Als «algorithms» getaggte Fragen

Eine eindeutige Liste von Rechenschritten, die erforderlich sind, um eine Lösung für eine Klasse von Problemen zu finden.

1
Was sind effiziente Algorithmen zur Berechnung der Singularwertzerlegung (SVD)?
Der Wikipedia-Artikel zur Hauptkomponentenanalyse besagt dies Es gibt effiziente Algorithmen zur Berechnung der SVD von ohne dass die Matrix muss. Daher ist die Berechnung der SVD heute die Standardmethode zur Berechnung einer Hauptkomponentenanalyse aus einer Datenmatrix, sofern nicht nur eine Handvoll Komponenten erforderlich sind.XXXXTXXTXX^TX Könnte mir jemand sagen, um welche …
17 pca  algorithms  svd  numerics 
2
Was sind einige wichtige Verwendungen der Zufallszahlengenerierung in der Rechenstatistik?
Wie und warum sind Zufallszahlengeneratoren (Random Number Generators, RNGs) in der Rechenstatistik wichtig? Ich verstehe, dass die Zufälligkeit bei der Auswahl von Stichproben für viele statistische Tests wichtig ist, um Verzerrungen in Bezug auf beide Hypothesen zu vermeiden. Gibt es jedoch andere Bereiche der Rechenstatistik, in denen Zufallszahlengeneratoren wichtig sind?
1
Wie sollten Entscheidungsbaumaufteilungen implementiert werden, wenn kontinuierliche Variablen vorhergesagt werden?
Eigentlich schreibe ich eine Implementierung von Random Forests, aber ich glaube, die Frage ist spezifisch für Entscheidungsbäume (unabhängig von RFs). Der Kontext ist also, dass ich einen Knoten in einem Entscheidungsbaum erstelle und sowohl die Vorhersage- als auch die Zielvariable kontinuierlich sind. Der Knoten hat einen aufgeteilten Schwellenwert, um Daten …
2
Was ist eine "Nachrichtenübermittlungsmethode"?
Ich habe eine vage Vorstellung davon, was eine Nachrichtenübermittlungsmethode ist: ein Algorithmus, der eine Annäherung an eine Verteilung durch iteratives Erstellen von Annäherungen jedes der Faktoren der Verteilung erstellt, die von allen Annäherungen aller anderen Faktoren abhängig sind. Ich glaube, dass beide Beispiele Variation Message Passing und Expectation Propagation sind …
1
Welche Vor- und Nachteile hat das Lernen einer Verteilung algorithmisch (Simulationen) gegenüber mathematisch?
Welche Vor- und Nachteile hat es, die Eigenschaften einer Verteilung algorithmisch (über Computersimulationen) im Vergleich zu mathematisch zu lernen? Es scheint, dass Computersimulationen eine alternative Lernmethode sein können, insbesondere für diejenigen neuen Schüler, die sich nicht stark in der Analysis fühlen. Es scheint auch, dass Codierungssimulationen ein früheres und intuitiveres …
3
Unterschied bei der Verwendung von normalisiertem Farbverlauf und Farbverlauf
Im allgemeinen Einstellung des Gradientenabstiegsalgorithmus haben wir wobei x n ist der aktuelle Punkt, η ist die Schrittgröße und g r a d i e n t x n ist der bei x n bewertete Gradient . xn+1=xn−η∗gradientxnxn+1=xn−η∗gradientxnx_{n+1} = x_{n} - \eta * gradient_{x_n}xnxnx_nηη\etagradientxngradientxngradient_{x_n}xnxnx_n Ich habe in einigen Algorithmen gesehen, …
1
Maschinelles Lernen Klassifikatoren Big-O oder Komplexität
Um die Leistung eines neuen Klassifikator-Algorithmus zu bewerten, versuche ich, die Genauigkeit und die Komplexität (Big-O in Training und Klassifizierung) zu vergleichen. Aus dem maschinellen Lernen: Nach einer Überprüfung erhalte ich eine vollständige Liste der überwachten Klassifizierer, außerdem eine Genauigkeitstabelle zwischen den Algorithmen und 44 Testprobleme aus dem UCI-Daten-Repository . …
3
Warum verwenden wir k-means anstelle anderer Algorithmen?
Ich habe über k-means recherchiert und das habe ich: k-means ist einer der einfachsten Algorithmen, der unbeaufsichtigte Lernmethoden verwendet, um bekannte Clustering-Probleme zu lösen. Es funktioniert sehr gut mit großen Datenmengen. Es gibt jedoch auch Nachteile von K-Mitteln, die sind: Starke Empfindlichkeit gegenüber Ausreißern und Lärm Funktioniert nicht gut mit …
1
Was ist der vorwärts stufenweise Regressionsalgorithmus?
Vielleicht bin ich nur müde, aber ich habe Probleme, den Forward Stagewise Regression-Algorithmus zu verstehen. Aus "Elemente des statistischen Lernens" Seite 60: Die vorwärts-stufenweise Regression (FS) ist noch stärker eingeschränkt als die vorwärts-schrittweise Regression. Es beginnt wie eine schrittweise Vorwärtsregression mit einem Achsenabschnitt von [dem Mittelwert von] y und zentrierten …
1
Generieren von Werten aus einer multivariaten Gaußschen Verteilung
Ich versuche gerade, Werte einer dimensionalen Zufallsvariablen zu simulieren , die eine multivariate Normalverteilung mit dem mittleren Vektor und der Kovarianzmatrix .NNNXXXμ=(μ1,...,μN)Tμ=(μ1,...,μN)T\mu = (\mu_1,...,\mu_N)^TSSS Ich hoffe, eine Prozedur zu verwenden, die der inversen CDF-Methode ähnelt, was bedeutet, dass ich zuerst eine dimensionale einheitliche Zufallsvariable generieren und diese dann in die …
1
Wie funktioniert das L-BFGS?
Der Zweck des Papiers bestand darin, einige Parameter durch Maximierung der regulierten Log-Wahrscheinlichkeit zu optimieren. Dann berechnen sie partielle Ableitungen. Und dann erwähnen die Autoren, dass sie die Gleichung mit L-BFGS optimieren, einem Standard-Quasi-Newton-Verfahren zur Optimierung der glatten Funktionen vieler Variablen (keine weiteren Details). Wie funktioniert es ?
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.