cart पर टैग किए गए जवाब

यादृच्छिक जंगलों को ब्लैक बॉक्स माना जाता है, लेकिन हाल ही में मैं सोच रहा था कि एक यादृच्छिक जंगल से क्या ज्ञान प्राप्त किया जा सकता है? सबसे स्पष्ट बात चरों का महत्व है, सबसे सरल रूप में यह सिर्फ चर की घटनाओं की संख्या की गणना करके किया …

127 machine-learning  data-mining  interaction  random-forest  cart 

फ्रेडमैन द्वारा प्रस्तावित ग्रेडिएंट ट्री बूस्ट बेस शिक्षार्थियों के रूप में निर्णय पेड़ों का उपयोग करता है। मैं सोच रहा हूं कि क्या हमें आधार निर्णय पेड़ को यथासंभव जटिल (पूरी तरह से विकसित) या सरल बनाना चाहिए? क्या पसंद का कोई स्पष्टीकरण है? बेस फ़ॉरेस्ट के रूप में निर्णय …

110 machine-learning  random-forest  cart  boosting  ensemble 

क्या कोई और पारंपरिक निर्णय ट्री एल्गोरिदम (जैसे आर) की तुलना में सशर्त प्रवेश पेड़ों ( आर में पैकेज ctreeसे party) के बीच प्राथमिक अंतर को समझा सकता है rpart? क्या सीआई पेड़ अलग बनाता है? शक्तियां और कमजोरियां? अद्यतन: मैंने Horthorn et al द्वारा कागज पर देखा है कि …

97 r  machine-learning  cart 

मैं LASSO रिग्रेशन के glmnetसाथ उपयोग करने से वंचित होना शुरू कर रहा हूं, जहां मेरी रुचि के परिणाम द्विगुणित हैं । मैंने नीचे एक छोटा सा नकली डाटा फ्रेम बनाया है: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

मेरे सवाल रैंडम वन के बारे में हैं। इस खूबसूरत क्लासिफायर की अवधारणा मेरे लिए स्पष्ट है, लेकिन अभी भी बहुत सारे व्यावहारिक उपयोग प्रश्न हैं। दुर्भाग्य से, मैं आरएफ के लिए किसी भी व्यावहारिक गाइड को खोजने में विफल रहा (मैं जियोफ्री हिंटन द्वारा "ए प्रैक्टिकल गाइड फॉर ट्रेनिंग …

65 random-forest  cart 

किसी को भी पुस्तकालय या कोड के सुझाव मिले कि कैसे वास्तव में नमूना पेड़ों के एक जोड़े की साजिश रचें : getTree(rfobj, k, labelVar=TRUE) (हाँ, मुझे पता है कि आप इसे ऑपरेशनल तरीके से नहीं कर रहे हैं, RF एक ब्लैकबॉक्स है, आदि। मैं नेत्रहीन स्वच्छता-जांच करना चाहता हूं …

62 r  data-visualization  random-forest  cart 

"डीवियनस" क्या है, इसकी गणना कैसे की जाती है, और आंकड़ों में विभिन्न क्षेत्रों में इसके उपयोग क्या हैं? विशेष रूप से, मैं व्यक्तिगत रूप से CART में इसके उपयोगों में रुचि रखता हूं (और R में इसके कार्यान्वयन में)। मैं यह पूछ रहा हूं क्योंकि विकी-लेख में कुछ कमी …

45 r  cart  rpart  deviance 

मैं डेटा माइनिंग के लिए नया हूं और मैं एक डेटा सेट के खिलाफ एक निर्णय पेड़ को प्रशिक्षित करने की कोशिश कर रहा हूं जो अत्यधिक असंतुलित है। हालाँकि, मुझे खराब भविष्यवाणियाँ सटीकता के साथ समस्या हो रही हैं। डेटा में पाठ्यक्रम का अध्ययन करने वाले छात्र होते हैं, …

43 classification  cart  unbalanced-classes  accuracy 

मुझे अपने निर्णय वृक्ष के लिए 100% सटीकता मिल रही है। मैं क्या गलत कर रहा हूं? यह मेरा कोड है: import pandas as pd import json import numpy as np import sklearn import matplotlib.pyplot as plt data = np.loadtxt("/Users/Nadjla/Downloads/allInteractionsnum.csv", delimiter=',') x = data[0:14] y = data[-1] from sklearn.cross_validation import …

38 machine-learning  python  cart  accuracy 

में आर में आवेदन के साथ सांख्यिकीय लर्निंग के लिए एक परिचय , लेखक लिखते हैं कि फिटिंग एक निर्णय वृक्ष बहुत तेजी से है, लेकिन यह मेरे लिए कोई मतलब नहीं है। एल्गोरिथ्म को हर सुविधा से गुजरना पड़ता है और इसे हर तरह से विभाजित करना होता है …

38 cart 

निर्णय वृक्ष एक बहुत ही समझ में आने वाली मशीन सीखने की विधि है। एक बार बनने के बाद इसका मानव द्वारा आसानी से निरीक्षण किया जा सकता है जो कुछ अनुप्रयोगों में एक बड़ा फायदा है। निर्णय पेड़ों के व्यावहारिक कमजोर पक्ष क्या हैं?

34 machine-learning  nonparametric  cart 

मैंने इस एक सहित कुछ स्रोतों में पढ़ा है , कि रैंडम फ़ॉरेस्ट आउटलेर्स के लिए संवेदनशील नहीं हैं (जिस तरह से लॉजिस्टिक रिग्रेशन और अन्य एमएल तरीके हैं, उदाहरण के लिए)। हालाँकि, अंतर्ज्ञान के दो टुकड़े मुझे अन्यथा बताते हैं: जब भी निर्णय वृक्ष का निर्माण किया जाता है, …

33 random-forest  bootstrap  outliers  cart 

मैं इस बात की व्याख्या कर रहा हूं कि कैसे ग्रेडिएंट बूस्टेड पेड़ों में सापेक्ष परिवर्तनीय महत्व की गणना की जाती है जो सामान्य रूप से सामान्य / सरल नहीं है: उपायों को विभाजित करने के लिए चर का चयन करने की संख्या के आधार पर किया जाता है, प्रत्येक …

33 machine-learning  data-mining  predictive-models  cart  boosting 

GBM का उपयोग करके परीक्षण मापदंडों (यानी इंटरैक्शन डेप्थ, माइनचाइल्ड, सैंपल रेट आदि) के लिए कुछ उपयोगी दिशानिर्देश क्या हैं? मान लें कि मेरे पास 70-100 सुविधाएँ हैं, 200,000 की आबादी है और मैं 3 और 4 की बातचीत की गहराई का परीक्षण करने का इरादा रखता हूं। स्पष्ट रूप …

31 r  hypothesis-testing  cart  boosting 

आरएटीआर (आर) का उपयोग करके एक कार्ट मॉडल (विशेष रूप से वर्गीकरण ट्री) का निर्माण करते समय, यह जानना अक्सर दिलचस्प होता है कि मॉडल के लिए पेश किए गए विभिन्न चर का क्या महत्व है। इस प्रकार, मेरा प्रश्न है: कार्ट मॉडल में भाग लेने वाले चर के रैंकिंग …

27 r  classification  model-selection  cart  rpart