Preguntas etiquetadas con genetic-algorithms

Estoy empezando a incursionar con el uso de glmnetla LASSO regresión donde mi resultado de interés es dicotómica. He creado un pequeño marco de datos simulados a continuación: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) …

78 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

He leído algunos documentos que discuten los pros y los contras de cada método, algunos argumentan que GA no mejora en encontrar la solución óptima, mientras que otros muestran que es más eficaz. Parece que GA generalmente se prefiere en la literatura (aunque la mayoría de las personas lo modifican …

34 neural-networks  genetic-algorithms  backpropagation 

Necesito implementar un programa que clasifique los registros en 2 categorías (verdadero / falso) en función de algunos datos de entrenamiento, y me preguntaba qué algoritmo / metodología debería considerar. Parece que hay muchos para elegir: red neuronal artificial, algoritmo genético, aprendizaje automático, optimización bayesiana, etc., etc., y no estaba …

21 machine-learning  bayesian  optimization  genetic-algorithms 

Los algoritmos genéticos son una forma de método de optimización. A menudo, el descenso de gradiente estocástico y sus derivados son la mejor opción para la optimización de la función, pero a veces todavía se utilizan algoritmos genéticos. Por ejemplo, la antena de la nave espacial ST5 de la NASA …

20 machine-learning  optimization  gradient-descent  genetic-algorithms 

Como parte de una tarea, tendré que escribir un algoritmo de programación genética que haga predicciones de los niveles de contaminantes atmosféricos. Como no tengo experiencia, ¿alguien puede señalarme sugerencias sobre lenguajes de programación en los que se escribirán programas evolucionados ? Aclaración: no estoy preguntando cuál será el lenguaje, …

15 genetic-algorithms 

Pregunta: ¿es posible entrenar a un NN para distinguir entre números pares e impares solo usando como entrada los números mismos? Tengo el siguiente conjunto de datos: Number Target 1 0 2 1 3 0 4 1 5 0 6 1 ... ... 99 0 100 1 Entrené a un …

14 machine-learning  classification  categorical-data  neural-networks  genetic-algorithms 

¿Alguien puede explicarme los beneficios del algoritmo genético en comparación con otros métodos tradicionales de búsqueda y optimización?

13 genetic-algorithms 

Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Estoy usando el paquete kernlab en R para construir un SVM para clasificar algunos datos. El SVM está funcionando bien ya que proporciona 'predicciones' de una precisión decente, sin embargo, mi lista de variables de entrada es más grande de lo que quisiera y no estoy seguro de la importancia …

9 r  machine-learning  svm  genetic-algorithms 

Tengo dos implementaciones de un algoritmo genético que se supone que se comportan de manera equivalente. Sin embargo, debido a restricciones técnicas que no se pueden resolver, su salida no es exactamente la misma, dada la misma entrada. Aún así, me gustaría mostrar que no hay una diferencia de rendimiento …

9 hypothesis-testing  genetic-algorithms 

Antecedentes del problema: como parte de mi investigación, he escrito dos algoritmos que pueden seleccionar un conjunto de características de un conjunto de datos (datos de expresión génica de pacientes con cáncer). Estas características luego se prueban para ver qué tan bien pueden clasificar una muestra invisible como cancerosa o …

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

Recientemente ha habido interés en combinar algoritmos genéticos y redes neuronales en un marco general de neuroevolución. La idea básica es que su algoritmo genético está evolucionando los parámetros de muchas redes neuronales que luego se utilizan para resolver su tarea en cuestión. Una especie de programación genética, pero en …

8 neural-networks  genetic-algorithms 

Me pregunto si hay algún algoritmo (quizás algoritmos genéticos) en R para la construcción de características (derivar predictores candidatos de predictores existentes). Estoy pensando en una rutina para probar potencias de orden superior, interacciones, relaciones y combinaciones lineales y funciones no lineales de variables existentes (sin, cos, atan, etc.). Esto …

8 r  machine-learning  feature-construction  genetic-algorithms