Estadísticas y Big Data machine-learning

3

Realice una regresión lineal, pero fuerce la solución para pasar por algunos puntos de datos particulares

Sé cómo realizar una regresión lineal en un conjunto de puntos. Es decir, sé cómo ajustar un polinomio de mi elección, a un conjunto de datos dado (en el sentido LSE). Sin embargo, lo que no sé es cómo forzar a mi solución a pasar por algunos puntos particulares de …

14 regression machine-learning least-squares linear-model polynomial

3

¿Cuáles deberían ser los parámetros óptimos para el clasificador de bosque aleatorio?

Actualmente estoy usando RF toolbox en MATLAB para un problema de clasificación binaria Conjunto de datos: 50000 muestras y más de 250 características Entonces, ¿cuál debería ser el número de árboles y la función seleccionada al azar en cada división para cultivar los árboles? ¿Puede algún otro parámetro afectar en …

14 machine-learning classification random-forest

2

¿Cómo funciona Naive Bayes con variables continuas?

A mi entender (muy básico), Naive Bayes estima las probabilidades en función de las frecuencias de clase de cada característica en los datos de entrenamiento. Pero, ¿cómo calcula la frecuencia de las variables continuas? Y al hacer predicciones, ¿cómo clasifica una nueva observación que puede no tener los mismos valores …

14 machine-learning classification bayesian naive-bayes

2

¿Qué es una clase SVM y cómo funciona?

Estaba usando una clase SVM , implementada en scikit-learn, para mi trabajo de investigación. Pero no tengo una buena comprensión de esto. ¿Alguien puede dar una explicación simple y buena de una clase SVM ?

14 machine-learning svm data-mining novelty-detection

6

Estimación de MLE vs MAP, ¿cuándo usar cuál?

MLE = Estimación de máxima verosimilitud MAP = Máximo a posteriori MLE es intuitivo / ingenuo en el sentido de que comienza solo con la probabilidad de observación dado el parámetro (es decir, la función de probabilidad) y trata de encontrar el parámetro que mejor concuerde con la observación . …

14 machine-learning bayesian estimation maximum-likelihood inference

1

¿Cómo entrenar el modelo LSTM en datos de series de tiempo múltiples?

¿Cómo entrenar el modelo LSTM en datos de series de tiempo múltiples? Caso de uso: Tengo ventas semanales de 20,000 agentes durante los últimos 5 años. Necesita pronosticar las próximas ventas semanales para cada agente. ¿Debo seguir una técnica de procesamiento por lotes: tomar un agente a la vez, entrenar …

14 machine-learning time-series statistical-significance lstm artificial-intelligence

3

¿Cuál es exactamente la diferencia entre un modelo paramétrico y no paramétrico?

Estoy confundido con la definición de modelo no paramétrico después de leer este enlace Modelos paramétricos versus no paramétricos y responder comentarios de mi otra pregunta . Originalmente pensé que "paramétrico vs no paramétrico" significa si tenemos supuestos de distribución en el modelo (similar a la prueba de hipótesis paramétrica …

14 machine-learning neural-networks nonparametric terminology parametric

2

¿Es el umbral de decisión un hiperparámetro en la regresión logística?

Las clases pronosticadas a partir de la regresión logística (binaria) se determinan utilizando un umbral en las probabilidades de pertenencia a la clase generadas por el modelo. Según tengo entendido, normalmente se usa 0.5 por defecto. Pero variar el umbral cambiará las clasificaciones predichas. ¿Esto significa que el umbral es …

13 machine-learning logistic scikit-learn hyperparameter

3

¿Por qué es útil el bootstrapping?

Si todo lo que está haciendo es volver a tomar muestras de la distribución empírica, ¿por qué no solo estudiar la distribución empírica? Por ejemplo, en lugar de estudiar la variabilidad mediante muestreo repetido, ¿por qué no cuantificar la variabilidad a partir de la distribución empírica?

13 machine-learning mathematical-statistics sampling bootstrap resampling

1

Comparación de dos modelos cuando las curvas ROC se cruzan

Una medida común utilizada para comparar dos o más modelos de clasificación es usar el área bajo la curva ROC (AUC) como una forma de evaluar indirectamente su desempeño. En este caso, un modelo con un AUC más grande generalmente se interpreta que funciona mejor que un modelo con un …

13 machine-learning classification roc auc model-evaluation

2

Optimización y Machine Learning

Quería saber cuánto del aprendizaje automático requiere optimización. Por lo que he escuchado, las estadísticas son un tema matemático importante para las personas que trabajan con el aprendizaje automático. Del mismo modo, ¿qué importancia tiene para alguien que trabaja con el aprendizaje automático aprender sobre la optimización convexa o no …

13 machine-learning optimization

2

Redes neuronales: ¿Una variable caliente y abrumadora continua?

Tengo datos sin procesar que tienen alrededor de 20 columnas (20 características). Diez de ellos son datos continuos y 10 de ellos son categóricos. Algunos de los datos categóricos pueden tener como 50 valores diferentes (Estados de EE. UU.). Después de preprocesar los datos, las 10 columnas continuas se convierten …

13 machine-learning neural-networks tensorflow data-preprocessing theano

1

¿Por qué el aprendizaje de refuerzo profundo es inestable?

En el documento de 2015 de DeepMind sobre el aprendizaje de refuerzo profundo, afirma que "Los intentos anteriores de combinar RL con redes neuronales habían fracasado en gran medida debido al aprendizaje inestable". Luego, el documento enumera algunas causas de esto, en función de las correlaciones entre las observaciones. ¿Podría …

13 machine-learning neural-networks deep-learning reinforcement-learning

3

Elegir los hiperparámetros usando T-SNE para la clasificación

En un problema específico con el que trabajo (una competencia) tengo la siguiente configuración: 21 características (numéricas en [0,1]) y una salida binaria. Tengo aproximadamente 100 K filas. El escenario parece ser muy ruidoso. Yo y otros participantes aplicamos la generación de características por un tiempo y la inserción de …

13 machine-learning dimensionality-reduction unsupervised-learning tsne

2

¿Por qué las redes neuronales se engañan fácilmente?

He leído algunos documentos sobre la creación manual de imágenes para "engañar" a una red neuronal (ver más abajo). ¿Es esto porque las redes solo modelan la probabilidad condicional ? Si una red puede modelar la probabilidad conjunta , ¿seguirán ocurriendo estos casos?p ( yEl | x)pag(yEl |X)p(y|x)p ( y, …

13 machine-learning neural-networks deep-learning

Preguntas etiquetadas con machine-learning