Preguntas etiquetadas con machine-learning

Los algoritmos de aprendizaje automático crean un modelo de los datos de entrenamiento. El término "aprendizaje automático" está vagamente definido; incluye lo que también se llama aprendizaje estadístico, aprendizaje de refuerzo, aprendizaje no supervisado, etc. AGREGUE SIEMPRE UNA ETIQUETA MÁS ESPECÍFICA.

Prueba de separabilidad lineal

¿Hay alguna forma de probar la separabilidad lineal de un conjunto de datos de dos clases en altas dimensiones? Mis vectores de características son de 40 de largo. Sé que siempre puedo ejecutar experimentos de regresión logística y determinar la tasa de aciertos frente a la tasa de falsas alarmas …

20 machine-learning classification

¿Por qué no se necesita la poda para árboles forestales al azar?

Breiman dice que los árboles se cultivan sin podar. ¿Por qué? Quiero decir que debe haber una razón sólida por la cual los árboles en un bosque aleatorio no se poden. Por otro lado, se considera muy importante podar un solo árbol de decisión para evitar un ajuste excesivo. ¿Hay …

20 machine-learning

Advertencia y validación cruzada de libsvm "alcanzando el número máximo de iteraciones"

Estoy usando libsvm en modo C-SVC con un núcleo polinomial de grado 2 y estoy obligado a entrenar múltiples SVM. Cada conjunto de entrenamiento tiene 10 características y 5000 vectores. Durante el entrenamiento, recibo esta advertencia para la mayoría de los SVM que entreno: WARNING: reaching max number of iterations …

20 machine-learning cross-validation svm regularization libsvm

¿AdaBoost es menos o más propenso al sobreajuste?

He leído varias declaraciones (aparentemente) contradictorias sobre si AdaBoost (u otras técnicas de refuerzo) son menos o más propensas al sobreajuste en comparación con otros métodos de aprendizaje. ¿Hay buenas razones para creer lo uno o lo otro? Si depende, ¿de qué depende? ¿Cuáles son las razones por las que …

20 machine-learning boosting

¿Aplicando el "truco del núcleo" a los métodos lineales?

El truco del kernel se usa en varios modelos de aprendizaje automático (por ejemplo, SVM ). Se introdujo por primera vez en el documento "Fundamentos teóricos del método de función potencial en el aprendizaje de reconocimiento de patrones" en 1964. La definición de Wikipedia dice que es un método para …

20 machine-learning kernel-trick

¿Cómo el bosque aleatorio genera el bosque aleatorio?

No soy un experto en bosques aleatorios, pero entiendo claramente que el problema clave con los bosques aleatorios es la generación de árboles (aleatorios). ¿Me puede explicar cómo se generan los árboles? (es decir, ¿cuál es la distribución utilizada para la generación de árboles?) Gracias por adelantado !

20 machine-learning r algorithms cart random-forest

Diferencia entre datos faltantes y datos dispersos en algoritmos de aprendizaje automático

¿Cuáles son las principales diferencias entre los datos dispersos y los datos faltantes? ¿Y cómo influye en el aprendizaje automático? Más específicamente, qué efecto tienen los datos dispersos y los datos faltantes en los algoritmos de clasificación y el tipo de algoritmos de regresión (números de predicción). Estoy hablando de …

20 machine-learning dataset missing-data sparse

¿Por qué funciona la ingeniería de características?

Recientemente he aprendido que una de las formas de encontrar mejores soluciones para los problemas de LA es mediante la creación de funciones. Se puede hacer eso, por ejemplo, sumando dos características. Por ejemplo, poseemos dos características: "ataque" y "defensa" de algún tipo de héroe. Luego creamos una característica adicional …

20 machine-learning feature-construction

Comprender la derivación de equilibrio de sesgo-varianza

Estoy leyendo el capítulo de equilibrio de sesgo-varianza de Los elementos del aprendizaje estadístico y tengo dudas en la fórmula de la página 29. Deje que los datos surjan de un modelo tal que donde es aleatorio número con valor esperado y varianza . Supongamos que el valor esperado de …

20 machine-learning unbiased-estimator mse bias-variance-tradeoff

¿Qué métodos de optimización funcionan mejor para los LSTM?

He estado usando theano para experimentar con LSTM y me preguntaba qué métodos de optimización (SGD, Adagrad, Adadelta, RMSprop, Adam, etc.) funcionan mejor para LSTM. ¿Hay trabajos de investigación sobre este tema? Además, ¿la respuesta depende del tipo de aplicación para la que estoy usando el LSTM? Si es así, …

20 machine-learning neural-networks optimization lstm

¿Caret train funciona para glmnet validación cruzada para alpha y lambda?

¿El caretpaquete R valida por ambos alphay lambdapara el glmnetmodelo? Ejecutando este código, eGrid <- expand.grid(.alpha = (1:10) * 0.1, .lambda = (1:10) * 0.1) Control <- trainControl(method = "repeatedcv",repeats = 3,verboseIter =TRUE) netFit <- train(x =train_features, y = y_train, method = "glmnet", tuneGrid = eGrid, trControl = Control) El …

20 r machine-learning cross-validation caret glmnet

¿Por qué no funciona la propagación hacia atrás cuando inicializa los pesos con el mismo valor?

¿Por qué no funciona la propagación hacia atrás cuando inicializa todo el peso con el mismo valor (digamos 0.5), pero funciona bien cuando se le dan números aleatorios? ¿No debería el algoritmo calcular el error y trabajar desde allí, a pesar de que los pesos son inicialmente los mismos?

20 machine-learning neural-networks backpropagation

Aprendizaje profundo: ¿Cómo sé qué variables son importantes?

En términos de jerga de redes neuronales (y = Peso * x + sesgo), ¿cómo sabría qué variables son más importantes que otras? Tengo una red neuronal con 10 entradas, 1 capa oculta con 20 nodos y 1 capa de salida que tiene 1 nodo. No estoy seguro de cómo …

20 machine-learning neural-networks bias tensorflow theano

¿Cuándo son los algoritmos genéticos una buena opción para la optimización?

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

¿Por qué los pesos de las redes RNN / LSTM se comparten a lo largo del tiempo?

Recientemente me interesé en los LSTM y me sorprendió saber que los pesos se comparten a lo largo del tiempo. Sé que si comparte los pesos a lo largo del tiempo, sus secuencias de tiempo de entrada pueden ser de longitud variable. Con los pesos compartidos tiene muchos menos parámetros …

20 machine-learning lstm rnn

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.

Licensed under cc by-sa 3.0 with attribution required.