J'ai lu ailleurs que le choix d'une fonction d'activation de couche cachée dans un NN devrait être basé sur ses besoins , c'est-à-dire que si vous avez besoin de valeurs dans la plage -1 à 1, utilisez tanh et utilisez sigmoid pour la plage 0 à 1. Ma question est de savoir comment sait-on quels sont...
Comment prouver que pour la fonction de base radiale il n'y a pasespace caractéristique de dimension finieHtelle sorte que pendantcertainΦ:Rn→Hnous avonsk(x,y)=⟨Φ(x),Φ(yk(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2})HHHΦ:Rn→HΦ:Rn→H\Phi: \text{R}^n...
J'essaie de résoudre ce problème depuis plus d'un an sans grand progrès. Cela fait partie d'un projet de recherche que je fais, mais je vais l'illustrer avec un exemple d'histoire que j'ai inventé, car le domaine réel du problème est un peu déroutant (eye-tracking). Vous êtes un avion qui suit un...
Je sais comment effectuer une régression linéaire sur un ensemble de points. Autrement dit, je sais comment adapter un polynôme de mon choix, à un ensemble de données donné (au sens LSE). Cependant, ce que je ne sais pas, c'est comment forcer ma solution à passer par certains points particuliers de...
J'ai du mal à comprendre la malédiction de la dimensionnalité. Plus précisément, je l'ai rencontré en faisant le scikit-learntutoriel en python. Quelqu'un peut-il expliquer plus simplement ce qui suit? Désolé, j'essaie de comprendre depuis longtemps et je ne comprends pas comment ils ont calculé le...
J'entraîne un modèle de classification avec Random Forest pour faire la distinction entre 6 catégories. Mes données transactionnelles ont environ 60k + observations et 35 variables. Voici un exemple de son apparence approximative. _________________________________________________...
MLE = Estimation du maximum de vraisemblance MAP = Maximum a posteriori Le MLE est intuitif / naïf en ce qu'il ne commence qu'avec la probabilité d'observation compte tenu du paramètre (c'est-à-dire la fonction de vraisemblance) et essaie de trouver le paramètre le plus conforme à l'observation ....
Pour évaluer les performances d'un nouvel algorithme de classificateur, j'essaie de comparer la précision et la complexité (big-O dans la formation et la classification). De Machine Learning: un examen, j'obtiens une liste complète des classificateurs supervisés, ainsi qu'un tableau de précision...
J'utilisais une classe SVM , implémentée dans scikit-learn, pour mon travail de recherche. Mais je n'ai pas une bonne compréhension de cela. Quelqu'un peut-il donner une explication simple et bonne d' une classe SVM
La page de Scikit Learn sur la sélection de modèles mentionne l'utilisation de la validation croisée imbriquée: >>> clf = GridSearchCV(estimator=svc, param_grid=dict(gamma=gammas), ... n_jobs=-1) >>> cross_validation.cross_val_score(clf, X_digits, y_digits) Deux boucles de...
Je suis tombé sur le terme Machines de factorisation dans les systèmes de recommandation. Je sais ce qu'est la factorisation matricielle pour les systèmes de recommandation, mais je n'ai jamais entendu parler des machines de factorisation. Alors quelle est la
J'ai vu une version «invariante par permutation» de la tâche de reconnaissance des chiffres du MNIST. Qu'est-ce que ça veut
SVM gère-t-il un ensemble de données déséquilibré? S'agit-il de paramètres (comme C, ou coût de classification erronée) gérant l'ensemble de données
F1-score est la moyenne harmonique de précision et de rappel. L'axe des y du rappel est le véritable taux positif (qui est également le rappel). Donc, parfois, les classificateurs peuvent avoir un faible rappel mais une ASC très élevée, qu'est-ce que cela signifie? Quelles sont les différences...
Citation de wikipedia: En statistique, un estimateur cohérent ou un estimateur asymptotiquement cohérent est un estimateur - une règle pour calculer les estimations d'un paramètre ayant la propriété que, comme le nombre de points de données utilisés augmente indéfiniment, la séquence résultante...
J'ai implémenté Q-Learning comme décrit dans, http://web.cs.swarthmore.edu/~meeden/cs81/s12/papers/MarkStevePaper.pdf Afin d'env. Q (S, A) J'utilise une structure de réseau neuronal comme la suivante, Sigmoïde d'activation Entrées, nombre d'entrées + 1 pour les neurones d'action (toutes les entrées...
Il semble que pour les moyennes K et d'autres algorithmes associés, le regroupement est basé sur le calcul de la distance entre les points. Y en a-t-il un qui fonctionne sans
Je sais que la régression logistique trouve un hyperplan qui sépare les échantillons d'entraînement. Je sais également que les machines à vecteurs de support trouvent l'hyperplan avec la marge maximale. Ma question: est-ce que la différence entre la régression logistique (LR) et les machines à...
Je suis un peu confus: en quoi les résultats d'un modèle formé via le signe d'insertion peuvent-ils différer du modèle de l'emballage d'origine? J'ai lu si le prétraitement est nécessaire avant la prédiction à l'aide de FinalModel de RandomForest avec package caret? mais je n'utilise aucun...
La perte de charnière peut être définie à l'aide de et la perte de journal peut être définie commemax ( 0 , 1 - yjewTXje)max(0,1-yjewTXje)\text{max}(0, 1-y_i\mathbf{w}^T\mathbf{x}_i)journal ( 1 + exp( - yjewTXje) )Journal(1+exp(-yjewTXje))\text{log}(1 + \exp(-y_i\mathbf{w}^T\mathbf{x}_i)) J'ai les...