand poussera le score à un maximum local, mais si nous commençons avec plusieurs configurations aléatoires et appliquons gourmand à toutes, nous aurons plusieurs maximums locaux. Ensuite, nous …

8 machine-learning optimization algorithms

1

MSE comme proxy de la corrélation de Pearson dans les problèmes de régression

TL; DR (trop long, n'a pas lu): Je travaille sur un problème de prédiction de séries chronologiques, que je formule comme un problème de régression utilisant le Deep Learning (keras). Je veux optimiser la corrélation de Pearson entre ma prédiction et les vrais labels. Je suis confus par le fait …

8 machine-learning deep-learning loss-functions pearson-r mse

1

Filet élastique de groupe

Le lasso et le filet élastique ne sont pas en mesure de traiter des variables de plus de deux catégories et, par conséquent, une répartition des variables catégorielles en variables muettes est nécessaire pour l'application de ces méthodes. Cela peut entraîner plusieurs problèmes et il existe donc des extensions du …

8 machine-learning categorical-data feature-selection lasso elastic-net

4

Pourquoi est-il souhaitable d'avoir une séparabilité linéaire dans SVM?

En référence à l'image ci-dessus, un cercle peut clairement séparer les deux classes (image de gauche). Pourquoi alors tant de mal à le mapper à une fonction pour la rendre linéairement séparable (image de droite)? Quelqu'un peut-il expliquer? Je ne pouvais vraiment rien trouver sur le web ou des conférences …

8 machine-learning classification svm separation

1

Pourquoi sqrt (6) est-il utilisé pour calculer epsilon pour l'initialisation aléatoire des réseaux de neurones?

Dans la semaine 5 notes de cours pour Coursera machine de classe d' apprentissage Andrew Ng , la formule suivante est donnée pour le calcul de la valeur de utilisé pour initialiser avec des valeurs aléatoires:ϵϵ\epsilonΘΘ\Theta Dans l' exercice , des précisions sont apportées: Une stratégie efficace pour choisir ϵinitϵinit\epsilon_{init} …

8 machine-learning neural-networks random-generation

2

Fonctionnalité extraite par la mise en commun maximale par rapport à la mise en commun moyenne

Dans le deep learning, et son application à la vision par ordinateur, est-il possible de dire quel type de fonctionnalités ces deux types d'extraits de pooling? par exemple, est-il possible de dire que le pool max extrait les bords? Pouvons-nous dire quelque chose de similaire concernant la mise en commun …

8 machine-learning deep-learning feature-construction computer-vision

1

Alternatives à la généralisation L1, L2 et Dropout

J'ai la configuration suivante pour un projet de recherche Finance / Machine Learning dans mon université: j'applique un (Deep) Neural Network (MLP) avec la structure suivante dans Keras / Theano pour distinguer les actions surperformantes (étiquette 1) des actions sous-performantes ( étiquette 0). En premier lieu, j'utilise simplement des multiples …

8 machine-learning neural-networks deep-learning regularization dropout

2

Les techniques de stimulation utilisent-elles le vote comme toute autre méthode d'ensemble?

Peut-on généraliser toutes les méthodes d'ensemble en utilisant le vote? Les méthodes de stimulation utilisent-elles également le vote pour amener les apprenants faibles dans le modèle final? Ma compréhension de la technique: Boosting: ajoute continuellement un apprenant faible pour booster les points de données qui n'ont pas été correctement classés. …

8 machine-learning boosting ensemble gbm voting-system

2

Réponse bayésienne non paramétrique au deep learning?

Si je comprends bien, les réseaux de neurones profonds effectuent un "apprentissage de la représentation" en superposant les caractéristiques ensemble. Cela permet d'apprendre des structures dimensionnelles très élevées dans les entités. Bien sûr, c'est un modèle paramétrique avec un nombre fixe de paramètres, il a donc la limitation habituelle que …

8 machine-learning bayesian nonparametric deep-learning

4

Précision moyenne dans la détection d'objets

Je suis assez confus quant à la façon de calculer les valeurs AP ou mAP car il semble y avoir plusieurs méthodes différentes. Je veux spécifiquement obtenir les valeurs AP / mAP pour la détection d'objets. Tout ce que je sais, c'est: Rappel = TP / (TP + FN), précision …

8 machine-learning precision-recall model-evaluation average-precision object-detection

1

Covariance dans le processus gaussien

Je suis un peu confus quant à la formule de calcul de la covariance dans le processus gaussien (l'ajout de variance me confond toujours car il n'est pas toujours explicitement indiqué). L'origine de la confusion est que les formules sont données dans Pattern Recognition et Machine Learning par Bishop et …

8 machine-learning covariance covariance-matrix kernel-trick gaussian-process

1

Comment obtenir des hyperparamètres optimaux après validation croisée imbriquée?

En général, si nous avons un grand ensemble de données, nous pouvons le diviser en (1) formation, (2) validation et (3) test. Nous utilisons la validation pour identifier les meilleurs hyperparamètres en validation croisée (par exemple, C dans SVM), puis nous formons le modèle en utilisant les meilleurs hyperparamètres avec …

8 machine-learning cross-validation scikit-learn hyperparameter optimization

Questions marquées «machine-learning»