Statistiken und Big Data machine-learning

2

Wie kann man zwei Algorithmen in drei Datensätzen bei der Auswahl und Klassifizierung von Features statistisch vergleichen?

Problemhintergrund: Im Rahmen meiner Forschung habe ich zwei Algorithmen geschrieben, mit denen eine Reihe von Merkmalen aus einem Datensatz ausgewählt werden können (Genexpressionsdaten von Krebspatienten). Diese Merkmale werden dann getestet, um festzustellen, wie gut sie eine unsichtbare Probe entweder als Krebs oder als Nichtkrebs klassifizieren können. Für jeden Lauf des …

8 machine-learning statistical-significance computational-statistics standardization genetic-algorithms

1

Was sind die Vorteile von MKL-Methoden (Multiple Kernel Learning)?

Mehrere Kernel-Lernmethoden zielen darauf ab, ein Kernelmodell zu erstellen, bei dem der Kernel eine lineare Kombination von Kerneln mit fester Basis ist. Das Erlernen des Kernels besteht dann darin, die Gewichtungskoeffizienten für jeden Basiskern zu lernen, anstatt die Kernelparameter eines einzelnen Kernels zu optimieren. Die Nachteile des Lernens mehrerer Kernel …

8 machine-learning svm kernel-trick

2

Beispiel für die Vorhersage von Zeitreihen unter Verwendung neuronaler Netze in R.

Hat jemand ein kurzes Beispiel, wie man neuronale Netze ( nnetzum Beispiel in R) zum Zwecke der Vorhersage verwendet? Hier ist ein Beispiel in R einer Zeitreihe T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Dies ist nur ein Beispiel, aber ich habe nervös-saisonale Daten.

8 r time-series machine-learning neural-networks nnet

2

Wie kann ich Zeitreihendaten transformieren, um einfachere Techniken zur Fehlervorhersage zu verwenden?

Ich weiß, dass dies in erster Linie eine Statistikseite ist. Wenn ich nicht zum Thema gehöre, leiten Sie mich bitte weiter. Ich habe ein System mit Pumpen, die manchmal kaputt gehen und ersetzt werden müssen. Ich möchte in der Lage sein, die Ausfälle vorherzusagen und damit die Leute, die die …

8 time-series machine-learning data-transformation

1

Der Klassifizierungsfehler ist geringer, wenn ich den Datensatz nicht lerne.

Ich habe einen Datensatz mit einer Tasche voller Wörter. Ich wähle zufällig einige Punkte aus und benutze sie zum Testen und die anderen werden zum Training verwendet. Fall (1) Ich nehme einfach jeden Datenpunkt aus dem Testsatz und klassifiziere ihn so, dass er dieselbe Klassenbezeichnung hat wie sein nächster Punkt …

8 machine-learning classification

6

Ist die Verwendung derselben Daten für die Merkmalsauswahl und Kreuzvalidierung voreingenommen oder nicht?

Wir haben einen kleinen Datensatz (ca. 250 Beispiele * 100 Features), auf dem wir nach Auswahl der besten Feature-Teilmenge einen binären Klassifikator erstellen möchten. Nehmen wir an, wir partitionieren die Daten in: Schulung, Validierung und Prüfung Für die Merkmalsauswahl wenden wir ein Wrapper-Modell an, das auf der Auswahl von Merkmalen …

8 machine-learning cross-validation feature-selection train

1

Vielfältige Regularisierung unter Verwendung eines Laplace-Graphen in SVM

Ich versuche, die Manifold-Regularisierung in Support Vector Machines (SVMs) in Matlab zu implementieren. Ich folge den Anweisungen in der Arbeit von Belkin et al. (2006), da ist die Gleichung drin: f∗=argminf∈Hk∑li=1V(xi,yi,f)+γA∥f∥2A+γI∥f∥2If∗=argminf∈Hk∑i=1lV(xi,yi,f)+γA‖f‖A2+γI‖f‖I2f^{*} = \text{argmin}_{f \in H_k}\sum_{i=1}^{l}V\left(x_i,y_i,f\right)+\gamma_{A}\left\| f \right\|_{A}^{2}+\gamma_{I}\left\| f \right\|_{I}^{2} wobei V eine Verlustfunktion ist und das Gewicht der Norm der …

8 machine-learning svm regularization

1

Konfidenzintervalle bei Verwendung des Bayes-Theorems

Ich berechne einige bedingte Wahrscheinlichkeiten und zugehörige 95% -Konfidenzintervalle. In vielen meiner Fälle habe ich eine einfache Anzahl von xErfolgen aus nVersuchen (aus einer Kontingenztabelle), sodass ich ein Binomial-Konfidenzintervall verwenden kann, wie es binom.confint(x, n, method='exact')in in angegeben ist R. In anderen Fällen habe ich solche Daten jedoch nicht, daher …

8 r bayesian confidence-interval conditional-probability hidden-markov-model segmentation hypothesis-testing statistical-significance multiple-comparisons multiple-regression r regression survey sample finite-population pca model-selection dataset partitioning clustering time-series least-squares regression standard-error causality r time-series outliers missing-data machine-learning svm hypothesis-testing discrete-data r data-visualization survey likert finance regression pca feature-selection stepwise-regression underdetermined svm natural-language

1

Mehrklassen-LDA gegen 2-Klassen-LDA

Das Problem des Entwurfs eines Mehrklassenklassifikators unter Verwendung von LDA kann als 2-Klassen-Problem (eins gegen alles andere) oder als Mehrklassenproblem ausgedrückt werden . Warum ist es , dass in bestimmten Fällen Multi-Klasse LDA Klassifikator out-führt 2 Klasse LDA (eine vs alles andere) oder umgekehrt .

8 machine-learning classification pattern-recognition discriminant-analysis

1

Gibt es eine Methode zum Erstellen von Entscheidungsbäumen, die strukturierte / hierarchische / mehrstufige Prädiktoren berücksichtigt?

Gibt es eine Methode zum Erstellen von Entscheidungsbäumen, die strukturierte / hierarchische / mehrstufige Prädiktoren berücksichtigt, mit denen ich beispielsweise Domänenwissen oder Einschränkungen für Interaktionen festlegen kann?

8 regression machine-learning multilevel-analysis cart

3

Unterstützung der Vektorregression bei Daten mit verzerrter / hoher Kurtosis

Ich verwende die Support-Vektor-Regression, um einige ziemlich verzerrte Daten (mit hoher Kurtosis) zu modellieren. Ich habe versucht, die Daten direkt zu modellieren, aber ich erhalte falsche Vorhersagen, die meiner Meinung nach hauptsächlich auf die Verteilung der Daten zurückzuführen sind, die mit sehr fetten Schwänzen verzerrt ist. Ich bin mir ziemlich …

8 machine-learning svm cross-validation predictive-models outliers

2

Basisklassifikatoren zum Boosten

Boosting-Algorithmen wie AdaBoost kombinieren mehrere "schwache" Klassifikatoren zu einem einzigen stärkeren Klassifikator. Obwohl theoretisch ein Boosting mit jedem Basisklassifikator möglich sein sollte, scheinen in der Praxis baumbasierte Klassifikatoren am häufigsten zu sein. Warum ist das? Welche Eigenschaften von Baumklassifikatoren machen sie für diese Aufgabe am besten geeignet? Gibt es noch …

8 machine-learning boosting ensemble

1

A priori Auswahl der SVM-Klassengewichte

Ich erinnere mich, dass ich irgendwo gesehen / gelesen habe, dass es für SVMs mit mehreren Klassen und unausgeglichenen Daten eine Möglichkeit gab, die Klassengewichte aus den Trainingsdaten zu bestimmen (anstatt aus der X-Validierung). Weiß jemand, was die Methode ist oder aus welchem Papier sie stammt? Vielen Dank

8 machine-learning svm unbalanced-classes

1

Open-Source-Modelle für paarweises Lernen

Ich löse ein Klassifizierungsproblem mit einem paarweisen Lern-Trainingssatz. Wir haben 2 Klassen: schlecht und gut . Wir haben auch Paare von Objekten , was bedeutet, dass das Objekt besser ist als . Jedes Objekt wird durch seine reellen Koordinaten beschrieben: . Mein Ziel ist es, einen solchen Algorithmus zu erstellen, …

8 machine-learning classification

2

SVM rbf kernel - heuristische Methode zur Schätzung von Gamma

Ich habe an diesem Austausch eine heuristische Methode zur Schätzung von Gamma für den RBF-Kernel in SVMs gelesen. Ich habe mich gefragt, ob jemand es mir vielleicht etwas genauer erklären kann. Ich glaube, Sie wählen 1000 (oder eine große Anzahl) von Datenpunktpaaren aus dem Datensatz aus und berechnen dann die …

8 machine-learning cross-validation svm

Als «machine-learning» getaggte Fragen