Lors de la division de mes données étiquetées en ensembles de formation, de validation et de test, j'ai tout entendu du 50/25/25 au 85/5/10. Je suis sûr que cela dépend de la façon dont vous allez utiliser votre modèle et de la tendance à sur-adapter votre algorithme d'apprentissage. Existe-t-il un...
Je travaille sur un ensemble de données. Après avoir utilisé certaines techniques d'identification de modèle, je suis sorti avec un modèle ARIMA (0,2,1). J'ai utilisé la detectIOfonction dans le package TSAen R pour détecter une valeur aberrante innovante (IO) à la 48e observation de mon ensemble...
Pour un exemple simple, supposons qu'il existe deux modèles de régression linéaire Modèle 1 a trois prédicteurs, x1a, x2betx2c Le modèle 2 a trois prédicteurs du modèle 1 et deux prédicteurs supplémentaires x2aetx2b Il existe une équation de régression de la population où la variance de la...
J'en suis arrivé à une situation où les poids de mon réseau neuronal ne convergent pas même après 500 itérations. Mon réseau de neurones contient 1 couche d'entrée, 1 couche cachée et 1 couche de sortie. Ils sont environ 230 nœuds dans la couche d'entrée, 9 nœuds dans la couche cachée et 1 nœud de...
Je suis tombé sur une question simple sur la comparaison des modèles flexibles (c'est-à-dire des splines) et des modèles inflexibles (par exemple la régression linéaire) dans différents scénarios. La question est: En général, nous attendons-nous à ce que les performances d'une méthode...
Dans de nombreux algorithmes d'apprentissage automatique, la mise à l'échelle des fonctionnalités (aka mise à l'échelle variable, normalisation) est une étape de pré-traitement courante Wikipedia - Mise à l'échelle des fonctionnalités - cette question était proche Question # 41704 - Comment et...
En étudiant la sélection de covariance, j'ai lu une fois l'exemple suivant. En ce qui concerne le modèle suivant: Sa matrice de covariance et sa matrice de covariance inverse sont données comme suit, Je ne comprends pas pourquoi l'indépendance de et est décidée par la covariance inverse ici?xxxyyy...
Les méthodes du noyau sont très efficaces dans de nombreuses tâches de classification supervisées. Quelles sont donc les limites des méthodes du noyau et quand utiliser les méthodes du noyau? Surtout à l'ère des données à grande échelle, quelles sont les avancées des méthodes du noyau? Quelle est...
Dans une classification simple, nous avons deux classes: classe 0 et classe 1. Dans certaines données, je n'ai que des valeurs pour la classe 1, donc aucune pour la classe 0. Maintenant, je pense à faire un modèle pour modéliser les données pour la classe 1. Ainsi, lorsque de nouvelles données...
Je n'ai trouvé aucune documentation sur l'application des forêts aléatoires au MNIST, au CIFAR, au STL-10, etc., alors j'ai pensé les essayer moi-même avec le MNIST invariant par permutation . Dans R , j'ai essayé: randomForest(train$x, factor(train$y), test$x, factor(test$y), ntree=500) Cela a...
Le chapitre 2.4 d' ESL semble classer la régression linéaire comme "basée sur un modèle", car elle suppose , alors qu'aucune approximation similaire n'est indiquée pour les k-voisins les plus proches. Mais les deux méthodes ne font-elles pas d'hypothèses sur ?f ( x )F( x ) ≈ x ⋅ βf(x)≈x⋅βf(x)...
Je suis nouveau dans l'analyse de survie et j'ai récemment appris qu'il existe différentes façons de le faire en fonction d'un certain objectif. Je suis intéressé par la mise en œuvre réelle et la pertinence de ces méthodes. On m'a présenté les traditionnels risques proportionnels de Cox , les...
J'essaie simplement de mettre en œuvre l'algorithme Baum-Welch mis à l'échelle et j'ai rencontré un problème où mes variables en arrière, après la mise à l'échelle, dépassent la valeur 1. Est-ce normal? Après tout, les probabilités ne devraient pas dépasser 1. J'utilise le facteur d'échelle que...
J'entends souvent parler de l'évaluation des performances d'un modèle de classification en présentant l'ensemble de test et en entraînant un modèle sur l'ensemble de formation. Puis création de 2 vecteurs, un pour les valeurs prédites et un pour les vraies valeurs. Évidemment, faire une comparaison...
De cette vidéo d'Andrew Ng vers 5h00 Comment sont δ3δ3\delta_3 et δ2δ2\delta_2dérivé? En fait, qu'est-ce queδ3δ3\delta_3 signifie même? δ4δ4\delta_4 est obtenu en comparant à y, une telle comparaison n'est pas possible pour la sortie d'une couche cachée,
Contexte: Je développe un système qui analyse les données cliniques pour filtrer les données invraisemblables qui pourraient être des fautes de frappe. Ce que j'ai fait jusqu'à présent: Pour quantifier la plausibilité, ma tentative jusqu'à présent était de normaliser les données, puis de calculer...
Je compare actuellement trois méthodes et j'ai la précision, auROC et auPR comme métriques. Et j'ai les résultats suivants: Méthode A - acc: 0,75, auROC: 0,75, auPR: 0,45 Méthode B - acc: 0,65, auROC: 0,55, auPR: 0,40 Méthode C - acc: 0,55, auROC: 0,70, auPR: 0,65 J'ai une bonne compréhension de...
Quelle est une bonne mesure pour évaluer la qualité de l'analyse en composantes principales (ACP)? J'ai effectué cet algorithme sur un ensemble de données. Mon objectif était de réduire le nombre de fonctionnalités (l'information était très redondante). Je sais que le pourcentage de variance...
Christopher Bishop écrit dans son livre Pattern Recognition and Machine Learning une preuve, que chaque composant principal consécutif maximise la variance de la projection à une dimension, après que les données ont été projetées dans l'espace orthogonal aux composants précédemment sélectionnés....
Je dois utiliser le noyau exponentiel carré (SE) pour la régression du processus gaussien. Les avantages de ce noyau sont: 1) simple: seulement 3 hyperparamètres; 2) lisse: ce noyau est gaussien. Pourquoi les gens aiment-ils tant la «douceur»? Je sais que le noyau gaussien est infiniment...