Statistiken und Big Data machine-learning

1

Ich möchte einen Kriminalitätsindex und einen politischen Instabilitätsindex aufbauen, die auf Nachrichten basieren

Ich habe dieses Nebenprojekt, bei dem ich die lokalen Nachrichten-Websites in meinem Land crawle und einen Kriminalitätsindex und einen Index für politische Instabilität erstellen möchte. Ich habe bereits den Informationsabrufteil des Projekts behandelt. Mein Plan ist zu tun: Unbeaufsichtigte Themenextraktion. Nahezu doppelte Erkennung. Beaufsichtigte Einstufung und Ereignisstufe (Kriminalität / politisch …

17 machine-learning classification text-mining

2

Verwendung des neuronalen Netzes für den Handel an der Börse

Ich bin in das Gebiet der neuronalen Netze eingetaucht und habe mich für sie begeistert. Ich habe endlich ein Anwendungsframework zum Testen von Handelssystemen an Börsen entwickelt und werde jetzt mein erstes neuronales Netzwerk darin implementieren. Sehr einfach und primitiv, nicht für den echten Handel gedacht, nur für den Anfang. …

17 machine-learning neural-networks

3

Der Vergleich von zwei Klassifikatorgenauigkeitsergebnissen für die statistische Signifikanz mit dem t-Test

Ich möchte die Genauigkeit von zwei Klassifikatoren für die statistische Signifikanz vergleichen. Beide Klassifikatoren werden mit demselben Datensatz ausgeführt. Dies lässt mich glauben, dass ich einen T-Test mit einer Stichprobe von dem verwenden sollte, was ich gelesen habe . Beispielsweise: Classifier 1: 51% accuracy Classifier 2: 64% accuracy Dataset size: …

17 machine-learning statistical-significance classification t-test

1

Die Eingabeparameter für die Verwendung der latenten Dirichlet-Zuordnung

Bei Verwendung der Themenmodellierung (Latent Dirichlet Allocation) ist die Anzahl der Themen ein Eingabeparameter, den der Benutzer angeben muss. Ich denke, wir sollten auch eine Sammlung von Kandidatenthemensätzen bereitstellen, mit denen der Dirichlet-Prozess verglichen werden muss. Ist mein Verständnis korrekt? Wie kann man in der Praxis ein solches Kandidatenthemaset einrichten?

17 machine-learning bayesian clustering text-mining dirichlet-distribution

2

Beste Methode zur Ausführung von SVM für mehrere Klassen

Ich weiß, dass die SVM ein binärer Klassifikator ist. Ich würde es gerne auf SVM mit mehreren Klassen ausweiten. Welches ist der beste und vielleicht einfachste Weg, dies zu tun? Code: in MATLAB u=unique(TrainLabel); N=length(u); if(N>2) itr=1; classes=0; while((classes~=1)&&(itr<=length(u))) c1=(TrainLabel==u(itr)); newClass=double(c1); tst = double((TestLabel == itr)); model = svmtrain(newClass, TrainVec, …

17 machine-learning matlab svm multi-class

2

Warum funktioniert der Ridge-Regressionsklassifikator für die Textklassifizierung recht gut?

Während eines Experiments zur Textklassifizierung habe ich Ergebnisse gefunden, die die Tests unter den Klassifizierern, die häufiger erwähnt und für Text-Mining-Aufgaben wie SVM, NB, kNN usw. angewendet werden, ständig übertreffen zur Optimierung jedes Klassifikators für diese spezielle Textklassifizierungsaufgabe, mit Ausnahme einiger einfacher Änderungen an den Parametern. Ein solches Ergebnis wurde …

17 machine-learning classification text-mining ridge-regression

12

Beste Bücher für eine Einführung in die statistische Datenanalyse?

Verschlossen . Diese Frage und ihre Antworten sind gesperrt, da die Frage nicht zum Thema gehört, aber von historischer Bedeutung ist. Derzeit werden keine neuen Antworten oder Interaktionen akzeptiert. Ich habe dieses Buch gekauft: So messen Sie alles: Ermitteln des Werts von immateriellen Vermögenswerten im Geschäftsleben und Head First Data …

17 machine-learning bayesian references

3

Welche Algorithmen benötigen neben SVM eine Feature-Skalierung?

Ich arbeite mit vielen Algorithmen: RandomForest, DecisionTrees, NaiveBayes, SVM (Kernel = linear und rbf), KNN, LDA und XGBoost. Alle bis auf SVM waren ziemlich schnell. Dann wurde mir klar, dass die Feature-Skalierung erforderlich ist, um schneller arbeiten zu können. Dann begann ich mich zu fragen, ob ich dasselbe für die …

17 machine-learning svm random-forest naive-bayes xgboost

1

Wie erstelle ich das endgültige Modell und optimiere den Wahrscheinlichkeitsschwellenwert nach einer verschachtelten Kreuzvalidierung?

Erstens, Entschuldigung für das Posten einer Frage, die hier , hier , hier , hier , hier bereits ausführlich besprochen wurde, und zum Aufwärmen eines alten Themas. Ich weiß, dass @DikranMarsupial ausführlich über dieses Thema in Beiträgen und Fachzeitschriften geschrieben hat, aber ich bin immer noch verwirrt, und der Anzahl …

17 machine-learning cross-validation model-selection glmnet hyperparameter

1

Wie funktioniert eine zufällige Küchenspüle?

Letztes Jahr auf der NIPS 2017 gewannen Ali Rahimi und Ben Recht den Test of Time Award für ihre Arbeit "Random Features for Large-Scale Kernel Machines", in der sie Random Features einführten, die später als Random-Kitchen-Sink-Algorithmus kodifiziert wurden. Im Rahmen der Veröffentlichung ihrer Arbeit zeigten sie, dass ihr Modell in …

17 machine-learning svm gaussian-process approximation

1

Was ist "Feature Space"?

Was ist die Definition von "Feature Space"? Wenn ich zum Beispiel über SVMs lese, lese ich über "Zuordnung zu Feature-Space". Wenn ich über CART lese, lese ich über "Partitionierung, um Raum zu kennzeichnen". Ich verstehe, was gerade im WARENKORB vor sich geht, aber ich denke, dass es eine Definition gibt, …

17 machine-learning svm feature-selection cart feature-construction

3

Lernen neuronale Netze eine Funktion oder eine Wahrscheinlichkeitsdichtefunktion?

Die Frage klingt vielleicht etwas seltsam, weil ich statistische Inferenz und neuronale Netze noch nicht kenne. Bei Klassifizierungsproblemen mit neuronalen Netzen wollen wir eine Funktion lernen , die den Raum der Eingänge auf den Raum der Ausgänge abbildet : x yf∗f∗f^*xxxyyy f∗(x;θ)=yf∗(x;θ)=yf^*(x; \theta) = y Passen wir die Parameter ( …

17 machine-learning neural-networks

2

Wäre ein Random Forest mit mehreren Ausgängen möglich / sinnvoll?

Random Forests (RFs) ist eine wettbewerbsfähige Datenmodellierungs- / Miningmethode. Ein RF-Modell hat eine Ausgabe - die Ausgabe- / Vorhersagevariable. Der naive Ansatz zur Modellierung mehrerer Ausgänge mit RFs besteht darin, für jede Ausgangsvariable einen RF zu erstellen. Wir haben also N unabhängige Modelle, und wenn es eine Korrelation zwischen Ausgabevariablen …

17 machine-learning cart random-forest multilabel

1

Ist betreutes Lernen eine Untergruppe des Bestärkungslernens?

Es scheint, als ob die Definition des überwachten Lernens eine Teilmenge des verstärkenden Lernens ist, mit einer bestimmten Art von Belohnungsfunktion, die auf beschrifteten Daten basiert (im Gegensatz zu anderen Informationen in der Umgebung). Ist das eine genaue Darstellung?

16 machine-learning terminology reinforcement-learning supervised-learning definition

4

Wenn ich ein interpretierbares Modell haben möchte, gibt es andere Methoden als die lineare Regression?

Ich bin auf einige Statistiker gestoßen, die niemals andere Modelle als die lineare Regression zur Vorhersage verwenden, weil sie der Meinung sind, dass "ML-Modelle" wie zufällige Gesamtstruktur- oder Gradientenerhöhungen schwer zu erklären oder "nicht interpretierbar" sind. In einer linearen Regression bieten die t-Tests eine Möglichkeit, die Signifikanz von Variablen zu …

16 regression machine-learning multiple-regression model-interpretation

Als «machine-learning» getaggte Fragen