Statistiken und Big Data machine-learning

1

Ich habe mlr ein wenig benutzt, um etwas über maschinelles Lernen zu lernen, habe aber kürzlich etwas über Caret herausgefunden. Ich verstehe es so, dass beide Wrapper für verschiedene ML-Pakete sind, aber leicht unterschiedliche Ansätze haben. Obwohl mlr anscheinend auch einige Dinge aus Caret einwickelt - so können wir mlr …

10 r machine-learning caret mlr

2

Klassifizierung mit geordneten Klassen?

Angenommen, ich möchte einen Klassifikator trainieren, der ein Bild einer Person als jung , mittleren Alters oder alt zuweist . Eine einfache Möglichkeit wäre, die Klassen als unabhängige Kategorien zu behandeln und einen Klassifikator zu trainieren. Aber anscheinend gibt es eine Beziehung zwischen den Klassen. Wie kann ich das nutzen, …

10 regression machine-learning classification discrete-data

3

Was genau ist ein Hypothesenraum beim maschinellen Lernen?

Während ich den Begriff konzeptionell verstehe, habe ich Schwierigkeiten, ihn operativ zu verstehen. Könnte mir jemand mit einem Beispiel helfen?

10 machine-learning terminology definition

1

Welche Art der Datennormalisierung sollte mit KNN verwendet werden?

Ich weiß, dass es mehr als zwei Arten der Normalisierung gibt. Zum Beispiel, 1- Transformieren von Daten mit einem Z-Score oder T-Score. Dies wird üblicherweise als Standardisierung bezeichnet. 2- Daten neu skalieren, um Werte zwischen 0 und 1 zu erhalten. Die Frage jetzt, ob ich normalisieren muss Welche Art der …

9 machine-learning normalization standardization k-nearest-neighbour

1

Mein neuronales Netzwerk kann nicht einmal die euklidische Distanz lernen

Also versuche ich, mir neuronale Netze beizubringen (für Regressionsanwendungen, ohne Bilder von Katzen zu klassifizieren). Meine ersten Experimente waren das Trainieren eines Netzwerks zur Implementierung eines FIR-Filters und einer diskreten Fourier-Transformation (Training für "Vorher" - und "Nachher" -Signale), da dies beide lineare Operationen sind, die von einer einzelnen Schicht ohne …

9 machine-learning neural-networks optimization keras euclidean

3

Vorhersage mehrerer Perioden mit maschinellem Lernen

Ich habe kürzlich mein Wissen über Zeitreihen zusammengefasst und festgestellt, dass maschinelles Lernen meist nur einen Schritt voraus ist. Mit One-Step-Ahead-Prognosen meine ich Prognosen, die beispielsweise, wenn wir stündliche Daten haben, die Daten von 10 Uhr morgens bis 11 Uhr morgens und 11 Uhr morgens für 12 Uhr morgens usw. …

9 machine-learning time-series forecasting arima

2

Stimmt es, dass Bayesianer keine Testsätze benötigen?

Ich habe kürzlich diesen Vortrag von Eric J. Ma gesehen und in seinem Blogeintrag , in dem er Radford Neal zitiert, überprüft , dass Bayes'sche Modelle nicht überpassen (aber sie können überpassen ), und wenn wir sie verwenden, benötigen wir keine Testsätze, um sie zu validieren (z In den Anführungszeichen …

9 machine-learning bayesian cross-validation deep-learning

2

Wo finden Sie vorgefertigte Modelle für das Transferlernen? [Geschlossen]

Geschlossen . Diese Frage muss fokussierter sein . 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 bin neu im Bereich des maschinellen Lernens, …

9 machine-learning classification neural-networks transfer-learning

2

Warum werden meine Schritte kleiner, wenn beim Steigungsabstieg eine feste Schrittgröße verwendet wird?

Angenommen, wir machen ein Spielzeugbeispiel für einen anständigen Gradienten, bei dem eine quadratische Funktion unter Verwendung der festen Schrittgröße minimiert wird . ( )α = 0,03xT.A xxT.EINxx^TAxα = 0,03α=0,03\alpha=0.03A = [ 10 , 2 ; 2 , 3 ]EIN=[10,2;;2,3]]A=[10, 2; 2, 3] Wenn wir die Spur von in jeder Iteration …

9 r machine-learning optimization gradient-descent

1

Hochdimensionale, korrelierte Daten und Top-Merkmale / Kovariaten entdeckt; Testen mehrerer Hypothesen?

Ich habe einen Datensatz mit ungefähr 5.000 häufig korrelierten Merkmalen / Kovariaten und einer binären Antwort. Die Daten wurden mir gegeben, ich habe sie nicht gesammelt. Ich benutze Lasso und Gradientenverstärkung, um Modelle zu bauen. Ich verwende iterierte, verschachtelte Kreuzvalidierung. Ich berichte über Lassos größte (absolute) 40 Koeffizienten und die …

9 machine-learning multiple-comparisons regression-coefficients lasso high-dimensional

1

Sind Funktionsanalyse und Hilbert-Räume beim maschinellen Lernen nützlich? Wenn das so ist, wie?

Ich habe mich gefragt, wie Hilbert Spaces und Funktionsanalysen für maschinelles Lernen nützlich sind. Ich dachte, maschinelles Lernen sei eine Mischung aus Statistik, Informatik und Optimierung. Wie hängt die Funktionsanalyse damit zusammen?

9 machine-learning mathematical-statistics computational-statistics

1

Welches Deep-Learning-Modell kann Kategorien klassifizieren, die sich nicht gegenseitig ausschließen?

Beispiele: Ich habe einen Satz in der Stellenbeschreibung: "Java Senior Engineer in UK". Ich möchte ein Deep-Learning-Modell verwenden, um es als zwei Kategorien vorherzusagen: English und IT jobs. Wenn ich ein traditionelles Klassifizierungsmodell verwende, kann es nur 1 Etikett mit softmaxFunktion auf der letzten Ebene vorhersagen . Somit kann ich …

9 machine-learning deep-learning natural-language tensorflow sampling distance non-independent application regression machine-learning logistic mixed-model control-group crossover r multivariate-analysis ecology procrustes-analysis vegan regression hypothesis-testing interpretation chi-squared bootstrap r bioinformatics bayesian exponential beta-distribution bernoulli-distribution conjugate-prior distributions bayesian prior beta-distribution covariance naive-bayes smoothing laplace-smoothing distributions data-visualization regression probit penalized estimation unbiased-estimator fisher-information unbalanced-classes bayesian model-selection aic multiple-regression cross-validation regression-coefficients nonlinear-regression standardization naive-bayes trend machine-learning clustering unsupervised-learning wilcoxon-mann-whitney z-score econometrics generalized-moments method-of-moments machine-learning conv-neural-network image-processing ocr machine-learning neural-networks conv-neural-network tensorflow r logistic scoring-rules probability self-study pdf cdf classification svm resampling forecasting rms volatility-forecasting diebold-mariano neural-networks prediction-interval uncertainty

4

Wie interpretiere ich eine Überlebenskurve des Cox-Hazard-Modells?

Wie interpretieren Sie eine Überlebenskurve aus dem Cox-Proportional-Hazard-Modell? Nehmen wir in diesem Spielzeugbeispiel an, wir haben ein Cox-Proportional-Hazard-Modell für ageVariablen in kidneyDaten und generieren die Überlebenskurve. library(survival) fit <- coxph(Surv(time, status)~age, data=kidney) plot(conf.int="none", survfit(fit)) grid() Welche Aussage ist zum Zeitpunkt zum Beispiel wahr? oder sind beide falsch?200200200 Statement 1: Wir …

9 r survival cox-model likelihood machine-learning deep-learning generative-models machine-learning reinforcement-learning q-learning regression multicollinearity convergence beta-distribution bernoulli-distribution machine-learning self-study pattern-recognition neural-networks stochastic-processes linear

1

Wie sind SVMs = Template Matching?

Ich habe über SVMs gelesen und festgestellt, dass sie ein Optimierungsproblem lösen und die Idee der maximalen Gewinnspanne sehr vernünftig war. Jetzt können sie mithilfe von Kerneln sogar nichtlineare Trennungsgrenzen finden, was großartig war. Bisher habe ich wirklich keine Ahnung, wie SVMs (eine spezielle Kernelmaschine) und Kernelmaschinen mit neuronalen Netzen …

9 machine-learning neural-networks svm deep-learning kernel-trick

4

Das Training eines neuronalen Netzwerks für die Regression sagt immer den Mittelwert voraus

Ich trainiere ein einfaches Faltungs-Neuronales Netzwerk für die Regression, wobei die Aufgabe darin besteht, die (x, y) Position einer Box in einem Bild vorherzusagen, z. Die Ausgabe des Netzwerks hat zwei Knoten, einen für x und einen für y. Der Rest des Netzwerks ist ein Standard-Faltungsnetzwerk. Der Verlust ist ein …

9 machine-learning neural-networks optimization deep-learning loss-functions

Als «machine-learning» getaggte Fragen