J'aimerais pouvoir concevoir un classifieur capable de faire la distinction entre différents types de conversations (sans nécessairement dire quoi que ce soit sur l'humeur, la sincérité ou le résultat, c'est un peu trop tiré par les cheveux). Savoir, par exemple, que parmi 50 échantillons de...
J'ai lu sur cet échange une méthode heuristique d'estimation du gamma pour le noyau rbf dans les SVM. Je me demandais si quelqu'un pourrait me l'expliquer plus en détail? Je crois que vous sélectionnez 1000 (ou un grand nombre) de paires de points de données dans l'ensemble de données, puis...
Je me souviens avoir vu / lu quelque part que pour les SVM multiclasses avec des données non équilibrées, il y avait un moyen de déterminer les poids de classe à partir des données de formation (plutôt que la validation X). Quelqu'un sait-il quelle est la méthode ou de quel papier provient-elle?...
Les algorithmes de stimulation, tels que AdaBoost , combinent plusieurs classificateurs «faibles» pour former un seul classificateur plus fort. Bien qu'en théorie, le renforcement devrait être possible avec n'importe quel classificateur de base, en pratique, il semble que les classificateurs basés...
J'utilise la régression vectorielle de support pour modéliser certaines données assez asymétriques (avec un kurtosis élevé). J'ai essayé de modéliser les données directement, mais je reçois des prédictions erronées, je pense principalement en raison de la distribution des données, qui est faussée à...
Existe-t-il une méthode de construction d'arbres de décision qui tienne compte des prédicteurs structurés / hiérarchiques / multiniveaux, qui me permettrait d'imposer des connaissances de domaine ou des contraintes sur les interactions par
Le problème de la conception d'un classificateur multi-classes à l'aide de LDA peut être exprimé comme un problème à 2 classes (un contre tout le reste) ou un problème multi-classes . Pourquoi est - ce que dans certains cas classificateur multi-classe LDA surclasse 2 classe LDA (un contre tout le...
Je calcule des probabilités conditionnelles et des intervalles de confiance à 95% associés. Pour bon nombre de mes cas, j'ai un décompte simple des xsuccès des nessais (à partir d'un tableau de contingence), donc je peux utiliser un intervalle de confiance binomial, tel que celui fourni par...
J'essaie d'implémenter la régularisation du manifold dans les machines à vecteurs de support (SVM) dans Matlab. Je suis les instructions du document de Belkin et al. (2006), il y a l'équation: f∗=argminf∈Hk∑li=1V(xi,yi,f)+γA∥f∥2A+γI∥f∥2If∗=argminf∈Hk∑i=1lV(xi,yi,f)+γA‖f‖A2+γI‖f‖I2f^{*} =...
Nous avons un petit ensemble de données (environ 250 échantillons * 100 entités) sur lequel nous voulons construire un classificateur binaire après avoir sélectionné le meilleur sous-ensemble d'entités. Disons que nous partitionnons les données en: Formation, validation et tests Pour la sélection...
J'ai un ensemble de données d'un sac de mots. Je choisis au hasard certains points et les utilise pour les tests et les autres sont utilisés pour la formation. cas (1) Je prends simplement chaque point de données de l'ensemble de test et le classe comme ayant la même étiquette de classe que son...
Je sais que c'est principalement un site de statistiques, donc si je suis hors sujet, veuillez me rediriger. J'ai un système avec des pompes qui se cassent parfois et doivent être remplacées. Je voudrais pouvoir prédire les pannes et ainsi prévenir rapidement les personnes qui remplacent les...
Quelqu'un a-t-il un bref exemple pédagogique sur la façon d'utiliser les réseaux de neurones ( nnetdans R par exemple) à des fins de prédiction? Voici un exemple, en R, d'une série chronologique T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Ce n'est...
Les méthodes d'apprentissage à noyaux multiples visent à construire un modèle de noyau où le noyau est une combinaison linéaire de noyaux à base fixe. L'apprentissage du noyau consiste alors à apprendre les coefficients de pondération pour chaque noyau de base, plutôt que d'optimiser les paramètres...
Contexte du problème: Dans le cadre de mes recherches, j'ai écrit deux algorithmes qui peuvent sélectionner un ensemble de fonctionnalités à partir d'un ensemble de données (données d'expression génique de patients cancéreux). Ces caractéristiques sont ensuite testées pour voir dans quelle mesure...
Je suis un grand fan de football et je m'intéresse aussi à l'apprentissage automatique. En tant que projet pour mon cours de ML, j'essaie de construire un modèle qui prédirait les chances de gagner pour l'équipe à domicile, étant donné les noms de l'équipe à domicile et à l'extérieur. (Je recherche...
J'ai noté que la tâche de régression dans l'apprentissage automatique est en quelque sorte liée à la résolution approximative d'équations différentielles - les deux tentent d'approximer une fonction inconnue. Alors, ma question est: le ML peut-il être d'une manière ou d'une autre utile pour...
Je travaille avec le code forestier aléatoire de Breiman ( http://stat-www.berkeley.edu/users/breiman/RandomForests/cc_manual.htm#c2 ) pour la classification des données satellites (apprentissage supervisé). J'utilise un ensemble de données de formation et de test ayant une taille d'échantillon de...
La nature discrète du DP le rend impropre à des applications générales dans les paramètres non paramétriques bayésiens, mais il est bien adapté au problème de placement des a priori sur les composants du mélange dans la modélisation des mélanges. Cette citation est extraite des processus...
Je comprends comment la meilleure répartition est choisie pour la forêt aléatoire pour les prédicteurs numériques (caractéristiques). Les prédicteurs numériques sont triés puis pour chaque valeur, l'impureté ou l'entropie de Gini est calculée et un seuil est choisi qui donne la meilleure...