Preguntas etiquetadas con optimization

Estaba leyendo sobre la optimización para un problema mal planteado en la visión por computadora y encontré la explicación a continuación sobre la optimización en Wikipedia. Lo que no entiendo es, ¿por qué llaman a esta optimización " Minimización de energía " en Computer Vision? Un problema de optimización se …

14 machine-learning  optimization  computer-vision 

Sé que k-means generalmente se optimiza usando Maximización de Expectativas . Sin embargo, podríamos optimizar su función de pérdida de la misma manera que optimizamos cualquier otra. Encontré algunos documentos que en realidad usan el descenso de gradiente estocástico para medios k a gran escala, pero no pude responder a …

14 optimization  k-means  expectation-maximization  loss-functions 

He escuchado la siguiente expresión antes: "La optimización es la raíz de todo mal en las estadísticas". Por ejemplo, la respuesta principal en este hilo hace esa declaración en referencia al peligro de optimizar demasiado agresivamente durante la selección del modelo. Mi primera pregunta es la siguiente: ¿Es esta cita …

14 cross-validation  optimization  overfitting 

¿Alguna recomendación para elegir una biblioteca de optimización restringida adecuada para mi función de optimización? Estoy minimizando ai) la función no lineal con restricciones lineales de igualdad y desigualdad, y ii) tengo disponible el gradiente y el hessian de la función. Si ayuda, la función que estoy minimizando es la …

14 r  optimization  software 

Mi objetivo es clasificar las señales del sensor. El concepto de mi solución hasta ahora es: i) Características de ingeniería de la señal sin procesar ii) Seleccionar características relevantes con ReliefF y un enfoque de agrupamiento iii) Aplicar NN, Bosque aleatorio y SVM Sin embargo, estoy atrapado en un dilema. …

14 feature-selection  hyperparameter  optimization 

Tengo una pregunta sobre la optimización de parámetros cuando uso la validación cruzada 10 veces. Quiero preguntar si los parámetros deberían arreglarse o no durante el entrenamiento del modelo de cada pliegue, es decir (1) seleccionar un conjunto de parámetros optimizados para la precisión promedio de cada pliegue. o (2) …

14 cross-validation  optimization  parameterization 

El propósito del trabajo era optimizar algunos parámetros maximizando la probabilidad de registro regularizada. Luego calculan derivadas parciales. Y luego, los autores mencionan que optimizan la ecuación utilizando L-BFGS, un procedimiento estándar de cuasi-Newton para optimizar las funciones suaves de muchas variables (sin más detalles). Como funciona ?

14 algorithms  optimization 

Por lo general, en la regresión logística, ajustamos un modelo y obtenemos algunas predicciones sobre el conjunto de entrenamiento. Luego validamos de manera cruzada esas predicciones de entrenamiento (algo así como aquí ) y decidimos el valor umbral óptimo basado en algo como la curva ROC. ¿Por qué no incorporamos …

13 logistic  cross-validation  optimization  roc  threshold 

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 

Objetivo Confirme si la comprensión de KKT es correcta o no. Busque más explicaciones y confirmaciones sobre KKT. Antecedentes Tratando de entender las condiciones de KKT, especialmente la complementaria, que siempre aparece de la nada en los artículos SVM. No necesito una lista de fórmulas abstractas, pero sí una explicación …

13 svm  optimization  lagrange-multipliers 

Estoy trabajando en un proyecto de filtrado colaborativo (CF), es decir, completar una matriz parcialmente observada o, en general, un tensor. Soy un novato en el campo, y para este proyecto eventualmente tengo que comparar nuestro método con otros conocidos que hoy en día, los métodos propuestos se comparan con …

13 optimization  recommender-system  matrix-decomposition 

Un amigo mío vende modelos de licuadoras. Algunos de los mezcladores son muy simples y baratos, otros son muy sofisticados y más caros. Sus datos consisten, para cada mes, en los precios de cada licuadora (que son fijados por él) y el número de unidades vendidas para cada modelo. Para …

13 optimization 

Una de las motivaciones para la red elástica fue la siguiente limitación de LASSO: En el caso , el lazo selecciona como máximo n variables antes de saturarse, debido a la naturaleza del problema de optimización convexa. Esto parece ser una característica limitante para un método de selección variable. Además, …

13 regression  optimization  feature-selection  lasso 

¿Hay alguna alternativa rápida al algoritmo EM para aprender modelos con variables latentes (especialmente pLSA)? Estoy de acuerdo con sacrificar la precisión en favor de la velocidad.

13 machine-learning  optimization  expectation-maximization  lsa 

El clasificador Naive Bayes es el clasificador que asigna elementos a una clase función de la maximización de la posterior para la pertenencia a clases, y supone que las características de los elementos son independientes.C P ( C | x )xxxCCCP(C|x)P(C|x)P(C|x) La pérdida 0-1 es la pérdida que asigna a …

13 machine-learning  bayesian  optimization  naive-bayes  loss-functions