Estadísticas y Big Data classification

4

¿Es KNN un algoritmo de aprendizaje discriminativo?

Parece que KNN es un algoritmo de aprendizaje discriminativo, pero parece que no puedo encontrar ninguna fuente en línea que lo confirme. ¿Es KNN un algoritmo de aprendizaje discriminativo?

17 machine-learning classification k-nearest-neighbour

2

Clasificación con aumento de gradiente: cómo mantener la predicción en [0,1]

La pregunta Estoy luchando por comprender cómo se mantiene la predicción dentro del intervalo [ 0 , 1 ][0 0,1][0,1] cuando se realiza una clasificación binaria con Gradient Boosting. Supongamos que estamos trabajando en un problema de clasificación binaria, y nuestra función objetivo es la pérdida de registro, , donde …

17 logistic classification boosting

3

¿Cuál es la diferencia entre SVM y LDA?

¿Cuál es la diferencia entre las máquinas de vectores de soporte y el análisis discriminante lineal?

17 classification

1

¿Qué significa que AUC es una regla de puntuación semi adecuada?

Una regla de puntuación adecuada es una regla que se maximiza mediante un modelo 'verdadero' y no permite 'cubrir' o jugar con el sistema (informar deliberadamente diferentes resultados, como es la verdadera creencia del modelo para mejorar la puntuación). El puntaje de Brier es correcto, la precisión (proporción clasificada correctamente) …

16 classification references roc measurement-error scoring-rules

3

¿Qué es el modelo nulo en regresión y cómo se relaciona con la hipótesis nula?

¿Qué es el modelo nulo en regresión y cuál es la relación entre el modelo nulo y la hipótesis nula? Para mi entender, ¿significa ¿Usando el "promedio de la variable de respuesta" para predecir la variable de respuesta continua? ¿Usando la "distribución de etiquetas" en la predicción de variables de …

16 regression hypothesis-testing classification terminology model

2

Estado del arte en general aprendiendo de los datos en el '69

Estoy tratando de entender el contexto del famoso libro de Minsky y Papert "Perceptrons" de 1969, tan crítico para las redes neuronales. Hasta donde sé, todavía no había otros algoritmos genéricos de aprendizaje supervisado, excepto el perceptrón: los árboles de decisión comenzaron a ser realmente útiles solo a fines de …

16 classification neural-networks history

1

Entrenamiento de un campo aleatorio de Markov básico para clasificar píxeles en una imagen

Estoy intentando aprender cómo usar los campos aleatorios de Markov para segmentar regiones en una imagen. No entiendo algunos de los parámetros en el MRF o por qué la maximización de expectativas que realizo a veces no puede converger en una solución. A partir del teorema de Bayes, tengo p(x|y)=p(y|x)p(x)/p(y)p(x|y)=p(y|x)p(x)/p(y)p(x|y) …

16 expectation-maximization image-processing classification

2

enfoques de capacitación para un conjunto de datos altamente desequilibrado

Tengo un conjunto de datos de prueba altamente desequilibrado. El conjunto positivo consta de 100 casos, mientras que el conjunto negativo consta de 1500 casos. En el lado del entrenamiento, tengo un grupo de candidatos más grande: el conjunto de entrenamiento positivo tiene 1200 casos y el conjunto de entrenamiento …

16 machine-learning classification data-mining svm bioinformatics

4

Baja precisión de clasificación, ¿qué hacer a continuación?

Entonces, soy un novato en el campo de ML e intento hacer alguna clasificación. Mi objetivo es predecir el resultado de un evento deportivo. He reunido algunos datos históricos y ahora trato de entrenar a un clasificador. Obtuve alrededor de 1200 muestras, 0.2 de ellas las dividí para fines de …

16 classification svm feature-selection random-forest

3

Búsqueda de cuadrícula en k-fold cross validation

Tengo un conjunto de datos de 120 muestras en una configuración de validación cruzada 10 veces. Actualmente, elijo los datos de entrenamiento de la primera reserva y hago una validación cruzada de 5 veces para elegir los valores de gamma y C mediante la búsqueda de cuadrícula. Estoy usando SVM …

16 machine-learning classification cross-validation svm

3

Variables colineales en el entrenamiento Multiclass LDA

Estoy entrenando un clasificador LDA multiclase con 8 clases de datos. Mientras realizo el entrenamiento, recibo una advertencia de: " Las variables son colineales " Estoy obteniendo una precisión de entrenamiento de más del 90% . Estoy usando la biblioteca scikits-learn en Python do train y pruebo los datos de …

16 machine-learning classification python scikit-learn discriminant-analysis

1

En la teoría del aprendizaje estadístico, ¿no hay un problema de sobreajuste en un conjunto de prueba?

Consideremos el problema de clasificar el conjunto de datos MNIST. Según la página web MNIST de Yann LeCun , 'Ciresan et al.' obtuvo una tasa de error del 0.23% en el conjunto de prueba MNIST usando la red neuronal convolucional. Denotemos el conjunto de entrenamiento MNIST como DtrainDtrainD_{train} , el …

16 machine-learning classification overfitting probability-inequalities

5

¿Qué impacto tiene el aumento de los datos de entrenamiento en la precisión general del sistema?

¿Puede alguien resumirme con posibles ejemplos, en qué situaciones el aumento de los datos de capacitación mejora el sistema en general? ¿Cuándo detectamos que agregar más datos de entrenamiento podría sobrepasar los datos y no dar una buena precisión en los datos de la prueba? Esta es una pregunta muy …

16 machine-learning classification dataset precision-recall

3

Sugerencias para el aprendizaje sensible al costo en un entorno altamente desequilibrado

Tengo un conjunto de datos con unos pocos millones de filas y ~ 100 columnas. Me gustaría detectar aproximadamente el 1% de los ejemplos en el conjunto de datos, que pertenecen a una clase común. Tengo una restricción de precisión mínima, pero debido al costo muy asimétrico, no estoy muy …

15 machine-learning classification unbalanced-classes precision-recall

1

¿Cuál es la intuición detrás de las muestras intercambiables bajo la hipótesis nula?

Las pruebas de permutación (también llamadas prueba de aleatorización, prueba de aleatorización o prueba exacta) son muy útiles y resultan útiles cuando t-testno se cumple el supuesto de distribución normal requerido por ejemplo y cuando se transforman los valores mediante la clasificación de prueba no paramétrica como Mann-Whitney-U-testconduciría a la …

15 hypothesis-testing permutation-test exchangeability r statistical-significance loess data-visualization normal-distribution pdf ggplot2 kernel-smoothing probability self-study expected-value normal-distribution prior correlation time-series regression heteroscedasticity estimation estimators fisher-information data-visualization repeated-measures binary-data panel-data mathematical-statistics coefficient-of-variation normal-distribution order-statistics regression machine-learning one-class probability estimators forecasting prediction validation finance measurement-error variance mean spatial monte-carlo data-visualization boxplot sampling uniform chi-squared goodness-of-fit probability mixture theory gaussian-mixture regression statistical-significance p-value bootstrap regression multicollinearity correlation r poisson-distribution survival regression categorical-data ordinal-data ordered-logit regression interaction time-series machine-learning forecasting cross-validation binomial multiple-comparisons simulation false-discovery-rate r clustering frequency wilcoxon-mann-whitney wilcoxon-signed-rank r svm t-test missing-data excel r numerical-integration r random-variable lme4-nlme mixed-model weighted-regression power-law errors-in-variables machine-learning classification entropy information-theory mutual-information

Preguntas etiquetadas con classification