Preguntas etiquetadas con svm

Tengo un conjunto de datos de prueba altamente desequilibrado. El conjunto positivo consta de 100 casos, mientras que el conjunto negativo consta de 1500 casos. En el lado del entrenamiento, tengo un grupo de candidatos más grande: el conjunto de entrenamiento positivo tiene 1200 casos y el conjunto de entrenamiento …

16 machine-learning  classification  data-mining  svm  bioinformatics 

Entonces, soy un novato en el campo de ML e intento hacer alguna clasificación. Mi objetivo es predecir el resultado de un evento deportivo. He reunido algunos datos históricos y ahora trato de entrenar a un clasificador. Obtuve alrededor de 1200 muestras, 0.2 de ellas las dividí para fines de …

16 classification  svm  feature-selection  random-forest 

Tengo un conjunto de datos de 120 muestras en una configuración de validación cruzada 10 veces. Actualmente, elijo los datos de entrenamiento de la primera reserva y hago una validación cruzada de 5 veces para elegir los valores de gamma y C mediante la búsqueda de cuadrícula. Estoy usando SVM …

16 machine-learning  classification  cross-validation  svm 

Más de una pregunta general. Estoy ejecutando un SVM rbf para el modelado predictivo. Creo que mi programa actual definitivamente necesita un poco más de velocidad. Yo uso scikit learn con una búsqueda de grilla gruesa a fina + validación cruzada. Cada ejecución de SVM toma alrededor de un minuto, …

16 machine-learning  svm  predictive-models  scikit-learn  kernel-trick 

Quiero intentar usar Support Vector Machines (SVM) en mi conjunto de datos. Sin embargo, antes de intentar el problema, me advirtieron que los SVM no funcionan bien en datos extremadamente desequilibrados. En mi caso, puedo tener tanto como 95-98% 0's y 2-5% 1's. Traté de encontrar recursos que hablaran sobre …

15 svm  libsvm  unbalanced-classes 

Las pruebas de permutación (también llamadas prueba de aleatorización, prueba de aleatorización o prueba exacta) son muy útiles y resultan útiles cuando t-testno se cumple el supuesto de distribución normal requerido por ejemplo y cuando se transforman los valores mediante la clasificación de prueba no paramétrica como Mann-Whitney-U-testconduciría a la …

15 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Estoy tratando de entender la intuición detrás de los SVM del kernel. Ahora, entiendo cómo funciona el SVM lineal, mediante el cual se toma una línea de decisión que divide los datos lo mejor que puede. También entiendo el principio detrás de la transferencia de datos a un espacio de …

15 machine-learning  svm  kernel-trick 

Así que he estado jugando con SVM y me pregunto si esto es algo bueno: Tengo un conjunto de características continuas (0 a 1) y un conjunto de características categóricas que convertí en variables ficticias. En este caso particular, codifico la fecha de la medición en una variable ficticia: Hay …

15 categorical-data  svm  feature-selection  linear-model  feature-construction 

Al realizar la clasificación SVM lineal, a menudo es útil normalizar los datos de entrenamiento, por ejemplo restando la media y dividiendo por la desviación estándar, y luego escalar los datos de prueba con la media y la desviación estándar de los datos de entrenamiento. ¿Por qué este proceso cambia …

15 machine-learning  svm  standardization 

Los lugares que he estado leyendo sobre la maldición de la dimensionalidad lo explican conjuntamente con kNN principalmente, y los modelos lineales en general. Regularmente veo a los mejores clasificados en Kaggle usando miles de características en el conjunto de datos que apenas tiene 100k puntos de datos. Utilizan principalmente …

15 neural-networks  svm  k-means  k-nearest-neighbour  high-dimensional 

En mi proyecto quiero crear un modelo de regresión logística para predecir la clasificación binaria (1 o 0). Tengo 15 variables, 2 de las cuales son categóricas, mientras que el resto son una mezcla de variables continuas y discretas. Para ajustar un modelo de regresión logística, se me ha aconsejado …

14 machine-learning  logistic  classification  svm  separation 

¿Por qué se llaman "máquinas"? ¿Hay un origen para la palabra "máquina" utilizada en este contexto? (Al igual que el nombre "programación lineal" puede ser confuso, pero sabemos por qué se llama "programación").

14 svm  terminology  rbm  etymology 

La pérdida de bisagra se puede definir usando y la pérdida de registro se puede definir comomax ( 0 , 1 - yyowTXyo)max(0 0,1-yyowTXyo)\text{max}(0, 1-y_i\mathbf{w}^T\mathbf{x}_i)log ( 1 + exp( - yyowTXyo) )Iniciar sesión(1+Exp⁡(-yyowTXyo))\text{log}(1 + \exp(-y_i\mathbf{w}^T\mathbf{x}_i)) Tengo las siguientes preguntas: ¿Hay alguna desventaja en la pérdida de la bisagra (por ejemplo, …

14 machine-learning  svm  loss-functions  computer-vision 

Sé que la regresión logística encuentra un hiperplano que separa las muestras de entrenamiento. También sé que Support vector machines encuentra el hiperplano con el margen máximo. Mi pregunta: ¿la diferencia entre la regresión logística (LR) y las máquinas de vectores de soporte (SVM) es que LR encuentra algún hiperplano …

14 machine-learning  classification  svm  data-mining 

¿SVM maneja el conjunto de datos desequilibrado? ¿Hay algún parámetro (como C o costo de clasificación errónea) que maneja el conjunto de datos desequilibrado?

14 machine-learning  svm  unbalanced-classes