Estadísticas y Big Data machine-learning

1

¿Los procesos estocásticos como el proceso gaussiano / proceso de Dirichlet tienen densidades? Si no, ¿cómo se les puede aplicar la regla de Bayes?

El Proceso de Dirichlet y el Proceso Gaussiano a menudo se denominan "distribuciones sobre funciones" o "distribuciones sobre distribuciones". En ese caso, ¿puedo hablar significativamente sobre la densidad de una función en un GP? Es decir, ¿el Proceso Gaussiano o el Proceso de Dirichlet tienen alguna noción de densidad de …

10 machine-learning probability bayesian nonparametric nonparametric-bayes

3

regresión del proceso gaussiano para grandes conjuntos de datos

He estado aprendiendo sobre la regresión del proceso gaussiano a partir de videos en línea y notas de conferencias, entiendo que si tenemos un conjunto de datos con puntos, asumimos que los datos se muestrean a partir de un gaussiano multivariado dimensional. Entonces, mi pregunta es en el caso en …

10 machine-learning probability inference gaussian-process multivariate-regression

2

Propósito del ruido Dirichlet en el papel AlphaZero

En los documentos AlphaGo Zero y AlphaZero de DeepMind , describen la adición de ruido Dirichlet a las probabilidades previas de acciones desde el nodo raíz (estado del tablero) en Monte Carlo Tree Search: Se logra una exploración adicional al agregar ruido de Dirichlet a las probabilidades anteriores en el …

10 machine-learning neural-networks dirichlet-distribution

1

¿Por qué las características aleatorias de Fourier no son negativas?

Las características aleatorias de Fourier proporcionan aproximaciones a las funciones del núcleo. Se utilizan para varios métodos de kernel, como SVM y procesos gaussianos. Hoy, intenté usar la implementación de TensorFlow y obtuve valores negativos para la mitad de mis funciones. Según tengo entendido, esto no debería suceder. Así que …

10 machine-learning kernel-smoothing feature-construction tensorflow fourier-transform

1

¿Cómo son las SVM = Coincidencia de plantillas?

Leí sobre SVM y aprendí que están resolviendo un problema de optimización y que la idea de margen máximo era muy razonable. Ahora, usando núcleos pueden encontrar incluso límites de separación no lineales, lo cual fue genial. Hasta ahora, realmente no tengo idea de cómo se relacionan las SVM (una …

10 machine-learning neural-networks svm deep-learning kernel-trick

1

Análisis complejo, análisis funcional para una comprensión más profunda de Machine Learning

Quiero profundizar en el aprendizaje automático (teoría y aplicación en finanzas). Quiero preguntar qué tan relevantes son el análisis complejo y el análisis funcional como base para el aprendizaje automático. ¿Necesito aprender estos temas o debo concentrarme en otro tema (si es así, en cuál?)

10 machine-learning pac-learning

1

¿Cómo calcular fuera de la muestra R al cuadrado?

Sé que esto probablemente se haya discutido en otro lugar, pero no he podido encontrar una respuesta explícita. Estoy tratando de usar la fórmula R2= 1 - SSR / SSTR2=1-SSR/ /SSTR^2 = 1 - SSR/SST para calcular fuera de muestra R2R2R^2de un modelo de regresión lineal, donde SSRSSRSSR es la …

10 regression machine-learning r-squared out-of-sample

1

¿Tiene sentido usar la selección de características antes de Random Forest?

Todo está en el título, ¿tiene sentido usar la selección de características antes de usar un bosque aleatorio?

10 machine-learning feature-selection random-forest

1

¿Hay aplicaciones donde SVM sigue siendo superior?

El algoritmo SVM es bastante antiguo: se desarrolló en la década de 1960, pero fue extremadamente popular en los años 1990 y 2000. Es una parte clásica (y bastante hermosa) de los cursos de aprendizaje automático. Hoy parece que en el procesamiento de medios (imágenes, sonido, etc.) las redes neuronales …

10 machine-learning svm

1

Derivada de la pérdida de entropía cruzada en word2vec

Estoy tratando de abrirme camino a través del primer conjunto de problemas del material del curso en línea de la clase de Stanford cs224d y tengo algunos problemas con el problema 3A: cuando uso el modelo de omisión de word2vec con la función de predicción softmax y la función de …

10 machine-learning self-study word2vec

2

¿Qué es la bucketización?

He estado dando vueltas para encontrar una explicación clara de "bucketization" en el aprendizaje automático sin suerte. Lo que entiendo hasta ahora es que la bucketización es similar a la cuantificación en el procesamiento de señales digitales donde un rango de valores continuos se reemplaza con un valor discreto. ¿Es …

10 machine-learning dataset data-preprocessing

2

Validación cruzada anidada: ¿en qué se diferencia de la selección del modelo a través de kfold CV en el conjunto de entrenamiento?

A menudo veo personas hablando de validación cruzada 5x2 como un caso especial de validación cruzada anidada . Supongo que el primer número (aquí: 5) se refiere al número de pliegues en el bucle interno y el segundo número (aquí: 2) se refiere al número de pliegues en el bucle …

10 machine-learning cross-validation hyperparameter

3

¿Por qué a la gente le gustan los datos fluidos?

Debo usar el núcleo exponencial cuadrado (SE) para la regresión del proceso gaussiano. Las ventajas de este núcleo son: 1) simple: solo 3 hiperparámetros; 2) suave: este núcleo es gaussiano. ¿Por qué a la gente le gusta tanto la "suavidad"? Sé que el núcleo gaussiano es infinitamente diferenciable, pero ¿es …

10 machine-learning

2

¿Por qué PCA maximiza la varianza total de la proyección?

Christopher Bishop escribe en su libro Pattern Recognition and Machine Learning una prueba de que cada componente principal consecutivo maximiza la varianza de la proyección a una dimensión, después de que los datos se hayan proyectado en el espacio ortogonal a los componentes previamente seleccionados. Otros muestran pruebas similares. Sin …

10 machine-learning variance pca dimensionality-reduction eigenvalues

2

¿Es f-measure sinónimo de precisión?

Entiendo que la medida f (basada en la precisión y el recuerdo) es una estimación de la precisión de un clasificador. Además, la medida f se ve favorecida sobre la precisión cuando tenemos un conjunto de datos desequilibrado. Tengo una pregunta simple (que trata más sobre el uso de la …

10 machine-learning classification data-mining unbalanced-classes accuracy

Preguntas etiquetadas con machine-learning