Statistiken und Big Data pac-learning

20

Die zwei Kulturen: Statistik vs. maschinelles Lernen?

Letztes Jahr las ich einen Blogbeitrag von Brendan O'Connor mit dem Titel "Statistik vs. Maschinelles Lernen, Kampf!" das besprach einige der Unterschiede zwischen den zwei Feldern. Andrew Gelman reagierte positiv darauf : Simon Blomberg: Aus dem Glückspaket von R: Um es provokativ auszudrücken: „Maschinelles Lernen ist Statistik minus Überprüfung von …

420 machine-learning pac-learning

3

Was ist mit "schwacher Lernender" gemeint?

Kann mir jemand sagen, was mit dem Ausdruck "schwacher Lernender" gemeint ist? Soll es eine schwache Hypothese sein? Ich bin verwirrt über die Beziehung zwischen einem schwachen Lernenden und einem schwachen Klassifikator. Sind beide gleich oder gibt es einen Unterschied? In dem Adaboost-Algorithmus T=10. Was ist damit gemeint? Warum wählen …

33 classification svm terminology adaboost pac-learning

4

Einführung in das maschinelle Lernen für Mathematiker

In gewissem Sinne ist dies ein Crosspost von mir von math.stackexchange , und ich habe das Gefühl, dass diese Site ein breites Publikum ansprechen könnte. Ich suche eine mathematische Einführung in das maschinelle Lernen. Insbesondere ist viel Literatur, die gefunden werden kann, relativ ungenau und viele Seiten werden ohne Inhalt …

23 machine-learning references pac-learning

6

Was ist die Grundidee des maschinellen Lernens zum Schätzen von Parametern?

Die Grundidee der Statistik zur Schätzung von Parametern ist die maximale Wahrscheinlichkeit . Ich frage mich, was der entsprechende Gedanke beim maschinellen Lernen ist. Frage 1: Wäre es fair zu sagen, dass die Grundidee des maschinellen Lernens zur Schätzung von Parametern lautet: "Verlustfunktionen"? [Anmerkung: Ich habe den Eindruck, dass Algorithmen …

19 machine-learning maximum-likelihood loss-functions pac-learning

1

Warum nehmen wir an, dass der Fehler normal verteilt ist?

Ich frage mich, warum wir bei der Modellierung des Fehlers die Gaußsche Annahme verwenden. In Stanfords ML-Kurs beschreibt Prof. Ng es im Wesentlichen auf zwei Arten: Es ist mathematisch günstig. (Es hängt mit der Anpassung der kleinsten Quadrate zusammen und ist mit Pseudoinverse leicht zu lösen.) Aufgrund des zentralen Grenzwertsatzes …

17 regression normality-assumption pac-learning

2

Was sind Alternativen zur VC-Dimension zur Messung der Komplexität neuronaler Netze?

Ich habe einige grundlegende Methoden gefunden, um die Komplexität neuronaler Netze zu messen: Naiv und informell: Zählen Sie die Anzahl der Neuronen, verborgenen Neuronen, Schichten oder verborgenen Schichten VC-Dimension (Eduardo D. Sontag [1998] "VC-Dimension neuronaler Netze" [ pdf ].) Ein körniger und asymptotischer Rechenaufwand wird durch Äquivalenz zu gemessenTC0dTCd0TC^0_d . …

16 neural-networks theory vc-dimension pac-learning

2

Was bedeutet PAC-Lerntheorie?

Ich bin neu im maschinellen Lernen. Ich studiere einen Kurs in maschinellem Lernen (Stanford University) und habe nicht verstanden, was mit dieser Theorie gemeint ist und welchen Nutzen sie hat. Ich frage mich, ob jemand diese Theorie für mich detaillieren könnte. Diese Theorie basiert auf dieser Gleichung.

15 machine-learning probability pac-learning

1

Komplexe Analyse, Funktionsanalyse für ein tieferes Verständnis des maschinellen Lernens

Ich möchte tiefer in das maschinelle Lernen (Theorie und Anwendung im Finanzwesen) einsteigen. Ich möchte fragen, wie relevant komplexe Analysen und Funktionsanalysen als Grundlage für maschinelles Lernen sind. Muss ich diese Fächer lernen oder sollte ich mich auf ein anderes Thema konzentrieren (wenn ja, auf welches?)

10 machine-learning pac-learning

2

Berechnen Sie die ROC-Kurve für Daten

Ich habe also 16 Studien, in denen ich versuche, eine Person anhand eines biometrischen Merkmals mithilfe von Hamming Distance zu authentifizieren. Mein Schwellenwert ist auf 3,5 eingestellt. Meine Daten sind unten und nur Versuch 1 ist ein wahres Positiv: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 …

9 mathematical-statistics roc classification cross-validation pac-learning r anova survival hazard machine-learning data-mining hypothesis-testing regression random-variable non-independent normal-distribution approximation central-limit-theorem interpolation splines distributions kernel-smoothing r data-visualization ggplot2 distributions binomial random-variable poisson-distribution simulation kalman-filter regression lasso regularization lme4-nlme model-selection aic r mcmc dlm particle-filter r panel-data multilevel-analysis model-selection entropy graphical-model r distributions quantiles qq-plot svm matlab regression lasso regularization entropy inference r distributions dataset algorithms matrix-decomposition regression modeling interaction regularization expected-value exponential gamma-distribution mcmc gibbs probability self-study normality-assumption naive-bayes bayes-optimal-classifier standard-deviation classification optimization control-chart engineering-statistics regression lasso regularization regression references lasso regularization elastic-net r distributions aggregation clustering algorithms regression correlation modeling distributions time-series standard-deviation goodness-of-fit hypothesis-testing statistical-significance sample binary-data estimation random-variable interpolation distributions probability chi-squared predictor outliers regression modeling interaction

Als «pac-learning» getaggte Fragen