Statistiken und Big Data machine-learning

1

Clustering: Soll ich die Jensen-Shannon-Divergenz oder deren Quadrat verwenden?

Ich bündele Wahrscheinlichkeitsverteilungen mit dem Affinitätsausbreitungsalgorithmus und plane, Jensen-Shannon-Divergenz als Distanzmetrik zu verwenden. Ist es richtig, JSD selbst als Distanz zu verwenden oder JSD im Quadrat? Warum? Welche Unterschiede würden sich aus der Wahl des einen oder anderen ergeben?

15 machine-learning clustering entropy distance-functions

5

Anwendung maschineller Lerntechniken in klinischen Studien mit kleinen Stichproben

Was halten Sie von der Anwendung maschineller Lerntechniken wie Random Forests oder bestrafter Regression (mit L1- oder L2-Strafe oder einer Kombination davon) in klinischen Studien mit kleinen Stichproben, wenn das Ziel darin besteht, interessante Prädiktoren in einem Klassifizierungskontext zu isolieren? Es ist keine Frage der Modellauswahl, und ich frage auch …

15 machine-learning feature-selection

10

Was ist der beste 2-Klassen-Klassifikator für Ihre Anwendung? [geschlossen]

Geschlossen . Diese Frage ist meinungsbasiert . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage, damit sie mit Fakten und Zitaten beantwortet werden kann, indem Sie diesen Beitrag bearbeiten . Geschlossen vor 3 Jahren . Regeln: Ein Klassifikator pro Antwort Stimme ab, wenn du …

15 machine-learning classification application

4

Was ist ein künstliches neuronales Netzwerk?

Während wir uns mit der Literatur über neuronale Netze befassen, können wir andere Methoden mit neuromorphen Topologien identifizieren ("Neural-Network" -ähnliche Architekturen). Und ich spreche nicht über den Satz der universellen Approximation . Beispiele sind unten angegeben. Dann frage ich mich: Was ist die Definition eines künstlichen neuronalen Netzwerks? Seine Topologie …

15 machine-learning neural-networks deep-learning unsupervised-learning supervised-learning

2

Neuronale Netze gegen alles andere

Ich habe keine zufriedenstellende Antwort von Google gefunden . Wenn die Daten, die ich habe, in der Größenordnung von Millionen liegen, ist Deep Learning natürlich der richtige Weg. Und ich habe gelesen, dass es vielleicht besser ist, beim maschinellen Lernen andere Methoden zu verwenden, wenn ich keine großen Datenmengen habe. …

15 regression machine-learning classification neural-networks deep-learning

3

Warum weist ein Entscheidungsbaum eine geringe Verzerrung und eine hohe Varianz auf?

Fragen Kommt es darauf an, ob der Baum flach oder tief ist? Oder können wir das unabhängig von der Tiefe / Höhe des Baumes sagen? Warum ist die Vorspannung niedrig und die Varianz hoch? Erklären Sie dies bitte intuitiv und mathematisch

15 machine-learning variance covariance cart bias

3

Minimale Anzahl von Schichten in einem tiefen neuronalen Netzwerk

Ab wann werden mehrschichtige neuronale Netze als tiefe neuronale Netze klassifiziert oder anders ausgedrückt: Wie viele Schichten müssen mindestens in einem tiefen neuronalen Netz vorhanden sein?

15 machine-learning neural-networks deep-learning terminology

3

Bedeuten größere Koeffizienten für lineare Klassifikatoren wichtigere Merkmale?

Ich bin ein Software-Ingenieur, der am maschinellen Lernen arbeitet. Nach meinem Verständnis bilden lineare Regression (wie OLS) und lineare Klassifikation (wie logistische Regression und SVM) eine Vorhersage auf der Grundlage eines inneren Produkts zwischen trainierten Koeffizienten und Merkmalsvariablen :w⃗ w→\vec{w}x⃗ x→\vec{x} y^=f(w⃗ ⋅x⃗ )=f(∑iwixi)y^=f(w→⋅x→)=f(∑iwixi) \hat{y} = f(\vec{w} \cdot \vec{x}) = …

15 regression machine-learning classification feature-selection linear-model

2

Welches Maß an Trainingsfehlern für zufällige Wälder?

Ich passe zurzeit zufällige Gesamtstrukturen für ein Klassifizierungsproblem mit dem randomForestPaket in R an und bin nicht sicher, wie Trainingsfehler für diese Modelle gemeldet werden sollen. Mein Trainingsfehler liegt nahe bei 0%, wenn ich ihn mit Vorhersagen berechne, die ich mit dem Befehl erhalte: predict(model, data=X_train) Wo X_trainsind die Trainingsdaten? …

15 r machine-learning classification random-forest overfitting

1

Was ist, wenn die Validierungsgenauigkeit hoch und die Testgenauigkeit in der Forschung niedrig ist?

Ich habe eine spezielle Frage zur Validierung in der maschinellen Lernforschung. Wie wir wissen, fordert das Regime des maschinellen Lernens die Forscher auf, ihre Modelle anhand der Trainingsdaten zu trainieren, anhand des Validierungssatzes aus den Kandidatenmodellen auszuwählen und die Genauigkeit des Testsatzes zu melden. In einer sehr strengen Studie kann …

15 machine-learning cross-validation reproducible-research

1

Wie vermeiden CNNs das Problem des verschwindenden Gradienten?

Ich habe viel über gewundene neuronale Netze gelesen und mich gefragt, wie sie das Problem des verschwindenden Gradienten vermeiden. Ich weiß, dass Deep-Believe-Netzwerke Single-Level-Auto-Encoder oder andere vorgefertigte flache Netzwerke stapeln und so dieses Problem vermeiden können, aber ich weiß nicht, wie es in CNNs vermieden wird. Laut Wikipedia : "Trotz …

15 machine-learning optimization deep-learning gradient-descent

4

Bedeutung latenter Merkmale?

Ich versuche, Matrixfaktorisierungsmodelle für Empfehlungssysteme zu verstehen und lese immer "latente Merkmale", aber was bedeutet das? Ich weiß, was eine Funktion für einen Trainingsdatensatz bedeutet, kann aber die Idee latenter Funktionen nicht verstehen. Jedes Papier zu dem Thema, das ich finden kann, ist einfach zu flach. Bearbeiten: wenn Sie mir …

15 machine-learning data-mining recommender-system

3

Regularisierung und Feature-Skalierung beim Online-Lernen?

Nehmen wir an, ich habe einen logistischen Regressionsklassifikator. Beim normalen Batch-Lernen hätte ich einen Regularizer-Term, um eine Überanpassung zu verhindern und meine Gewichte klein zu halten. Ich würde auch meine Funktionen normalisieren und skalieren. In einer Online-Lernumgebung erhalte ich einen kontinuierlichen Datenstrom. Ich führe mit jedem Beispiel ein Gefälle-Update durch …

15 machine-learning normalization regularization online

3

Wie wählt man eine Fehlermetrik bei der Bewertung eines Klassifikators?

Ich habe verschiedene Fehlermetriken gesehen, die in den Kaggle-Wettbewerben verwendet wurden: RMS, Mean-Square, AUC, unter anderem. Was ist die allgemeine Faustregel bei der Auswahl einer Fehlermetrik, dh woher wissen Sie, welche Fehlermetrik für ein bestimmtes Problem verwendet werden soll? Gibt es irgendwelche Richtlinien?

15 machine-learning classification error

4

Vorteile von ROC-Kurven

Was sind die Vorteile der ROC-Kurven? Zum Beispiel klassifiziere ich einige Bilder, was ein binäres Klassifizierungsproblem ist. Ich extrahierte ungefähr 500 Merkmale und wendete einen Merkmalsauswahlalgorithmus an, um einen Satz von Merkmalen auszuwählen, dann wendete ich SVM zur Klassifizierung an. Wie kann ich in diesem Fall eine ROC-Kurve erhalten? Sollte …

15 machine-learning roc

Als «machine-learning» getaggte Fragen