random-forest पर टैग किए गए जवाब

रैंडम फ़ॉरेस्ट एक मशीन-सीखने वाला क्लासिफ़ायर है, जो प्रत्येक पेड़ के लिए चर के यादृच्छिक सबसेट को चुनने और समग्र वर्गीकरण के रूप में सबसे लगातार वृक्ष उत्पादन का उपयोग करने पर आधारित है।

1
अधिक एकल निर्णय पेड़ जोड़कर ऑन लाइन यादृच्छिक वन
रैंडम फॉरेस्ट (RF) डिसीजन ट्रीज (DT) के एक पहनावा द्वारा बनाया जाता है। बैगिंग का उपयोग करके, प्रत्येक डीटी को एक अलग डेटा सब्मिट में प्रशिक्षित किया जाता है। इसलिए, नए डेटा पर अधिक निर्णय तनाव को जोड़कर एक ऑन-लाइन यादृच्छिक वन को लागू करने का कोई तरीका है? उदाहरण …

1
प्रतिगमन के लिए उच्च-कार्डिनैलिटी श्रेणीबद्ध विशेषताओं के साथ फ़ीचर महत्व (संख्यात्मक डिपेंडेंट चर)
मैं एक रिग्रेशन समस्या के लिए कुछ अनुभवजन्य सुविधा चयन करने के लिए रैंडम फ़ॉरेस्ट से फीचर इंपोर्टेंस का उपयोग करने की कोशिश कर रहा था, जहां सभी सुविधाएँ श्रेणीबद्ध हैं और उनमें से कई के कई स्तर हैं (100-1000 के आदेश पर)। यह देखते हुए कि एक-गर्म एन्कोडिंग प्रत्येक …

1
सुविधा-वनों में सुविधा आयातों का उपयोग करते हुए सुविधा चयन
मैंने स्किकिट-लर्न के साथ यादृच्छिक जंगलों में फ़ीचर आयात की साजिश रची है । यादृच्छिक जंगलों का उपयोग करके भविष्यवाणी में सुधार करने के लिए, मैं सुविधाओं को हटाने के लिए भूखंड की जानकारी का उपयोग कैसे कर सकता हूं? यानी प्लॉट की जानकारी के आधार पर यह पता कैसे …

1
मुझे कितने LSTM सेल का उपयोग करना चाहिए?
क्या LSTM कोशिकाओं की न्यूनतम, अधिकतम और "उचित" राशि से संबंधित अंगूठे (या वास्तविक नियम) के कोई नियम हैं जिनका मुझे उपयोग करना चाहिए? विशेष रूप से मैं कर रहा हूँ से संबंधित BasicLSTMCell TensorFlow और से num_unitsसंपत्ति। कृपया मान लें कि मेरे पास एक वर्गीकरण समस्या है जिसे परिभाषित …
12 rnn  machine-learning  r  predictive-modeling  random-forest  python  language-model  sentiment-analysis  encoding  machine-learning  deep-learning  neural-network  dataset  caffe  classification  xgboost  multiclass-classification  unbalanced-classes  time-series  descriptive-statistics  python  r  clustering  machine-learning  python  deep-learning  tensorflow  machine-learning  python  predictive-modeling  probability  scikit-learn  svm  machine-learning  python  classification  gradient-descent  regression  research  python  neural-network  deep-learning  convnet  keras  python  tensorflow  machine-learning  deep-learning  tensorflow  python  r  bigdata  visualization  rstudio  pandas  pyspark  dataset  time-series  multilabel-classification  machine-learning  neural-network  ensemble-modeling  kaggle  machine-learning  linear-regression  cnn  convnet  machine-learning  tensorflow  association-rules  machine-learning  predictive-modeling  training  model-selection  neural-network  keras  deep-learning  deep-learning  convnet  image-classification  predictive-modeling  prediction  machine-learning  python  classification  predictive-modeling  scikit-learn  machine-learning  python  random-forest  sampling  training  recommender-system  books  python  neural-network  nlp  deep-learning  tensorflow  python  matlab  information-retrieval  search  search-engine  deep-learning  convnet  keras  machine-learning  python  cross-validation  sampling  machine-learning 

2
मैं यादृच्छिक वन वर्गीकरण के लिए श्रेणीबद्ध डेटा प्रकार कैसे फिट कर सकता हूं?
मुझे रैंडम फ़ॉरेस्ट अल्गोरिथम लागू करके एक प्रशिक्षण डाटासेट की सटीकता खोजने की आवश्यकता है। लेकिन मेरे डेटा सेट का प्रकार स्पष्ट और संख्यात्मक दोनों हैं। जब मैंने उन आंकड़ों को फिट करने की कोशिश की, तो मुझे एक त्रुटि मिली। 'इनपुट में NaN, अनंत या dtype (' float32 ') …

3
क्या अजगर के लिए कोई अच्छा आउट-ऑफ-द-बॉक्स भाषा मॉडल है?
मैं एक एप्लिकेशन का प्रोटोटाइप बना रहा हूं और मुझे कुछ उत्पन्न वाक्यों के प्रति एकरूपता की गणना करने के लिए एक भाषा मॉडल की आवश्यकता है। क्या अजगर में कोई प्रशिक्षित भाषा मॉडल है जिसका मैं आसानी से उपयोग कर सकता हूं? जैसे कुछ सरल model = LanguageModel('en') p1 …
11 python  nlp  language-model  r  statistics  linear-regression  machine-learning  classification  random-forest  xgboost  python  sampling  data-mining  orange  predictive-modeling  recommender-system  statistics  dimensionality-reduction  pca  machine-learning  python  deep-learning  keras  reinforcement-learning  neural-network  image-classification  r  dplyr  deep-learning  keras  tensorflow  lstm  dropout  machine-learning  sampling  categorical-data  data-imputation  machine-learning  deep-learning  machine-learning-model  dropout  deep-network  pandas  data-cleaning  data-science-model  aggregation  python  neural-network  reinforcement-learning  policy-gradients  r  dataframe  dataset  statistics  prediction  forecasting  r  k-means  python  scikit-learn  labels  python  orange  cloud-computing  machine-learning  neural-network  deep-learning  rnn  recurrent-neural-net  logistic-regression  missing-data  deep-learning  autoencoder  apache-hadoop  time-series  data  preprocessing  classification  predictive-modeling  time-series  machine-learning  python  feature-selection  autoencoder  deep-learning  keras  tensorflow  lstm  word-embeddings  predictive-modeling  prediction  machine-learning-model  machine-learning  classification  binary  theory  machine-learning  neural-network  time-series  lstm  rnn  neural-network  deep-learning  keras  tensorflow  convnet  computer-vision 

2
ओवरफिटिंग के आउट-ऑफ-सैंपल डेटा पर 100% मॉडल की सटीकता है?
मैंने अभी अभी Cognitiveclass.ai पर R कोर्स के लिए मशीन सीखना पूरा कर लिया है और यादृच्छिक रूप से प्रयोग करना शुरू कर दिया है। मैंने R में "randomForest" लाइब्रेरी का उपयोग करके एक मॉडल बनाया है। मॉडल दो वर्गों द्वारा वर्गीकृत होता है, अच्छा और बुरा। मुझे पता है …

2
इष्टतम P (X | Y) का पता लगाएं, मेरे पास एक मॉडल है जो P (Y | X) पर प्रशिक्षित होने पर अच्छा प्रदर्शन करता है।
इनपुट डेटा: -> टी शर्ट की विशेषताएं (रंग, लोगो, आदि)एक्सXX -> लाभ मार्जिनYYY मैंने उपरोक्त और वाई पर एक यादृच्छिक जंगल को प्रशिक्षित किया है और एक परीक्षण डेटा पर उचित सटीकता हासिल की है। तो मेरे पास हैएक्सXXYYY ।पी( य| एक्स)P(Y|X)P(Y|X) अब, मैं को ढूंढना चाहूंगा, अर्थात X सुविधाओं …

4
यादृच्छिक वन में ओवरफिटिंग से कैसे बचें?
मैं बेतरतीब जंगल में ओवरफिटिंग से बचना चाहता हूं। इस संबंध में, मैं mtry, nodesize, और maxnodes आदि का उपयोग करने का इरादा रखता हूं, क्या आप कृपया मुझे इन मापदंडों के लिए मान चुनने में मदद कर सकते हैं? मैं आर का उपयोग कर रहा हूं। इसके अलावा, यदि …

3
असंतुलित कक्षाएं - झूठी नकारात्मक कैसे कम करें?
मेरे पास एक डेटासेट है जिसमें एक बाइनरी क्लास विशेषता है। कक्षा 1 (कैंसर पॉजिटिव) के साथ 623 उदाहरण हैं और कक्षा -1 (कैंसर नकारात्मक) के साथ 101,671 उदाहरण हैं। मैंने विभिन्न एल्गोरिदम (Naive Bayes, Random Forest, AODE, C4.5) की कोशिश की है और उन सभी में अस्वीकार्य झूठे नकारात्मक …

3
वैज्ञानिक कंप्यूटिंग के लिए सर्वश्रेष्ठ भाषाएँ [बंद]
बंद हो गया । इस प्रश्न पर अधिक ध्यान देने की आवश्यकता है । यह वर्तमान में उत्तर स्वीकार नहीं कर रहा है। इस प्रश्न को सुधारना चाहते हैं? प्रश्न को अपडेट करें ताकि यह इस पोस्ट को संपादित करके केवल एक समस्या पर केंद्रित हो । 5 साल पहले …
10 efficiency  statistics  tools  knowledge-base  machine-learning  neural-network  deep-learning  optimization  hyperparameter  machine-learning  time-series  categorical-data  logistic-regression  python  visualization  bigdata  efficiency  classification  binary  svm  random-forest  logistic-regression  data-mining  sql  experiments  bigdata  efficiency  performance  scalability  distributed  bigdata  nlp  statistics  education  knowledge-base  definitions  machine-learning  recommender-system  evaluation  efficiency  algorithms  parameter  efficiency  scalability  sql  statistics  visualization  knowledge-base  education  machine-learning  r  python  r  text-mining  sentiment-analysis  machine-learning  machine-learning  python  neural-network  statistics  reference-request  machine-learning  data-mining  python  classification  data-mining  bigdata  usecase  apache-hadoop  map-reduce  aws  education  feature-selection  machine-learning  machine-learning  sports  data-formats  hierarchical-data-format  bigdata  apache-hadoop  bigdata  apache-hadoop  python  visualization  knowledge-base  classification  confusion-matrix  accuracy  bigdata  apache-hadoop  bigdata  efficiency  apache-hadoop  distributed  machine-translation  nlp  metadata  data-cleaning  text-mining  python  pandas  machine-learning  python  pandas  scikit-learn  bigdata  machine-learning  databases  clustering  data-mining  recommender-system 

1
यादृच्छिक वन और रैखिक प्रतिगमन के माध्यम से सुविधा का महत्व अलग है
सुविधाओं को रैंक करने के लिए लैस्सो को लागू किया और निम्नलिखित परिणाम प्राप्त किए: rank feature prob. ================================== 1 a 0.1825477951589229 2 b 0.07858498115577893 3 c 0.07041793111843796 ध्यान दें कि डेटा सेट में 3 लेबल हैं। विभिन्न लेबलों के लिए सुविधाओं की रैंकिंग समान है। फिर एक ही डेटा …

3
Scikit-Learn में रैंडम फॉरेस्ट रेजिस्टर से वज़न (सूत्र) निर्यात करें
मैंने स्किकिट लर्न इन पाइथन (रैंडम फ़ॉरेस्ट रिग्रेसर) के साथ एक भविष्यवाणी मॉडल का प्रशिक्षण लिया और मैं मैनुअल भविष्यवाणी के लिए एक एक्सेल टूल बनाने के लिए प्रत्येक सुविधा के भार को किसी तरह निकालना चाहता हूं। केवल एक चीज जो मुझे मिली है, model.feature_importances_लेकिन यह मदद नहीं करती …

3
Amazon ec2 त्रुटि पर यादृच्छिक वन: आकार का वेक्टर आवंटित नहीं कर सकते 5.4 Gb
मैं randomForest()लगभग 20 भविष्यवक्ताओं और 600K पंक्तियों के साथ 1000 पेड़ों और डेटा फ़्रेमों का उपयोग करके आर में यादृच्छिक वन मॉडल का प्रशिक्षण दे रहा हूं । मेरे लैपटॉप पर सब कुछ ठीक काम करता है, लेकिन जब मैं amazon ec2 में जाता हूं, उसी चीज को चलाने के …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.