cross-validation पर टैग किए गए जवाब

पायथन के साथ फ्रांस्वा चोलट की डीप लर्निंग में यह कहा गया है: परिणामस्वरूप, सत्यापन सेट पर इसके प्रदर्शन के आधार पर मॉडल के कॉन्फ़िगरेशन को ट्यूनिंग करने से सत्यापन सेट पर ओवरफिटिंग हो सकती है, भले ही आपका मॉडल उस पर सीधे प्रशिक्षित न हो। इस घटना का केंद्र …

9 neural-networks  cross-validation  hyperparameter 

मैंने हाल ही में एरिक जे। मा की इस बात को देखा और उनके ब्लॉग प्रविष्टि की जाँच की , जहाँ उन्होंने रेडफोर्ड नील को उद्धृत किया, कि बायेसियन मॉडल ओवरफिट नहीं करते हैं (लेकिन वे ओवरफिट कर सकते हैं ) और उनका उपयोग करते समय, हमें उन्हें सत्यापित करने …

9 machine-learning  bayesian  cross-validation  deep-learning 

उदाहरण: मेरे पास नौकरी के विवरण में एक वाक्य है: "यूके में जावा वरिष्ठ इंजीनियर"। मैं इसे 2 श्रेणियों के रूप में भविष्यवाणी करने के लिए एक गहरे शिक्षण मॉडल का उपयोग करना चाहता हूं: English और IT jobs। यदि मैं पारंपरिक वर्गीकरण मॉडल का उपयोग करता हूं, तो यह …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

में सांख्यिकीय लर्निंग के तत्वों , मैं निम्नलिखित बयान मिल गया है: एक योग्यता है: नमूनों को छोड़ दिए जाने से पहले प्रारंभिक अनचाहे स्क्रीनिंग चरण किए जा सकते हैं। उदाहरण के लिए, हम क्रॉस-सत्यापन शुरू करने से पहले, सभी 50 नमूनों में उच्चतम विचरण वाले 1000 भविष्यवाणियों का चयन …

9 machine-learning  cross-validation  feature-selection 

मेरा प्रश्न: क्या मुझे अपेक्षाकृत बड़े डेटा सेट के लिए भी CV करना चाहिए? मेरे पास अपेक्षाकृत बड़ा डेटा सेट है और मैं डेटा सेट पर मशीन लर्निंग एल्गोरिदम लागू करूंगा। चूंकि मेरा पीसी तेज नहीं है, सीवी (और ग्रिड खोज) कभी-कभी बहुत लंबा समय लेता है। ट्यूनिंग मापदंडों के …

9 machine-learning  cross-validation 

मैंने बीजगणितीय वर्गीकरणों को पढ़ा है: तेजी से पार-सत्यापन, ऑनलाइन प्रशिक्षण, और समानांतर प्रशिक्षण के लिए एक सामान्य दृष्टिकोण और व्युत्पन्न एल्गोरिदम के प्रदर्शन से चकित था। हालांकि, ऐसा लगता है कि नैवे बेस (और जीबीएम) से परे फ्रेमवर्क के लिए अनुकूलित कई एल्गोरिदम नहीं हैं। क्या कोई अन्य कागजात …

9 cross-validation  references  random-forest  computational-statistics  naive-bayes 

प्रतिगमन मॉडल के बीच चयन करने के लिए के-फोल्ड सीवी का उपयोग करते समय, मैं आमतौर पर प्रत्येक मॉडल के लिए अलग से सीवी त्रुटि की गणना करता हूं, साथ में इसकी मानक त्रुटि एसई, और मैं सबसे कम सीवी त्रुटि वाले मॉडल के 1 एसई के भीतर सबसे सरल …

9 regression  cross-validation  model-selection 

मेरे पास कुछ पूर्वानुमानित मॉडल हैं, जिनका प्रदर्शन मैं बैक-टेस्ट करना चाहता हूं (अर्थात, मेरे डेटासेट को "रिवाइंड" करके इसे पिछले बिंदु तक ले जाऊंगा और फिर देखूंगा कि मॉडल ने कैसा प्रदर्शन किया है)। समस्या यह है कि मेरे कुछ मॉडल एक इंटरैक्टिव प्रक्रिया के माध्यम से बनाए गए …

9 cross-validation  modeling  outliers  splines  overfitting 

रैंडम फ़ॉरेस्ट में, प्रत्येक पेड़ को डेटा के एक अद्वितीय बूस्टर नमूना के समानांतर में उगाया जाता है। क्योंकि प्रत्येक बूस्टअप सैंपल में लगभग 63% अनोखी टिप्पणियों के होने की उम्मीद है, यह लगभग 37% टिप्पणियों को छोड़ देता है, जिसका उपयोग पेड़ के परीक्षण के लिए किया जा सकता …

9 machine-learning  cross-validation  data-mining  random-forest  boosting 

मैं 200 विषयों और 1000 चर के साथ अपने डेटा की भविष्यवाणी के क्रॉस-सत्यापन पर काम कर रहा हूं। मेरी रुचि रिज रिग्रेशन है क्योंकि चरों की संख्या (मैं उपयोग करना चाहता हूं) नमूने की संख्या से अधिक है। इसलिए मैं संकोचन आकलनकर्ताओं का उपयोग करना चाहता हूं। निम्नलिखित उदाहरण …

9 r  cross-validation  prediction  ridge-regression 

मुझे लगता है कि बूस्टिंग ट्री मॉडल में 3 ट्यूनिंग पैरामीटर हैं, अर्थात पेड़ों की संख्या (पुनरावृत्तियों की संख्या) संकोचन पैरामीटर विभाजन की संख्या (प्रत्येक घटक पेड़ों का आकार) मेरा सवाल यह है: ट्यूनिंग मापदंडों में से प्रत्येक के लिए, मुझे इसका इष्टतम मूल्य कैसे खोजना चाहिए? और कौन सी …

9 machine-learning  cross-validation  computational-statistics  boosting  gbm 

यह शायद एक मूर्खतापूर्ण सवाल हो सकता है, लेकिन जब कैरेट वाला मॉडल बनाते हैं और कुछ का उपयोग करते हुए LOOCV(या उससे भी अधिक) LGOCV, तो ट्रेन और परीक्षण सेट में डेटा को विभाजित करने का क्या लाभ है, यदि यह अनिवार्य रूप से क्रॉस-मान्यता कदम है वैसे भी …

9 r  machine-learning  cross-validation  caret 

मान लीजिए कि मेरे पास 4 संभावित घटनाओं की आवृत्तियों का एक नमूना है: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 और मुझे होने वाली मेरी घटनाओं की संभावित संभावनाएं हैं: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 मेरी चार …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

मेरे पास लॉजिस्टिक रिग्रेशन में मॉडल चयन और मॉडल प्रदर्शन के बारे में एक प्रश्न है। मेरे पास तीन मॉडल हैं जो तीन अलग-अलग परिकल्पनाओं पर आधारित हैं। पहले दो मॉडल (उन्हें z और x नाम देते हैं) प्रत्येक मॉडल में केवल एक व्याख्यात्मक चर होता है, और तीसरा (इसका …

9 logistic  model-selection  cross-validation 

मेरे सहकर्मी और मैं आर में रैखिक और गैर-मिश्रित मिश्रित मॉडल की एक श्रृंखला फिट कर रहे हैं। हमें फिट किए गए मॉडल पर क्रॉस-सत्यापन करने के लिए कहा जाता है ताकि कोई यह सत्यापित कर सके कि देखे गए प्रभाव अपेक्षाकृत सामान्य हैं। यह सामान्य रूप से एक तुच्छ …

9 mixed-model  cross-validation