Statistiken und Big Data svm

1

Ist es in Ordnung, kategoriale und kontinuierliche Daten für SVM (Support Vector Machines) zu mischen?

Ich habe einen Datensatz wie +--------+------+-------------------+ | income | year | use | +--------+------+-------------------+ | 46328 | 1989 | COMMERCIAL EXEMPT | | 75469 | 1998 | CONDOMINIUM | | 49250 | 1950 | SINGLE FAMILY | | 82354 | 2001 | SINGLE FAMILY | | 88281 | 1985 | …

14 categorical-data svm mixed-type-data

2

Wie kann man beweisen, dass es keinen endlichen Merkmalsraum für den Gaußschen RBF-Kern gibt?

Wie zu beweisen ist, dass für die radiale Basisfunktion kein endlichdimensionaler Merkmalsraum wie z dass für einige wir haben ?k(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp⁡(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2})HHHΦ:Rn→HΦ:Rn→H\Phi: \text{R}^n \to Hk(x,y)=⟨Φ(x),Φ(y)⟩k(x,y)=⟨Φ(x),Φ(y)⟩k(x, y) = \langle \Phi(x), \Phi(y)\rangle

14 machine-learning svm kernel-trick

4

Ist es möglich, Trainingsdaten an vorhandene SVM-Modelle anzuhängen?

Ich verwende libsvm und habe festgestellt, dass ich jedes Mal, wenn ich svmtrain () aufrufe, ein neues Modell erstelle und es anscheinend keine Möglichkeit gibt, Daten in ein vorhandenes Modell einzufügen. Ist dies jedoch möglich? Sehe ich diesen Aspekt gerade nicht in libsvm?

14 svm libsvm

1

Interpretation der Entfernung von der Hyperebene in SVM

Ich habe einige Zweifel daran, SVMs intuitiv zu verstehen. Angenommen, wir haben ein SVM-Modell für die Klassifizierung mit einem Standardwerkzeug wie SVMLight oder LibSVM trainiert. Wenn wir dieses Modell zur Vorhersage von Testdaten verwenden, generiert das Modell eine Datei mit "Alpha" -Werten für jeden Testpunkt. Wenn der Alpha-Wert positiv ist, …

14 machine-learning svm max-margin

1

Caret glmnet vs cv.glmnet

Es scheint eine Menge Verwirrung im Vergleich zwischen der Verwendung von glmnetinside caretzur Suche nach einem optimalen Lambda und der Verwendung cv.glmnetderselben Aufgabe zu geben. Viele Fragen wurden gestellt, zB: Klassifizierungsmodell train.glmnet vs. cv.glmnet? Was ist der richtige Weg, um glmnet mit caret zu verwenden? Quervalidierung von "glmnet" mit "caret" …

14 r caret glmnet machine-learning neural-networks maximum softmax probability distributions mathematical-statistics random-variable cdf statistical-significance variance expected-value ratio sample-size reliability tolerance-interval wilcoxon-signed-rank self-study variance sampling mean machine-learning svm libsvm self-study sampling ranks data-visualization histogram machine-learning classification normal-distribution mathematical-statistics maximum-likelihood mixture predictive-models prediction seasonality

1

GAM vs LOESS vs Splines

Kontext : Ich möchte eine Linie in einem Streudiagramm zeichnen, die nicht parametrisch erscheint, daher verwende ich geom_smooth()in ggplotin R. Es gibt automatisch geom_smooth: method="auto" and size of largest group is >=1000, so using gam with formula: y ~ s(x, bs = "cs"). Use 'method = x' to change the …

14 r gam splines loess r data-visualization boxplot mathematical-statistics theory sufficient-statistics machine-learning classification correlation svm feature-selection probability stochastic-processes machine-learning reinforcement-learning

2

KKT in aller Kürze grafisch

Zielsetzung Bestätigen Sie, ob das Verständnis von KKT korrekt ist oder nicht. Weitere Erklärungen und Bestätigungen finden Sie auf KKT. Hintergrund Der Versuch, die KKT-Bedingungen zu verstehen, insbesondere die komplementären, die in SVM-Artikeln immer aus heiterem Himmel auftauchen. Ich brauche keine Liste abstrakter Formeln, sondern eine konkrete, intuitive und grafische …

13 svm optimization lagrange-multipliers

3

Sollte ich den Kernel-Trick wann immer möglich für nichtlineare Daten verwenden?

Kürzlich habe ich die Verwendung des Kernel-Tricks kennengelernt, der Daten in höherdimensionale Räume abbildet, um die Daten in diesen Dimensionen zu linearisieren. Gibt es Fälle, in denen ich diese Technik meiden sollte? Geht es nur darum, die richtige Kernelfunktion zu finden? Für lineare Daten ist dies natürlich nicht hilfreich, aber …

13 machine-learning svm kernel-trick heuristic

3

Was ist ein Kernel und was unterscheidet ihn von anderen Funktionen?

Es scheint viele Algorithmen für maschinelles Lernen zu geben, die auf Kernelfunktionen beruhen. SVMs und NNs, um nur zwei zu nennen. Was ist also die Definition einer Kernelfunktion und welche Voraussetzungen müssen erfüllt sein, damit sie gültig ist?

13 svm terminology kernel-trick

2

Problem mit e1071 libsvm?

Ich habe einen Datensatz mit zwei überlappenden Klassen, sieben Punkte in jeder Klasse, Punkte liegen im zweidimensionalen Raum. In R rufe ich svmdas e1071Paket auf, um eine separate Hyperebene für diese Klassen zu erstellen. Ich benutze den folgenden Befehl: svm(x, y, scale = FALSE, type = 'C-classification', kernel = 'linear', …

13 r machine-learning svm libsvm e1071

1

Was ist eine SVM-Klasse und wie funktioniert sie?

Ich habe eine Klasse SVM verwendet für meine Forschungsarbeit eine in scikit-learn implementierte . Aber ich habe kein gutes Verständnis dafür. Kann jemand bitte eine einfache, gute Erklärung für eine Klasse SVM geben ?

13 machine-learning svm data-mining novelty-detection

1

Wie kann man feststellen, ob eine Lernkurve aus dem SVM-Modell eine Verzerrung oder Varianz aufweist?

Ich habe diese Lernkurve erstellt und möchte wissen, ob mein SVM-Modell unter Voreingenommenheit oder Varianz leidet. Wie kann ich das aus dieser Grafik schließen?

12 machine-learning svm bias train

3

Warum ist die Boosting-Methode empfindlich gegenüber Ausreißern?

Ich habe viele Artikel gefunden, die besagen, dass Boosting-Methoden empfindlich gegenüber Ausreißern sind, aber keinen Artikel, der erklärt, warum. Meiner Erfahrung nach sind Ausreißer für jeden Algorithmus für maschinelles Lernen schlecht, aber warum werden Boosting-Methoden als besonders empfindlich eingestuft? Wie würden die folgenden Algorithmen in Bezug auf die Empfindlichkeit gegenüber …

12 machine-learning svm outliers cart boosting

1

Die Beziehung zwischen der Anzahl der Unterstützungsvektoren und der Anzahl der Merkmale

Ich habe eine SVM für einen bestimmten Datensatz ausgeführt und Folgendes festgestellt: Wenn ich die Anzahl der Features zum Erstellen des Klassifikators ändere, wird auch die Anzahl der resultierenden Unterstützungsvektoren geändert. Ich würde gerne wissen, wie man ein solches Szenario erklärt.

12 machine-learning classification svm kernel-trick

1

Beeinträchtigt ein geringer Trainingsumfang eine SVM?

Ich versuche, Nachrichten mithilfe einer SVM in verschiedene Kategorien zu klassifizieren. Ich habe eine Liste der gewünschten Wörter / Symbole aus dem Trainingsset zusammengestellt. Für jeden Vektor, der eine Nachricht darstellt, setze ich die entsprechende Zeile auf, 1wenn das Wort vorhanden ist: "Corpus" ist: [Mary, Little, Lamm, Star, Twinkle] erste …

12 classification svm sparse

Als «svm» getaggte Fragen