Statistiken und Big Data machine-learning

2

Bedeutung der anfänglichen Übergangswahrscheinlichkeiten in einem Hidden-Markov-Modell

Was sind die Vorteile der Angabe bestimmter Anfangswerte für Übergangswahrscheinlichkeiten in einem Hidden-Markov-Modell? Irgendwann wird das System sie lernen. Was bringt es also, andere als zufällige Werte anzugeben? Macht der zugrunde liegende Algorithmus einen Unterschied wie Baum-Welch? Was würden Sie mir raten, wenn ich die Übergangswahrscheinlichkeiten zu Beginn sehr genau …

11 machine-learning expectation-maximization hidden-markov-model

2

Gibt es eine Möglichkeit, eine Vorhersage aus einem zufälligen Waldmodell zu erklären?

Angenommen, ich habe ein prädiktives Klassifizierungsmodell, das auf einer zufälligen Gesamtstruktur basiert (unter Verwendung des randomForest-Pakets in R). Ich möchte es so einrichten, dass Endbenutzer ein Element angeben können, für das eine Vorhersage generiert werden soll, und es wird eine Klassifizierungswahrscheinlichkeit ausgegeben. Bisher kein Problem. Aber es wäre nützlich / …

11 machine-learning random-forest

3

Wie wählt man aus Präzisionsrückrufkurven einen guten Betriebspunkt aus?

Gibt es eine Standardmethode zur Bestimmung eines "optimalen" Betriebspunkts auf einer Präzisionsrückrufkurve ? (dh Bestimmen des Punktes auf der Kurve, der einen guten Kompromiss zwischen Präzision und Rückruf bietet) Vielen Dank

11 machine-learning precision-recall

1

Was sind einige gute Rahmenbedingungen für die Methodenauswahl?

Ich habe mich mit theoretischen Rahmenbedingungen für die Methodenauswahl befasst (Anmerkung: nicht Modellauswahl) und nur sehr wenig systematische, mathematisch motivierte Arbeit gefunden. Mit "Methodenauswahl" meine ich einen Rahmen zur Unterscheidung der geeigneten (oder besser, optimalen) Methode in Bezug auf ein Problem oder einen Problemtyp. Was ich gefunden habe, ist substanziell, …

11 machine-learning methodology theory

4

Unterscheidet sich Prophet von Facebook von einer linearen Regression?

Was ich über den Propheten von Facebook gelesen habe, ist, dass er die Zeitreihen im Grunde in Trend und Saisonalität unterteilt. Ein additives Modell würde beispielsweise wie folgt geschrieben: y(t)=g(t)+s(t)+h(t)+ety(t)=g(t)+s(t)+h(t)+et y(t) = g(t) + s(t) + h(t) + e_t mit ttt die Zeit g(t)g(t)g(t) der Trend (kann linear oder logistisch …

11 regression machine-learning time-series prophet

1

Warum ist es falsch, SVM als Klassifizierungswahrscheinlichkeiten zu interpretieren?

Mein Verständnis von SVM ist, dass es einer logistischen Regression (LR) sehr ähnlich ist, dh eine gewichtete Summe von Merkmalen wird an die Sigmoidfunktion übergeben, um eine Wahrscheinlichkeit der Zugehörigkeit zu einer Klasse zu erhalten, jedoch anstelle des Verlusts der Kreuzentropie (logistisch) Funktion wird das Training mit dem Scharnierverlust durchgeführt. …

11 machine-learning logistic svm

1

XGBoost kann fehlende Daten in der Prognosephase verarbeiten

Kürzlich habe ich den XGBoost-Algorithmus überprüft und festgestellt, dass dieser Algorithmus fehlende Daten (ohne Imputation) in der Trainingsphase verarbeiten kann. Ich habe mich gefragt, ob XGboost fehlende Daten verarbeiten kann (ohne dass eine Imputation erforderlich ist), wenn sie zur Vorhersage neuer Beobachtungen verwendet werden oder die fehlenden Daten unterstellt werden …

11 machine-learning missing-data data-imputation xgboost

1

R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?

Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …

11 r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

2

Maschinelles Lernen zum Lernen von Zeichenfolgenmustern

Ich habe eine Liste von Wörtern, die zu verschiedenen selbst definierten Kategorien gehören. Jede Kategorie hat ein eigenes Muster (zum Beispiel hat eine eine feste Länge mit Sonderzeichen, eine andere besteht aus Zeichen, die nur in dieser Kategorie von "Wörtern" vorkommen, ...). Zum Beispiel: "ABC" -> type1 "ACC" -> type1 …

11 machine-learning classification similarities supervised-learning

2

Was versteht man unter der Varianz von * Funktionen * in * Einführung in das statistische Lernen *?

Auf pg. 34 der Einführung in das statistische Lernen : \newcommand{\Var}{{\rm Var}} Obwohl der mathematische Beweis den Rahmen dieses Buches x0x0x_0 , kann gezeigt werden , dass die erwartete Test-MSE für einen gegebenen Wert x_0 immer in die Summe von drei Grundgrößen zerlegt werden kann: die Varianz von f^(x0)f^(x0)\hat{f}(x_0) , …

11 machine-learning variance

2

Wie sind Filter und Aktivierungskarten in Convolutional Neural Networks verbunden?

Wie sind die Aktivierungskarten auf einer bestimmten Ebene mit den Filtern für diese Ebene verbunden? Ich frage nicht nach einer Faltungsoperation zwischen dem Filter und der Aktivierungskarte, sondern nach der Art der Konnektivität, die diese beiden haben. Angenommen, Sie möchten eine vollständige Konnektivität herstellen. Sie haben f Anzahl von Filtern …

11 machine-learning deep-learning conv-neural-network

1

Scikit Binomial Deviance Loss-Funktion

Dies ist die Binomial-Deviance-Loss-Funktion von scikit GradientBoosting. def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() * …

11 machine-learning scikit-learn boosting loss-functions

1

Kann ich ReLU im Autoencoder als Aktivierungsfunktion verwenden?

Bei der Implementierung eines Autoencoders mit einem neuronalen Netzwerk verwenden die meisten Benutzer Sigmoid als Aktivierungsfunktion. Können wir stattdessen ReLU verwenden? (Da ReLU keine Begrenzung für die Obergrenze hat, bedeutet dies im Grunde, dass das Eingabebild Pixel größer als 1 haben kann, im Gegensatz zu den eingeschränkten Kriterien für Autoencoder, …

11 machine-learning neural-networks deep-learning autoencoders

2

Frage zu Continuous Bag of Words

Ich habe Probleme, diesen Satz zu verstehen: Die erste vorgeschlagene Architektur ähnelt der Feedforward-NNLM, bei der die nichtlineare verborgene Schicht entfernt und die Projektionsschicht für alle Wörter (nicht nur für die Projektionsmatrix) gemeinsam genutzt wird. Somit werden alle Wörter an dieselbe Position projiziert (ihre Vektoren werden gemittelt). Was ist die …

11 machine-learning neural-networks natural-language word-embeddings language-models

2

Was versteht man unter Nähe in zufälligen Wäldern?

Ich bin auf den Begriff Nähe in zufälligen Wäldern gestoßen. Aber ich konnte nicht verstehen, was es in zufälligen Wäldern tut. Wie hilft es für Klassifizierungszwecke?

11 machine-learning random-forest

Als «machine-learning» getaggte Fragen