Estadísticas y Big Data machine-learning

1

Extender modelos de 2 clases a problemas de múltiples clases

Este documento sobre Adaboost ofrece algunas sugerencias y códigos (página 17) para extender los modelos de 2 clases a problemas de clase K. Me gustaría generalizar este código, de modo que pueda conectar fácilmente diferentes modelos de 2 clases y comparar los resultados. Debido a que la mayoría de los …

11 r machine-learning classification statistical-learning multi-class

4

¿Hay casos en los que no hay una k óptima en k-medias?

Esto ha estado dentro de mi mente durante al menos unas pocas horas. Estaba tratando de encontrar una k óptima para la salida del algoritmo k-means (con una métrica de similitud de coseno ), así que terminé trazando la distorsión en función del número de grupos. Mi conjunto de datos …

11 machine-learning clustering k-means

3

¿Hay alguna biblioteca disponible para métodos tipo CART que utilicen predictores y respuestas dispersas?

Estoy trabajando con algunos conjuntos de datos grandes usando el paquete gbm en R. Tanto mi matriz de predicción como mi vector de respuesta son bastante escasos (es decir, la mayoría de las entradas son cero). Esperaba construir árboles de decisión usando un algoritmo que aprovecha esta escasez, como se …

11 r regression machine-learning classification cart

2

Importancia de las probabilidades iniciales de transición en un modelo oculto de Markov

¿Cuáles son los beneficios de dar ciertos valores iniciales a las probabilidades de transición en un modelo oculto de Markov? Finalmente, el sistema los aprenderá, entonces, ¿cuál es el punto de dar valores distintos de los aleatorios? ¿El algoritmo subyacente hace una diferencia como Baum-Welch? Si conozco las probabilidades de …

11 machine-learning expectation-maximization hidden-markov-model

2

¿Hay alguna manera de explicar una predicción de un modelo forestal aleatorio?

Digamos que tengo un modelo de clasificación predictivo basado en un bosque aleatorio (usando el paquete randomForest en R). Me gustaría configurarlo para que los usuarios finales puedan especificar un elemento para generar una predicción y generará una probabilidad de clasificación. Hasta ahora, no hay problema. Pero sería útil / …

11 machine-learning random-forest

3

¿Cómo elegir un buen punto de operación de las curvas de recuperación de precisión?

¿Existe algún método estándar para determinar un punto de operación "óptimo" en una curva de recuperación de precisión ? (es decir, determinar el punto en la curva que ofrece una buena compensación entre precisión y recuperación) Gracias

11 machine-learning precision-recall

1

¿Cuáles son algunos buenos marcos para la selección de métodos?

He estado buscando marcos teóricos para la selección de métodos (nota: no selección de modelos) y he encontrado muy poco trabajo sistemático motivado matemáticamente. Por "selección de método", me refiero a un marco para distinguir el método apropiado (o mejor, óptimo) con respecto a un problema o tipo de problema. …

11 machine-learning methodology theory

4

¿El Profeta de Facebook es diferente de una regresión lineal?

Entonces, lo que he leído sobre el profeta de Facebook es que básicamente divide la serie temporal en tendencia y estacionalidad. Por ejemplo, un modelo aditivo se escribiría como: y( t ) = g( t ) + s ( t ) + h ( t ) + ety(t)=g(t)+s(t)+h(t)+et y(t) = …

11 regression machine-learning time-series prophet

1

¿Por qué está mal interpretar SVM como probabilidades de clasificación?

Mi comprensión de SVM es que es muy similar a una regresión logística (LR), es decir, se pasa una suma ponderada de características a la función sigmoidea para obtener una probabilidad de pertenecer a una clase, pero en lugar de la pérdida de entropía cruzada (logística) función, el entrenamiento se …

11 machine-learning logistic svm

1

XGBoost puede manejar datos faltantes en la fase de pronóstico

Recientemente he revisado el algoritmo XGBoost y he notado que este algoritmo puede manejar datos faltantes (sin requerir imputación) en la fase de entrenamiento. Me preguntaba si XGboost puede manejar los datos faltantes (sin requerir imputación) cuando se usa para pronosticar nuevas observaciones o si es necesario imputar los datos …

11 machine-learning missing-data data-imputation xgboost

1

R / mgcv: ¿Por qué los productos tensoriales te () y ti () producen superficies diferentes?

El mgcvpaquete Rtiene dos funciones para ajustar las interacciones del producto tensorial: te()y ti(). Entiendo la división básica del trabajo entre los dos (ajustar una interacción no lineal versus descomponer esta interacción en efectos principales y una interacción). Lo que no entiendo es por qué te(x1, x2)y ti(x1) + ti(x2) …

11 r gam mgcv conditional-probability mixed-model references bayesian estimation conditional-probability machine-learning optimization gradient-descent r hypothesis-testing wilcoxon-mann-whitney time-series bayesian inference change-point time-series anova repeated-measures statistical-significance bayesian contingency-tables regression prediction quantiles classification auc k-means scikit-learn regression spatial circular-statistics t-test effect-size cohens-d r cross-validation feature-selection caret machine-learning modeling python optimization frequentist correlation sample-size normalization group-differences heteroscedasticity independence generalized-least-squares lme4-nlme references mcmc metropolis-hastings optimization r logistic feature-selection separation clustering k-means normal-distribution gaussian-mixture kullback-leibler java spark-mllib data-visualization categorical-data barplot hypothesis-testing statistical-significance chi-squared type-i-and-ii-errors pca scikit-learn conditional-expectation statistical-significance meta-analysis intuition r time-series multivariate-analysis garch machine-learning classification data-mining missing-data cart regression cross-validation matrix-decomposition categorical-data repeated-measures chi-squared assumptions contingency-tables prediction binary-data trend test-for-trend matrix-inverse anova categorical-data regression-coefficients standard-error r distributions exponential interarrival-time copula log-likelihood time-series forecasting prediction-interval mean standard-error meta-analysis meta-regression network-meta-analysis systematic-review normal-distribution multiple-regression generalized-linear-model poisson-distribution poisson-regression r sas cohens-kappa

2

Técnica de aprendizaje automático para aprender patrones de cuerdas

Tengo una lista de palabras, que pertenecen a diferentes categorías autodefinidas. Cada categoría tiene su propio patrón (por ejemplo, uno tiene una longitud fija con caracteres especiales, otro existe de caracteres que aparecen solo en esta categoría de "palabra", ...). Por ejemplo: "ABC" -> type1 "ACC" -> type1 "a8 219" …

11 machine-learning classification similarities supervised-learning

2

¿Qué se entiende por la varianza de * funciones * en * Introducción al aprendizaje estadístico *?

En la pág. 34 de Introducción al aprendizaje estadístico :\newcommand{\Var}{{\rm Var}} Aunque la prueba matemática está más allá del alcance de este libro, es posible mostrar que la prueba esperada MSE, para un valor dado x0x0x_0 , siempre se puede descomponer en la suma de tres cantidades fundamentales: la varianza …

11 machine-learning variance

2

¿Cómo se conectan los filtros y los mapas de activación en las redes neuronales convolucionales?

¿Cómo se conectan los mapas de activación en una capa dada a los filtros para esa capa? No estoy preguntando cómo hacer una operación convolucional entre el filtro y el mapa de activación, estoy preguntando sobre el tipo de conectividad que tienen estos dos. Por ejemplo, supongamos que desea hacer …

11 machine-learning deep-learning conv-neural-network

1

Función de pérdida de desviación binomial de Scikit

Esta es la función de pérdida de desviación binomial de GradientBoosting de scikit, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) …

11 machine-learning scikit-learn boosting loss-functions

Preguntas etiquetadas con machine-learning