Statistiken und Big Data machine-learning

7

Welcher Algorithmus für maschinelles Lernen kann verwendet werden, um den Aktienmarkt vorherzusagen?

Alternativ zur Vorhersage von Devisenmärkten. Ich weiß, dass dies ziemlich kompliziert werden kann, daher suche ich zur Einführung einen einfachen Vorhersagealgorithmus mit einer gewissen Genauigkeit. (Es ist für ein M.Sc.-Universitätsprojekt, das vier Monate dauert) Ich habe gelesen, dass ein mehrschichtiges neuronales Netzwerk nützlich sein könnte. Irgendwelche Gedanken dazu? Darüber hinaus …

15 machine-learning finance

1

Warum kann eine einzelne ReLU keine ReLU lernen?

Als Folge dessen, dass mein neuronales Netzwerk nicht einmal die euklidische Distanz lernen kann, vereinfachte ich noch mehr und versuchte, eine einzelne ReLU (mit zufälliger Gewichtung) zu einer einzelnen ReLU zu trainieren. Dies ist das einfachste Netzwerk, das es gibt, und dennoch scheitert die Konvergenz in der Hälfte der Zeit. …

15 machine-learning neural-networks optimization keras

2

Was ist Bayes Error beim maschinellen Lernen?

http://www.deeplearningbook.org/contents/ml.html In diesem Abschnitt wird der Bayes-Fehler wie folgt erläutert Das ideale Modell ist ein Orakel, das einfach die wahre Wahrscheinlichkeitsverteilung kennt, die die Daten erzeugt. Sogar ein solches Modell wird bei vielen Problemen immer noch Fehler verursachen, da möglicherweise immer noch Rauschen in der Verteilung vorhanden ist. Im Fall …

15 machine-learning deep-learning terminology

3

Methoden, um das Problem fehlender Daten beim maschinellen Lernen zu umgehen

Nahezu jede Datenbank, die wir mithilfe von Algorithmen für maschinelles Lernen vorhersagen möchten, findet für einige der Merkmale fehlende Werte. Es gibt verschiedene Ansätze, um dieses Problem zu lösen und Zeilen mit fehlenden Werten auszuschließen, bis sie mit den Mittelwerten der Merkmale gefüllt sind. Ich würde gerne einen etwas robusteren …

15 machine-learning scikit-learn data-imputation

2

Was ist "Grundlinie" in der Präzisionsrückrufkurve

Ich versuche, die Genauigkeits-Rückrufkurve zu verstehen. Ich verstehe, was Präzision und Rückruf sind, aber das, was ich nicht verstehe, ist der "Grundlinien" -Wert. Ich habe diesen Link gelesen https://classeval.wordpress.com/introduction/introduction-to-the-precision-recall-plot/ und ich verstehe den in "Eine Präzisions-Rückruf-Kurve eines perfekten Klassifikators" gezeigten Grundlinienteil nicht. Was macht es? und wie berechnen wir das? …

15 r machine-learning classification precision-recall

1

Welche Mehrfachvergleichsmethode kann für ein älteres Modell verwendet werden: lsmeans oder glht?

Ich analysiere einen Datensatz unter Verwendung eines gemischten Effektmodells mit einem festen Effekt (Bedingung) und zwei zufälligen Effekten (Teilnehmer aufgrund des innerhalb des Motivs und des Paares). Das Modell wurde mit dem erzeugten lme4Paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Als nächstes führte ich einen Likelihood-Ratio-Test dieses Modells gegen das Modell ohne festen Effekt (Bedingung) …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

1

Einschließlich Interaktionsbegriffe in zufälliger Gesamtstruktur

Angenommen, wir haben eine Antwort Y und Prädiktoren X1, ...., Xn. Wenn wir versuchen würden, Y über ein lineares Modell von X1, ..., Xn anzupassen, und es wäre einfach so, dass die wahre Beziehung zwischen Y und X1, ..., Xn nicht linear wäre, könnten wir in der Lage sein um …

15 machine-learning random-forest

2

Warum ist die Skalierung für die lineare SVM-Klassifizierung wichtig?

Bei der Durchführung der linearen SVM-Klassifizierung ist es häufig hilfreich, die Trainingsdaten zu normalisieren, indem beispielsweise der Mittelwert subtrahiert und durch die Standardabweichung dividiert wird, und anschließend die Testdaten mit dem Mittelwert und der Standardabweichung der Trainingsdaten zu skalieren. Warum ändert dieser Prozess die Klassifizierungsleistung dramatisch?

15 machine-learning svm standardization

1

Was ist die Connectionist Temporal Classification (CTC)?

Ich möchte ein Projekt zur optischen Zeichenerkennung (OCR) durchführen. Nach einigen Recherchen bin ich auf eine Architektur gestoßen, die interessant erscheint: CNN + RNN + CTC. Ich bin mit verschachtelten neuronalen Netzen (CNN) und wiederkehrenden neuronalen Netzen (RNN) vertraut, aber was ist Connectionist Temporal Classification (CTC)? Ich hätte gerne eine …

15 machine-learning deep-learning conv-neural-network rnn

5

Ich lerne von Mustererkennung und maschinellem Lernen, Chris Bishop. Irgendwelche guten Ressourcen?

Gibt es Videos oder andere Bücher / Notizen, die nach der Mustererkennung und dem maschinellen Lernen von Chris Bishop aufgetaucht sind? Ich habe dieses Buch gekauft, um maschinelles Lernen zu lernen, und habe einige Probleme, es durchzuhalten.

15 machine-learning references pattern-recognition

1

Was sagt uns die VC-Dimension über Deep Learning?

Im grundlegenden maschinellen Lernen lernen wir die folgenden "Faustregeln": a) Die Größe Ihrer Daten sollte mindestens das 10-fache der Größe der VC-Dimension Ihres Hypothesensatzes betragen. b) Ein neuronales Netz mit N Anschlüssen hat eine VC-Dimension von ungefähr N. Wenn also ein Deep Learning-neuronales Netzwerk Millionen von Einheiten umfasst, sollten wir …

15 machine-learning neural-networks deep-learning vc-dimension

1

Was ist die „Kapazität“ eines maschinellen Lernmodells?

Ich studiere dieses Tutorial über Variations-Autoencoder von Carl Doersch . Auf der zweiten Seite heißt es: Eines der beliebtesten Frameworks dieser Art ist der Variational Autoencoder [1, 3], der Gegenstand dieses Tutorials ist. Die Annahmen dieses Modells sind schwach und das Training erfolgt schnell über Backpropagation. VAEs machen eine Annäherung, …

15 machine-learning deep-learning autoencoders variational-bayes

5

Wie gehe ich mit mehreren Serien gleichzeitig um?

Ich habe einen Datensatz, der die Nachfrage nach mehreren Produkten (1200 Produkte) für 25 Perioden enthält, und ich muss die Nachfrage nach jedem Produkt für die nächste Periode vorhersagen. Zuerst wollte ich ARIMA verwenden und für jedes Produkt ein Modell trainieren, aber aufgrund der Anzahl der Produkte und der Optimierung …

14 machine-learning time-series arima

4

Vorhersagemodelle: Statistiken können das maschinelle Lernen unmöglich übertreffen? [geschlossen]

Geschlossen . Diese Frage muss gezielter gestellt werden . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage so, dass sie sich nur auf ein Problem konzentriert, indem Sie diesen Beitrag bearbeiten . Geschlossen vor 2 Jahren . Ich verfolge derzeit ein Masterstudium mit Schwerpunkt …

14 machine-learning forecasting predictive-models prediction out-of-sample

1

Warum verwenden wir nicht konstante Lernraten für anständige Gradienten für andere Dinge als neuronale Netze?

Deep-Learning-Literatur steckt voller cleverer Tricks bei der Verwendung nicht konstanter Lernraten beim Gradientenabstieg. Dinge wie Exponential Decay, RMSprop, Adagrad usw. sind einfach zu implementieren und in jedem Deep-Learning-Paket verfügbar, scheinen jedoch außerhalb neuronaler Netze nicht zu existieren. Gibt es einen Grund dafür? Wenn es den Menschen einfach egal ist, gibt …

14 machine-learning deep-learning optimization gradient-descent

Als «machine-learning» getaggte Fragen