Statistiken und Big Data machine-learning

2

Ist Random Forest eine gute Option für die Klassifizierung unausgeglichener Daten? [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 3 Jahren . Kann die zufällige Gesamtstruktur "als Algorithmus" trotz der …

9 machine-learning classification data-mining supervised-learning statistical-learning

2

So berechnen Sie den Achsenabschnitt und den Koeffizienten bei der logistischen Regression manuell

Ich studiere derzeit über logistische Regression. Aber ich bleibe bei der Berechnung des Abschnitts ( ) und des Koeffizienten ( β 1 ) stecken . Ich habe über das Internet danach gesucht, aber nur Tutorials mit Microsoft Excel oder integrierten Funktionen in R erhalten. Ich habe gehört, dass es durch …

9 regression machine-learning logistic maximum-likelihood

2

Bonferroni Korrektur & maschinelles Lernen

In psychologischen Studien habe ich gelernt, dass wir die Bonferroni-Methode verwenden sollten, um das Signifikanzniveau anzupassen, wenn wir mehrere Hypothesen an einem einzigen Datensatz testen. Derzeit arbeite ich mit Methoden des maschinellen Lernens wie Support Vector Machines oder Random Forest zur Klassifizierung. Hier habe ich einen einzelnen Datensatz, der bei …

9 machine-learning cross-validation svm overfitting bonferroni

3

Wie wird der Generator in einem GAN trainiert?

Das Papier über GANs besagt, dass der Diskriminator den folgenden Gradienten zum Trainieren verwendet: ∇θd1m∑i = 1m[ logD ( x( i )) +log( 1 - D ( G ( z( i )) ) ) ]∇θd1m∑i=1m[log⁡D(x(i))+log⁡(1−D(G(z(i))))]\nabla _{\theta_d} \frac{1}{m}\sum^{m}_{i=1} [\log{D(x^{(i)})} + \log{(1-D(G(z^{(i)})))}] Die Werte werden abgetastet, durch den Generator geleitet, um Datenabtastwerte …

9 machine-learning neural-networks

4

Matthews Korrelationskoeffizient mit Mehrfachklasse

Der Matthews-Korrelationskoeffizient ( MCCMCC\textrm{MCC} ) ist eine Messung zur Messung der Qualität einer binären Klassifikation ([Wikipedia] [1]). MCCMCC\textrm{MCC} Formulierung wird für die binäre Klassifizierung unter Verwendung von wahr-positiven ( T.P.TPTP ), falsch positiven ( F.P.FPFP ), falsch negativen ( F.N.FNFN ) und wahr-negativen ( T.N.TNTN ) Werten angegeben, wie nachstehend …

9 machine-learning classification multi-class agreement-statistics

2

AIC-Formel in Einführung in das statistische Lernen

Ich bin ein wenig verwirrt über eine Formel, die in Hasties "Einführung in das statistische Lernen" vorgestellt wird. In Kapitel 6, Seite 212 (sechster Druck, hier verfügbar ) heißt es: A ichC.= R S.S.n σ^2+ 2 dnAIC=RSSnσ^2+2dnAIC = \frac{RSS}{n\hat\sigma^2} + \frac{2d}{n} Für lineare Modelle mit Gaußschem Rauschen ist die Anzahl …

9 regression machine-learning aic

2

Modellierung der Kundenabwanderung - Modelle für maschinelles Lernen im Vergleich zu Gefahren- / Überlebensmodellen

Ist es rational (theoretisch, substanziell, statistisch), sich bei der Modellierung der Kundenabwanderung (oder allgemeiner Ereignisse) entweder für maschinelles Lernen oder für Gefahrenmodelle zu entscheiden ?

9 machine-learning survival hazard churn

5

Warum (und wann) muss man die Belohnungsfunktion aus Stichproben beim Verstärkungslernen lernen?

Beim verstärkten Lernen haben wir eine Belohnungsfunktion, die den Agenten darüber informiert, wie gut seine aktuellen Aktionen und Zustände sind. In einigen allgemeinen Einstellungen ist die Belohnungsfunktion eine Funktion von drei Variablen: Aktueller ZustandS.SS Aktuelle Aktion im aktuellen Zustandπ( s ) = aπ(s)=a\pi(s) = a Nächster ZustandS.'S′S' Es sieht also …

9 machine-learning reinforcement-learning

2

Vektorisierung des Kreuzentropieverlustes

Ich habe es mit einem Problem zu tun, das mit dem Finden des Gradienten der Kreuzentropieverlustfunktion für den Parameter θθ\theta wobei: CE(θ)=−∑iyi∗log(y^i)CE(θ)=−∑iyi∗log(y^i)CE(\theta) = -\sum\nolimits_{i}{y_i*log({\hat{y}_{i}})} Wobei y i = s o f t m ein x ( θ i ) und θ i ist ein Vektoreingang.y^i=softmax(θi)y^i=softmax(θi)\hat{y}_{i} = softmax(\theta_i)θiθi\theta_i Auch yyy ist …

9 machine-learning neural-networks

1

Umgang mit sich ändernden Eingangsvektorlängen mit neuronalen Netzen

Ich möchte ein neuronales Netzwerk mit einer Zeichenfolge als Eingabevektor trainieren. Lernbeispiele sind unterschiedlich lang und aus diesem Grund weiß ich nicht, wie ich sie darstellen soll. Angenommen, ich habe zwei Beispiele für Sequenzen, hier Namen: john doe maurice delanoe Das erste Beispiel hat die Länge 8, das zweite die …

9 machine-learning neural-networks feature-selection natural-language

2

Reproduzieren Sie das Projektionsdiagramm der linearen Diskriminanzanalyse

Ich habe Probleme mit Projektionspunkten in der linearen Diskriminanzanalyse (LDA). Viele Bücher über multivariate statistische Methoden veranschaulichen die Idee der LDA anhand der folgenden Abbildung. Die Problembeschreibung lautet wie folgt. Zuerst müssen wir die Entscheidungsgrenze zeichnen, eine senkrechte Linie hinzufügen und dann Projektionen von Datenpunkten darauf zeichnen. Ich frage mich, …

9 r machine-learning classification discriminant-analysis

2

Wie bereite ich Interaktionen von kategorialen Variablen in Scikit-Learn vor?

Was ist der beste Weg, um Interaktionen mit kategorialen Merkmalen vorzubereiten, bevor Sie mit scikit-learn arbeiten? Mit statsmodelskönnte ich bequem im R-Stil sagen smf.ols(formula = 'depvar ~ C(var1)*C(var2)', data=df).fit()(gleich in Stata mit regress depvar i.var1##i.var2). Kann sklearn.preprocessing.PolynomialFeatures(in v0.15, derzeit dev) mit kategorialen Variablen verwendet werden?

9 machine-learning interaction python scikit-learn

2

Anhaltende kontrastive Divergenz für RBMs

Wenn wir den persistenten CD-Lernalgorithmus für eingeschränkte Bolzmann-Maschinen verwenden, starten wir unsere Gibbs-Abtastkette in der ersten Iteration an einem Datenpunkt, aber im Gegensatz zur normalen CD beginnen wir in den folgenden Iterationen nicht über unserer Kette. Stattdessen beginnen wir dort, wo die Gibbs-Abtastkette in der vorherigen Iteration endete. Beim normalen …

9 machine-learning neural-networks rbm

4

Bewertung eines Regressionsmodells

Für Klassifizierungsprobleme habe ich neuronale Netze verwendet und Fehler vom Typ I und II unter Verwendung der Verwirrungsmatrix und ihrer Maße gemäß dieser Ressource ( Spiegel ) gemessen , was ziemlich einfach ist. Wie würde man bei einem Schätzungsproblem die Modellleistung bewerten? Angenommen, es gibt keine Klassen und die Ausgabe …

9 regression machine-learning estimation model-evaluation

2

Skalieren der Rückwärtsvariablen in HMM Baum-Welch

Ich versuche nur, den skalierten Baum-Welch-Algorithmus zu implementieren, und bin auf ein Problem gestoßen, bei dem meine Rückwärtsvariablen nach der Skalierung über dem Wert 1 liegen. Ist das normal? Schließlich sollten die Wahrscheinlichkeiten nicht über 1 liegen. Ich verwende den Skalierungsfaktor, den ich aus den Vorwärtsvariablen erhalten habe: ct=1/∑s∈Sαt(s)ct=1/∑s∈Sαt(s) c_t …

9 machine-learning hidden-markov-model beta-distribution

Als «machine-learning» getaggte Fragen