Statistiken und Big Data machine-learning

1

Was bedeutet End-to-End in Deep-Learning-Methoden?

Ich möchte wissen, was es ist und wie es sich vom Ensemble unterscheidet. Angenommen, ich möchte für eine bestimmte Aufgabe eine hohe Genauigkeit bei der Klassifizierung und Segmentierung erzielen. Wenn ich dazu verschiedene Netzwerke wie CNN, RNN usw. verwende, wird dies als End-to-End-Modell bezeichnet. (Architektur?) oder nicht?

13 machine-learning terminology deep-learning

1

Was sind einige nützliche Datenerweiterungstechniken für tiefe Faltungs-Neuronale Netze?

Hintergrund: Ich habe kürzlich auf einer tieferen Ebene die Wichtigkeit der Datenerweiterung beim Training von neuronalen Faltungsnetzen verstanden, nachdem ich diesen ausgezeichneten Vortrag von Geoffrey Hinton gesehen habe . Er erklärt, dass Faltungsneuralnetze der aktuellen Generation den Bezugsrahmen des zu testenden Objekts nicht verallgemeinern können, was es einem Netzwerk erschwert, …

13 machine-learning deep-learning

4

Vorhersageintervalle für Algorithmen für maschinelles Lernen

Ich möchte wissen, ob der unten beschriebene Prozess gültig / akzeptabel ist und ob eine Begründung vorliegt. Die Idee: Überwachte Lernalgorithmen setzen keine zugrunde liegenden Strukturen / Verteilungen der Daten voraus. Am Ende des Tages geben sie Punktschätzungen aus. Ich hoffe, die Unsicherheit der Schätzungen irgendwie zu quantifizieren. Der Prozess …

13 machine-learning confidence-interval bootstrap supervised-learning gbm

3

Wie modelliere ich Longitudinal Big Data?

Traditionell verwenden wir ein gemischtes Modell, um longitudinale Daten zu modellieren, dh Daten wie: id obs age treatment_lvl yield 1 0 11 M 0.2 1 1 11.5 M 0.5 1 2 12 L 0.6 2 0 17 H 1.2 2 1 18 M 0.9 Wir können für verschiedene Personen zufällige …

13 machine-learning data-transformation random-forest panel-data large-data

3

Wie können maschinelle Lernmodelle (GBM, NN usw.) für die Überlebensanalyse verwendet werden?

Ich weiß , dass traditionelle statistische Modelle wie Cox Proportional - Hazards - Regression und einige Kaplan-Meier - Modelle verwendet werden können Tage bis zum nächsten Auftreten eines Ereignisses sagt Ausfall etc. dh zur Vorhersage überleben Analyse Fragen Wie können Regressionsversionen von Modellen für maschinelles Lernen wie GBM, neuronale Netze …

13 machine-learning classification survival cox-model kaplan-meier

4

Welche statistischen Methoden gibt es, um einen Film wie Netflix zu empfehlen?

Ich möchte ein dynamisches Modell implementieren, um einem Benutzer einen Film zu empfehlen. Die Empfehlung sollte jedes Mal aktualisiert werden, wenn der Benutzer einen Film ansieht oder bewertet. Um es einfach zu halten, denke ich daran, zwei Faktoren zu berücksichtigen: die vergangenen Bewertungen anderer Filme durch den Benutzer die Zeit, …

13 machine-learning recommender-system dynamic-regression

2

Wie werden Gewichte in der Batch-Lernmethode in neuronalen Netzen aktualisiert?

Kann mir bitte jemand sagen, wie ich ein neuronales Netzwerk mit der Batch-Methode aufbauen soll? Ich habe gelesen, dass wir im Batch-Modus für alle Stichproben im Trainingssatz den Fehler, das Delta und damit die Delta-Gewichte für jedes Neuron im Netzwerk berechnen und diese dann akkumulieren, anstatt sie sofort zu aktualisieren, …

13 machine-learning neural-networks

1

Überwachte Dimensionsreduktion

Ich habe einen Datensatz bestehend aus 15K markierten Proben (von 10 Gruppen). Ich möchte die Dimensionsreduktion in 2 Dimensionen anwenden, die die Kenntnis der Etiketten berücksichtigen. Wenn ich "Standard" -Verfahren zur unbeaufsichtigten Dimensionsreduktion wie PCA verwende, scheint das Streudiagramm nichts mit den bekannten Beschriftungen zu tun zu haben. Hat das, …

13 machine-learning pca dimensionality-reduction supervised-learning discriminant-analysis

3

Wie genau verwenden Faltungsneuralnetze die Faltung anstelle der Matrixmultiplikation?

Ich habe Yoshua Bengios Buch über tiefes Lernen gelesen und auf Seite 224 steht: Faltungsnetzwerke sind einfach neuronale Netzwerke, die Faltung anstelle der allgemeinen Matrixmultiplikation in mindestens einer ihrer Schichten verwenden. Ich war mir jedoch nicht hundertprozentig sicher, wie man "Matrixmultiplikation durch Faltung ersetzen" kann. Was mich wirklich interessiert, ist, …

13 machine-learning neural-networks deep-learning convolution

3

Sind Random Forest und Boosting parametrisch oder nicht parametrisch?

Durch Lesen der hervorragenden statistischen Modellierung: Die beiden Kulturen (Breiman 2001) können wir den Unterschied zwischen traditionellen statistischen Modellen (z. B. lineare Regression) und Algorithmen für maschinelles Lernen (z. B. Bagging, Random Forest, Boosted trees ...) erfassen. Breiman kritisiert Datenmodelle (parametrisch), weil sie auf der Annahme beruhen, dass die Beobachtungen …

13 machine-learning data-mining random-forest boosting bagging

2

Was ist der Unterschied zwischen Merkmalsauswahl und Dimensionsreduzierung?

Ich weiß, dass sowohl die Merkmalsauswahl als auch die Dimensionsreduzierung darauf abzielen, die Anzahl der Merkmale im ursprünglichen Merkmalssatz zu reduzieren. Was ist der genaue Unterschied zwischen den beiden, wenn wir in beiden dasselbe tun?

13 machine-learning pca feature-selection dimensionality-reduction

1

Wird der Missbrauch durch die maschinelle Lerngemeinschaft "bedingt" und "parametrisiert durch"?

Angenommen, ist abhängig von . Genau genommenXXXαα\alpha wenn und beide Zufallsvariablen sind, könnten wir schreiben ;α p ( X ≤ α )XXXαα\alphap(X∣α)p(X∣α)p(X\mid\alpha) Wenn jedoch XXX eine Zufallsvariable und αα\alpha ein Parameter ist, müssen wir schreiben p(X;α)p(X;α)p(X; \alpha). Ich stelle mehrmals fest, dass die Community für maschinelles Lernen die Unterschiede zu …

13 machine-learning terminology

4

Inwiefern unterscheidet sich die Quervalidierung vom Daten-Snooping?

Ich habe gerade "Eine Einführung in das statistische Lernen" abgeschlossen . Ich habe mich gefragt, ob sich die Verwendung der Kreuzvalidierung zum Ermitteln der besten Optimierungsparameter für verschiedene Techniken des maschinellen Lernens von Datenschnüffeln unterscheidet. Wir überprüfen wiederholt, welcher Wert des Abstimmungsparameters zu einem besten Vorhersageergebnis im Testsatz führt. Was …

13 machine-learning cross-validation

3

Zufällige Gesamtstruktur aus mehrstufigen / hierarchisch strukturierten Daten

Ich bin ziemlich neu im maschinellen Lernen, in CART-Techniken und ähnlichem, und ich hoffe, dass meine Naivität nicht zu offensichtlich ist. Wie geht Random Forest mit mehrstufigen / hierarchischen Datenstrukturen um (z. B. wenn eine Interaktion über mehrere Ebenen von Interesse ist)? Das heißt, Datensätze mit Analyseeinheiten auf mehreren hierarchischen …

13 machine-learning random-forest multilevel-analysis cart

3

Sollte ich den Kernel-Trick wann immer möglich für nichtlineare Daten verwenden?

Kürzlich habe ich die Verwendung des Kernel-Tricks kennengelernt, der Daten in höherdimensionale Räume abbildet, um die Daten in diesen Dimensionen zu linearisieren. Gibt es Fälle, in denen ich diese Technik meiden sollte? Geht es nur darum, die richtige Kernelfunktion zu finden? Für lineare Daten ist dies natürlich nicht hilfreich, aber …

13 machine-learning svm kernel-trick heuristic

Als «machine-learning» getaggte Fragen