cart पर टैग किए गए जवाब

जब रैखिक प्रतिगमन के लिए श्रेणीगत विशेषताओं को कोडित किया जाता है, तो एक नियम होता है: डमी की संख्या कुल स्तरों की संख्या (संपार्श्विकता से बचने के लिए) से एक कम होनी चाहिए। क्या डिसीजन ट्रीज़ (बैगेड, बूस्टेड) ​​के लिए एक समान नियम मौजूद है? मैं यह इसलिए पूछ …

13 categorical-data  random-forest  cart  boosting 

मुझे कई लेख मिले जो बताते हैं कि बढ़ावा देने के तरीके बाहरी लोगों के लिए संवेदनशील हैं, लेकिन कोई भी लेख क्यों नहीं समझा रहा है। मेरे अनुभव में किसी भी मशीन लर्निंग एल्गोरिदम के लिए आउटलेयर खराब हैं, लेकिन विशेष रूप से संवेदनशील के रूप में एकल को …

12 machine-learning  svm  outliers  cart  boosting 

एक यादृच्छिक वन वृक्ष के लिए एक बेहतर लागत फ़ंक्शन: गिन्नी इंडेक्स या एन्ट्रॉपी? मैं क्लोजर में यादृच्छिक वन को लागू करने की कोशिश कर रहा हूं।

12 classification  random-forest  cart 

मैं एक निर्णय वृक्ष में बाइनरी विभाजन के व्यावहारिक कार्यान्वयन के बारे में उत्सुक हूं - क्योंकि यह एक श्रेणीबद्ध भविष्यवक्ता स्तरों से संबंधित है ।एक्सजेXjX{j} विशेष रूप से, मैं अक्सर किसी फैसले के पेड़ का उपयोग करके भविष्य कहनेवाला मॉडल का निर्माण करते समय (जैसे बैगिंग, ओवरसैंपलिंग आदि) किसी …

12 cart  rpart  partitioning 

जब पेड़ों पर निर्णय लेने की बात आती है, तो क्या अनुमानित मूल्य प्रशिक्षण डेटा की सीमा के बाहर हो सकता है? उदाहरण के लिए, यदि प्रशिक्षण डेटा लक्ष्य श्रेणी की रेंज 0-100 है, जब मैं अपना मॉडल तैयार करता हूं और इसे किसी और चीज पर लागू करता हूं, …

12 regression  predictive-models  random-forest  cart 

इस सवाल में - क्या निर्णय पेड़ों के निर्माण के लिए एक विधि है जो संरचित / पदानुक्रमित / बहुस्तरीय भविष्यवक्ताओं का ध्यान रखती है? - वे पेड़ों के लिए एक पैनल डेटा विधि का उल्लेख करते हैं। क्या वेक्टर मशीनों और तंत्रिका नेटवर्क के समर्थन के लिए विशिष्ट पैनल …

12 r  machine-learning  svm  panel-data  cart 

मुझे लगता है कि यह एक सीधा सवाल है, हालांकि इसके पीछे का तर्क क्यों या क्यों नहीं हो सकता है। मेरे द्वारा पूछे जाने का कारण यह है कि मैंने हाल ही में एक RF के अपने कार्यान्वयन को लिखा है और हालांकि यह अच्छा प्रदर्शन करता है, यह …

12 algorithms  random-forest  cart 

मैं निर्णय स्टंप का उपयोग करके Adaboost को लागू करना चाहता हूं। क्या Adaboost के प्रत्येक पुनरावृत्ति में हमारे डेटा सेट की सुविधाओं के रूप में कई निर्णय स्टंप करना सही है? उदाहरण के लिए, यदि मेरे पास 24 विशेषताओं वाला डेटा सेट है, तो क्या मुझे प्रत्येक पुनरावृत्ति में …

12 machine-learning  classification  cart  boosting 

क्या कोई मुझे समझा सकता है कि निर्णय पेड़ों के लिए गिन्नी अशुद्धता और सूचना लाभ का उपयोग कब करें? क्या आप मुझे ऐसी स्थितियाँ / उदाहरण दे सकते हैं, जिनका उपयोग करना सबसे अच्छा है?

11 machine-learning  classification  data-mining  cart 

मैं डेटा माइनिंग में कुछ नया हूं, और मैं फिल्म रेटिंग भविष्यवाणी के लिए एक वर्गीकरण मॉडल पर काम कर रहा हूं। मैंने IMDB से डेटा सेट एकत्र किए हैं, और मैं अपने मॉडल के लिए एक निर्णय पेड़ और निकटतम पड़ोसी दृष्टिकोण का उपयोग करने की योजना बना रहा …

11 classification  cart 

एक बेतरतीब जंगल निर्णय पेड़ों का एक संग्रह है जो प्रत्येक पेड़ के निर्माण के लिए यादृच्छिक रूप से केवल कुछ विशेषताओं का चयन करता है (और कभी-कभी प्रशिक्षण डेटा को जीतना)। जाहिरा तौर पर वे अच्छी तरह से सीखते हैं और सामान्यीकरण करते हैं। क्या किसी ने निर्णय वृक्ष …

11 mcmc  monte-carlo  random-forest  cart 

क्या एक तरीका है कि एक बार (आर में) rpart का उपयोग करके एक जटिल वर्गीकरण वृक्ष का निर्माण किया जाता है, प्रत्येक वर्ग के लिए उत्पादित निर्णय नियमों को व्यवस्थित करने के लिए? इसलिए एक विशाल वृक्ष प्राप्त करने के बजाय, हम प्रत्येक वर्ग के लिए नियमों का एक …

11 r  classification  cart  rpart 

मैं आर में gbm पैकेज का उपयोग करते हुए कुछ बड़े डेटा सेट के साथ काम कर रहा हूं। मेरे पूर्वसूचक मैट्रिक्स और मेरी प्रतिक्रिया वेक्टर दोनों बहुत विरल हैं (अर्थात अधिकांश प्रविष्टियां शून्य हैं)। मैं एक एल्गोरिथ्म का उपयोग करके निर्णय पेड़ों का निर्माण करने की उम्मीद कर रहा …

11 r  regression  machine-learning  classification  cart 

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 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa