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.

Para la clasificación con bosques aleatorios en R, ¿cómo se debe ajustar para los tamaños de clase desequilibrados?

Estoy explorando diferentes métodos de clasificación para un proyecto en el que estoy trabajando y estoy interesado en probar Random Forests. Estoy tratando de educarme a medida que avanzo, y agradecería cualquier ayuda brindada por la comunidad de CV. He dividido mis datos en conjuntos de entrenamiento / prueba. De …

17 r machine-learning random-forest

¿Sería posible / práctico un bosque aleatorio con múltiples salidas?

Los bosques aleatorios (RF) son un método competitivo de modelado / extracción de datos. Un modelo de RF tiene una salida: la variable de salida / predicción. El enfoque ingenuo para modelar múltiples salidas con RF sería construir un RF para cada variable de salida. Entonces tenemos N modelos independientes, …

17 machine-learning cart random-forest multilabel

ROC vs curvas de recuperación de precisión en un conjunto de datos desequilibrado

Acabo de terminar de leer esta discusión. Argumentan que PR AUC es mejor que ROC AUC en el conjunto de datos desequilibrados. Por ejemplo, tenemos 10 muestras en el conjunto de datos de prueba. 9 muestras son positivas y 1 es negativa. Tenemos un modelo terrible que predice todo lo …

17 machine-learning model-selection roc unbalanced-classes precision-recall

Interpretar la similitud negativa del coseno

Mi pregunta puede ser tonta. Así que me disculparé de antemano. Estaba tratando de usar el modelo GLOVE pre-entrenado por el grupo Stanford NLP ( enlace ). Sin embargo, noté que mis resultados de similitud mostraron algunos números negativos. Eso inmediatamente me llevó a mirar el archivo de datos de …

17 machine-learning word2vec cosine-similarity

¿Cómo se define matemáticamente la causalidad?

¿Cuál es la definición matemática de una relación causal entre dos variables aleatorias? Dada una muestra de la distribución conjunta de dos variables aleatorias XXX e YYY , ¿cuándo diríamos que XXX causa YYY ? Por contexto, estoy leyendo este artículo sobre descubrimiento causal .

16 machine-learning causality

¿El aprendizaje supervisado es un subconjunto del aprendizaje de refuerzo?

Parece que la definición de aprendizaje supervisado es un subconjunto de aprendizaje de refuerzo, con un tipo particular de función de recompensa que se basa en datos etiquetados (a diferencia de otra información en el entorno). ¿Es esta una representación precisa?

16 machine-learning terminology reinforcement-learning supervised-learning definition

¿Por qué el criterio de información de Akaike no se usa más en el aprendizaje automático?

Acabo de encontrarme con el "criterio de información de Akaike", y noté esta gran cantidad de literatura sobre la selección de modelos (también parecen existir cosas como BIC). ¿Por qué los métodos modernos de aprendizaje automático no aprovechan estos criterios de selección de modelos BIC y AIC?

16 machine-learning model-selection aic bic

¿Qué sucede aquí, cuando uso la pérdida al cuadrado en la configuración de regresión logística?

Estoy tratando de usar la pérdida al cuadrado para hacer una clasificación binaria en un conjunto de datos de juguete. Estoy usando mtcarsun conjunto de datos, uso millas por galón y peso para predecir el tipo de transmisión. El gráfico a continuación muestra los dos tipos de datos del tipo …

16 r machine-learning logistic optimization loss-functions

¿Qué se considera una buena pérdida de registro?

Estoy tratando de entender mejor la pérdida de registro y cómo funciona, pero una cosa que parece que no puedo encontrar es poner el número de pérdida de registro en algún tipo de contexto. Si mi modelo tiene una pérdida de registro de 0.5, ¿es bueno? ¿Qué se considera un …

16 machine-learning loss-functions log-loss

¿Cómo superan los métodos de conjunto a todos sus componentes?

Estoy un poco confundido sobre el aprendizaje conjunto. En pocas palabras, ejecuta k modelos y obtiene el promedio de estos k modelos. ¿Cómo se puede garantizar que el promedio de los k modelos sea mejor que cualquiera de los modelos por sí mismos? Entiendo que el sesgo está "extendido" o …

16 machine-learning ensemble

¿Qué teorías de la causalidad debo saber?

¿Qué enfoques teóricos de la causalidad debería conocer como estadístico / econométrico aplicado? Conozco el (un poquito) Modelo causal de Neyman-Rubin (y Roy , Haavelmo , etc.) El trabajo de Pearl sobre la causalidad Causalidad de Granger (aunque menos orientada al tratamiento) ¿Qué conceptos extraño o debo tener en cuenta? …

16 machine-learning causality theory treatment-effect

cantidad de mapas de características en redes neuronales convolucionales

Al aprender la red neuronal convolucional, tengo preguntas sobre la siguiente figura. 1) C1 en la capa 1 tiene 6 mapas de características, ¿eso significa que hay seis núcleos convolucionales? Cada núcleo convolucional se utiliza para generar un mapa de características basado en la entrada. 2) S1 en la capa …

16 machine-learning neural-networks deep-learning pattern-recognition conv-neural-network

Cómo hacer análisis de datos exploratorios para elegir el algoritmo de aprendizaje automático apropiado

Estamos estudiando el aprendizaje automático a través del aprendizaje automático: una perspectiva probabilística (Kevin Murphy). Si bien el texto explica la base teórica de cada algoritmo, rara vez dice en qué caso qué algoritmo es mejor, y cuando lo hace, no dice cómo saber en qué caso estoy. Por ejemplo, …

16 machine-learning eda

¿Área bajo la curva ROC o área bajo la curva PR para datos desequilibrados?

Tengo algunas dudas sobre qué medida de rendimiento usar, área bajo la curva ROC (TPR como función de FPR) o área bajo la curva de recuperación de precisión (precisión como función de recuperación). Mis datos están desequilibrados, es decir, el número de instancias negativas es mucho mayor que las instancias …

16 r machine-learning roc precision-recall auc

¿En qué condiciones las máquinas de aumento de gradiente superan a los bosques aleatorios?

¿Puede la máquina de aumento de gradiente de Friedman lograr un mejor rendimiento que el Bosque aleatorio de Breiman ? Si es así, ¿en qué condiciones o qué tipo de conjunto de datos puede mejorar gbm?

16 machine-learning data-mining random-forest boosting

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.