Statistiken und Big Data machine-learning

2

Wie berechnet man Fisher-Kriterium-Gewichte?

Ich studiere Mustererkennung und maschinelles Lernen und bin auf die folgende Frage gestoßen. Betrachten Sie ein Zweiklassen-Klassifizierungsproblem mit gleicher Wahrscheinlichkeit für die vorherige Klasse P(D1)=P(D2)=12P(D1)=P(D2)=12P(D_1)=P(D_2)= \frac{1}{2} und die Verteilung der Instanzen in den einzelnen Klassen von p(x|D1)=N([00],[2001]),p(x|D1)=N([00],[2001]), p(x|D_1)= {\cal N} \left( \begin{bmatrix} 0 \\0 \end{bmatrix}, \begin{bmatrix} 2 & 0 \\ …

12 machine-learning self-study classification discriminant-analysis

2

Wann sollte Bayesian Networks gegenüber anderen Ansätzen des maschinellen Lernens eingesetzt werden?

Ich gehe davon aus, dass es keine endgültige Antwort auf diese Frage gibt. Aber ich habe in der Vergangenheit eine Reihe von Algorithmen für maschinelles Lernen verwendet und versuche, etwas über Bayes'sche Netzwerke zu lernen. Ich würde gerne verstehen, unter welchen Umständen oder bei welchen Arten von Problemen Sie Bayesian …

12 machine-learning bayesian-network

3

Warum ist die Boosting-Methode empfindlich gegenüber Ausreißern?

Ich habe viele Artikel gefunden, die besagen, dass Boosting-Methoden empfindlich gegenüber Ausreißern sind, aber keinen Artikel, der erklärt, warum. Meiner Erfahrung nach sind Ausreißer für jeden Algorithmus für maschinelles Lernen schlecht, aber warum werden Boosting-Methoden als besonders empfindlich eingestuft? Wie würden die folgenden Algorithmen in Bezug auf die Empfindlichkeit gegenüber …

12 machine-learning svm outliers cart boosting

1

Gibt es eine zeitgemäße Verwendung von Jackknifing?

Die Frage: Bootstrapping ist Jackknifing überlegen ; Ich frage mich jedoch, ob es Fälle gibt, in denen das Jackknifing die einzige oder zumindest eine praktikable Option zur Charakterisierung der Unsicherheit aus Parameterschätzungen ist. Auch in praktischen Situationen, wie voreingenommen / ungenau ist Jackknifing im Vergleich zu Bootstrapping, und können Jackknife-Ergebnisse …

12 machine-learning cross-validation bootstrap maximum-entropy jackknife

4

Was ist der Unterschied zwischen einem neuronalen Netzwerk und einem Perzeptron?

Gibt es einen Unterschied zwischen den Begriffen "Neuronales Netz" und "Perzeptron"?

12 machine-learning neural-networks terminology perceptron

1

Die Unterschiede zwischen randomisierter logistischer Regression und logistischer Plain-Vanilla-Regression

Ich würde gerne die Unterschiede zwischen Randomized Logistic Regression (RLR) und Plain Logistic Regression (LR) kennenlernen, daher lese ich eine Arbeit "Stability Selection" von Meinshausen, et al. ; Ich verstehe jedoch nicht, was RLR ist und was die Unterschiede zwischen RLR und LR sind. Könnte jemand darauf hinweisen, was ich …

12 machine-learning logistic

1

Gibt es einen Unterschied zwischen Fernüberwachung, Selbstausbildung, selbstüberwachtem Lernen und schwacher Überwachung?

Nach dem, was ich gelesen habe: Fernüberwachung : A Distant supervision algorithm usually has the following steps: 1] It may have some labeled training data 2] It "has" access to a pool of unlabeled data 3] It has an operator that allows it to sample from this unlabeled data and …

12 machine-learning terminology unsupervised-learning semi-supervised

3

Grundlegendes zu Gaußschen Basisfunktionsparametern für die lineare Regression

Ich möchte die Gaußsche Basisfunktion auf eine lineare Regressionsimplementierung anwenden. Leider fällt es mir schwer, ein paar Parameter in der Basisfunktion zu verstehen. Insbesondere und .μμ\muσσ\sigma Mein Datensatz ist eine 10.000 x 31-Matrix. 10.000 Samples und 31 Features. Ich habe gelesen, dass "Jede Basisfunktion den Eingabevektor x in einen Skalarwert …

12 regression machine-learning basis-function

4

Können Sie verschiedene Clustering-Methoden in einem Datensatz ohne fundamentale Wahrheit durch Kreuzvalidierung vergleichen?

Derzeit versuche ich, einen Textdokumentdatensatz zu analysieren, der keine fundamentale Wahrheit enthält. Mir wurde gesagt, dass Sie die k-fache Kreuzvalidierung verwenden können, um verschiedene Clustering-Methoden zu vergleichen. Die Beispiele, die ich in der Vergangenheit gesehen habe, verwenden jedoch eine Grundwahrheit. Gibt es eine Möglichkeit, k-fach Mittel für diesen Datensatz zu …

12 machine-learning clustering cross-validation unsupervised-learning

1

Erklären Sie die Schritte des LLE-Algorithmus (Local Linear Embedding).

Ich verstehe, dass das Grundprinzip des Algorithmus für LLE aus drei Schritten besteht. Ermitteln der Nachbarschaft jedes Datenpunkts anhand einer Metrik wie k-nn. Suchen Sie für jeden Nachbarn Gewichte, die die Auswirkung des Nachbarn auf den Datenpunkt angeben. Konstruieren Sie die niedrig dimensionale Einbettung der Daten basierend auf den berechneten …

12 machine-learning model-selection feature-selection dimensionality-reduction nonlinear

5

Rekursiver (online) regularisierter Algorithmus der kleinsten Quadrate

Kann mich jemand auf einen (rekursiven) Online-Algorithmus für die Tikhonov-Regularisierung (regularisierte kleinste Quadrate) hinweisen? In einer Offline-Einstellung würde ich Verwendung meines ursprünglichen Datensatzes berechnen, wobei unter Verwendung der n-fachen Kreuzvalidierung gefunden wird. Ein neuer Wert kann für ein gegebenes x mit y = x ^ T \ hat \ beta …

12 regression machine-learning least-squares regularization online

2

Wie wende ich neuronale Netze bei Problemen mit der Mehrfachmarkenklassifizierung an?

Beschreibung: Die Problemdomäne sei die Dokumentklassifikation, wenn eine Menge von Merkmalsvektoren existiert, die jeweils zu einer oder mehreren Klassen gehören. Beispielsweise doc_1könnte ein Dokument zu gehörenSports und EnglishKategorien gehören. Frage: Was wäre die Bezeichnung für einen Merkmalsvektor, wenn Sie das neuronale Netz für die Klassifizierung verwenden? Wäre es ein Vektor, …

12 machine-learning neural-networks natural-language multilabel

1

Erste Schritte zur Vorhersage finanzieller Zeitreihen durch maschinelles Lernen

Ich versuche zu verstehen, wie man maschinelles Lernen eins oder mehr Schritte in die Zukunft voraussagt. Ich habe eine finanzielle Zeitserie mit einigen beschreibenden Daten und möchte ein Modell bilden und dann das Modell verwenden, um n-Schritte vorauszusagen. Was ich bisher gemacht habe, ist: getSymbols("GOOG") GOOG$sma <- SMA(Cl(GOOG)) GOOG$range <- …

12 r time-series machine-learning random-forest finance

6

Welche Algorithmen für maschinelles Lernen sind gut, um abzuschätzen, welche Funktionen wichtiger sind?

Ich habe Daten mit einer minimalen Anzahl von Features, die sich nicht ändern, und ein paar zusätzlichen Features, die sich ändern und einen großen Einfluss auf das Ergebnis haben können. Mein Datensatz sieht so aus: Merkmale sind A, B, C (immer vorhanden) und D, E, F, G, H (manchmal vorhanden) …

12 machine-learning feature-selection

1

Die Beziehung zwischen der Anzahl der Unterstützungsvektoren und der Anzahl der Merkmale

Ich habe eine SVM für einen bestimmten Datensatz ausgeführt und Folgendes festgestellt: Wenn ich die Anzahl der Features zum Erstellen des Klassifikators ändere, wird auch die Anzahl der resultierenden Unterstützungsvektoren geändert. Ich würde gerne wissen, wie man ein solches Szenario erklärt.

12 machine-learning classification svm kernel-trick

Als «machine-learning» getaggte Fragen