सांख्यिकी और बिग डेटा bagging

7

मशीन लर्निंग में बैगिंग, बूस्टिंग और स्टैकिंग

इन 3 तरीकों में क्या समानताएं और अंतर हैं: जीतना, बढ़ाने, स्टैकिंग? सबसे अच्छा कौन सा है? और क्यों? क्या आप मुझे प्रत्येक के लिए एक उदाहरण दे सकते हैं?

245 machine-learning boosting ensemble bagging model-averaging

5

यादृच्छिक वन एक बूस्टिंग एल्गोरिथ्म है?

बढ़ाने की संक्षिप्त परिभाषा : क्या कमजोर शिक्षार्थियों का एक समूह एक मजबूत शिक्षार्थी बना सकता है? एक कमजोर शिक्षार्थी को एक क्लासिफायरियर के रूप में परिभाषित किया जाता है जो केवल सच्चे वर्गीकरण से थोड़ा संबंधित है (यह यादृच्छिक अनुमान से बेहतर उदाहरणों को लेबल कर सकता है)। यादृच्छिक …

51 machine-learning random-forest boosting bagging

2

क्या यह कला प्रतिगमन पद्धति की स्थिति है?

मैं एक लंबे समय से कागल प्रतियोगिताओं का पालन कर रहा हूं और मुझे पता चला है कि कई जीतने वाली रणनीतियों में कम से कम एक "बिग थ्रीज" का उपयोग करना शामिल है: बैगिंग, बूस्टिंग और स्टैकिंग। प्रतिगमन के लिए, एक सर्वोत्तम संभव प्रतिगमन मॉडल बनाने पर ध्यान केंद्रित …

33 predictive-models boosting bagging stacking model-averaging

2

रैंडम फ़ॉरेस्ट में "नोड आकार" का क्या अर्थ है?

मुझे समझ में नहीं आ रहा है कि नोड आकार का मतलब क्या है। मुझे पता है कि एक निर्णय नोड क्या है, लेकिन नोड आकार क्या है।

20 machine-learning random-forest bagging

3

मुझे पहनावा क्लासिफायर का उपयोग कब नहीं करना चाहिए?

सामान्य तौर पर, एक वर्गीकरण समस्या में जहां लक्ष्य आउट-ऑफ-सैंपल क्लास सदस्यता की सटीक भविष्यवाणी करना है, मुझे एंबेडेड एम्पलीफायर का उपयोग कब नहीं करना चाहिए ? यह प्रश्न निकट से संबंधित है कि हमेशा पहनावा सीखने का उपयोग क्यों न करें? । यह सवाल पूछता है कि हम हर …

17 classification boosting ensemble bagging

1

बैगिंग की सैद्धांतिक गारंटी क्या है

मैंने (लगभग) सुना है कि: बैगिंग एक भविष्यवक्ता / अनुमानक / सीखने के एल्गोरिथ्म के विचरण को कम करने की एक तकनीक है। हालाँकि, मैंने कभी इस कथन का औपचारिक गणितीय प्रमाण नहीं देखा। क्या किसी को पता है कि यह गणितीय रूप से सच क्यों है? यह सिर्फ इतना …

17 machine-learning mathematical-statistics bagging

1

बूस्टिंग और पेड़ लगाना (XGBoost, LightGBM)

कई ब्लॉग पोस्ट, यूट्यूब वीडियो, आदि के विचारों के बारे में कर रहे हैं जीत या बढ़ाने के पेड़। मेरी सामान्य समझ यह है कि प्रत्येक के लिए छद्म कोड है: जीतना: नमूने के x% और सुविधाओं के y% के N यादृच्छिक नमूने लें अपने मॉडल (जैसे, निर्णय पेड़) को …

17 cart boosting xgboost bagging

1

एक लामर मॉडल के लिए किस बहुविध तुलना पद्धति का उपयोग किया जाता है: लसीन्स या ग्लेहट?

मैं एक मिश्रित प्रभाव मॉडल का उपयोग करके निर्धारित डेटा का विश्लेषण कर रहा हूं जिसमें एक निश्चित प्रभाव (स्थिति) और दो यादृच्छिक प्रभाव (विषय डिजाइन और जोड़ी के कारण प्रतिभागी) हैं। मॉडल lme4पैकेज के साथ उत्पन्न किया गया था exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp):। इसके बाद, मैंने निश्चित प्रभाव (स्थिति) के बिना मॉडल …

16 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

2

स्किटिट-लर्न बूटस्ट्रैप फ़ंक्शन टेस्ट सेट को फिर से क्यों करता है?

मॉडल मूल्यांकन के लिए बूटस्ट्रैपिंग का उपयोग करते समय, मैंने हमेशा सोचा कि आउट-ऑफ-बैग नमूने सीधे परीक्षण सेट के रूप में उपयोग किए जाते थे। हालाँकि, ऐसा प्रतीत नहीं होता है कि हटाए गए डरावने-सीखने केBootstrap दृष्टिकोण के लिए मामला है , जो आउट-ऑफ-द-बैग डेटा सब्मिट से ड्राइंग से परीक्षण …

15 cross-validation bootstrap random-forest scikit-learn bagging

1

क्या बैगिंग एल्गोरिदम यादृच्छिक वन के उत्तराधिकारी के योग्य हैं?

एल्गोरिदम को बढ़ावा देने के लिए, मैं कहूंगा कि वे बहुत अच्छी तरह से विकसित हुए हैं। 1995 की शुरुआत में AdaBoost को पेश किया गया था, फिर कुछ समय बाद यह ग्रैडिएंट बूस्टिंग मशीन (GBM) थी। हाल ही में, 2015 के आसपास XGBoost पेश किया गया था, जो सटीक …

14 random-forest boosting bagging

5

रैंडम फॉरेस्ट एंड डिसीजन ट्री एलगोरिदम

एक यादृच्छिक जंगल निर्णय की अवधारणा के बाद निर्णय पेड़ों का एक संग्रह है। जब हम एक निर्णय वृक्ष से अगले निर्णय वृक्ष की ओर बढ़ते हैं तो अंतिम निर्णय वृक्ष द्वारा सीखी गई जानकारी आगे कैसे बढ़ती है? क्योंकि, मेरी समझ के अनुसार, एक प्रशिक्षित मॉडल की तरह कुछ …

14 machine-learning random-forest cart bagging

3

यादृच्छिक वन और बूस्टिंग पैरामीट्रिक या गैर पैरामीट्रिक हैं?

उत्कृष्ट सांख्यिकीय मॉडलिंग को पढ़ने से : दो संस्कृतियों (ब्रेमेन 2001) , हम पारंपरिक सांख्यिकीय मॉडल (जैसे, रैखिक प्रतिगमन) और मशीन लर्निंग एल्गोरिदम (जैसे, बगिंग, रैंडम फ़ॉरेस्ट, बूस्टेड पेड़ ...) के बीच सभी अंतर को जब्त कर सकते हैं। ब्रेमेन डेटा मॉडल (पैरामीट्रिक) की आलोचना करता है क्योंकि वे इस …

13 machine-learning data-mining random-forest boosting bagging

1

हमेशा सदृश सीखने का उपयोग क्यों न करें?

यह मुझे लगता है कि सीखना सीखना हमेशा एक एकल सीखने की परिकल्पना की तुलना में बेहतर भविष्य कहनेवाला प्रदर्शन देना होगा। तो, हम हर समय उनका उपयोग क्यों नहीं करते हैं? मेरा अनुमान शायद, कम्प्यूटेशनल सीमाओं के कारण है? (फिर भी, हम कमजोर भविष्यवक्ताओं का उपयोग करते हैं, इसलिए …

13 boosting ensemble bagging

2

एक वन वृक्ष / यादृच्छिक वन वृक्ष में एकल निर्णय वृक्ष की तुलना में अधिक पूर्वाग्रह क्यों होता है?

यदि हम पूर्ण विकसित निर्णय वृक्ष (यानी एक अप्रत्याशित निर्णय वृक्ष) पर विचार करते हैं तो इसमें उच्च विचरण और निम्न पूर्वाग्रह होते हैं। बैगिंग और रैंडम फ़ॉरेस्ट इन उच्च विचरण मॉडल का उपयोग करते हैं और विचरण को कम करने के लिए उन्हें एकत्र करते हैं और इस प्रकार …

11 variance random-forest cart bias bagging

1

रैंडम फॉरेस्ट प्रोबेबिलिस्टिक भविष्यवाणी बनाम बहुमत वोट

स्किकिट सीखता है कि मॉडल एकत्रीकरण तकनीक के लिए बहुसंख्यक वोट के बजाय संभाव्य भविष्यवाणी का उपयोग क्यों (1.9.2.1। रैंडम फॉरेस्ट) के स्पष्टीकरण के बिना किया जाता है। क्या इसके लिए एक स्पष्ट व्याख्या है? इसके अलावा, विभिन्न मॉडल एकत्रीकरण तकनीकों के लिए एक अच्छा पेपर या समीक्षा लेख है …

10 random-forest python scikit-learn aggregation bagging

bagging पर टैग किए गए जवाब