cross-validation पर टैग किए गए जवाब

मैं का उपयोग कर एक स्वास्थ्य देखभाल डेटासेट पर एक लोचदार शुद्ध रसद प्रतिगमन प्रदर्शन कर रहा हूँ glmnetका एक ग्रिड से अधिक लैम्ब्डा मूल्यों का चयन करके आर में पैकेज 1. 0 से मेरे संक्षिप्त कोड के नीचे है:αα\alpha alphalist <- seq(0,1,by=0.1) elasticnet <- lapply(alphalist, function(a){ cv.glmnet(x, y, alpha=a, …

22 machine-learning  cross-validation  glmnet  elastic-net 

मेरी समझ यह है कि जब उचित क्रॉस सत्यापन और मॉडल चयन प्रक्रियाओं का पालन किया जाता है, तब भी ओवरफिटिंग तब होगी जब कोई एक मॉडल के लिए पर्याप्त खोज करता है , जब तक कि कोई मॉडल जटिलता, अवधि पर प्रतिबंध नहीं लगाता। इसके अलावा, अक्सर लोग डेटा …

21 machine-learning  cross-validation  goodness-of-fit  scikit-learn  caret 

नोट: मामला n >> p है मैं सांख्यिकीय शिक्षण के तत्वों को पढ़ रहा हूं और क्रॉस वेलिडेशन करने के "सही" तरीके के बारे में विभिन्न उल्लेख हैं (जैसे पृष्ठ 60, पृष्ठ 245)। विशेष रूप से, मेरा सवाल यह है कि जब कोई मॉडल खोज की गई है तो के-गुना …

21 machine-learning  model-selection  data-mining  cross-validation 

मैं k- गुना सत्यापन के बारे में पढ़ रहा हूं, और मैं यह सुनिश्चित करना चाहता हूं कि मैं समझता हूं कि यह कैसे काम करता है। मुझे पता है कि होल्डआउट पद्धति के लिए, डेटा को तीन सेटों में विभाजित किया जाता है, और परीक्षण सेट का उपयोग केवल …

21 cross-validation  validation  out-of-sample 

मैंने अलग-अलग बाइनरी वर्गीकरण एल्गोरिदम पर एक ही डेटासेट के साथ 10-गुना क्रॉस सत्यापन चलाया, और माइक्रो और मैक्रो औसत परिणाम दोनों प्राप्त किए। यह उल्लेख किया जाना चाहिए कि यह एक बहु-लेबल वर्गीकरण समस्या थी। मेरे मामले में, सच्चे नकारात्मक और सकारात्मक सकारात्मक को समान रूप से तौला जाता …

21 machine-learning  cross-validation 

मैं यह जानना चाहूंगा कि क्या वर्गीकरण के लिए मूल डेटासेट को प्रशिक्षण और परीक्षण में विभाजित करते समय यादृच्छिक नमूने के बजाय स्तरीकृत नमूने का उपयोग करने के कोई / कुछ फायदे हैं। इसके अलावा, स्तरीकृत नमूने यादृच्छिक नमूनाकरण की तुलना में क्लासिफायर में अधिक पूर्वाग्रह का परिचय देता …

21 classification  cross-validation  random-forest  train  stratification 

मुझे पता है कि क्रॉस-वैलिडेशन के बाहर हाइपरपैरेट ट्यूनिंग करने से बाहरी वैधता का पक्षपाती-उच्च अनुमान हो सकता है, क्योंकि प्रदर्शन को मापने के लिए आप जो डेटासेट का उपयोग करते हैं, वही आप सुविधाओं को ट्यून करने के लिए उपयोग करते हैं। मैं सोच रहा हूँ कि यह एक …

20 cross-validation  validation  hyperparameter 

मैं एक डेटा सेट पर अलग-अलग क्लासीफायर का परीक्षण कर रहा हूं, जहां 5 कक्षाएं हैं और प्रत्येक उदाहरण इन वर्गों में से एक या अधिक से संबंधित हो सकता है, इसलिए मैं विशेष रूप से स्किकिट-लर्न के मल्टी-लेबल क्लासिफायर का उपयोग कर रहा हूं sklearn.multiclass.OneVsRestClassifier। अब मैं क्रॉस-वैलिडेशन का …

20 cross-validation  python  multi-class  scikit-learn  multilabel 

मैं डिग्री 2 के बहुपद कर्नेल के साथ C-SVC मोड में libsvm का उपयोग कर रहा हूं और मुझे कई एसवीएम को प्रशिक्षित करने की आवश्यकता है। प्रत्येक प्रशिक्षण सेट में 10 सुविधाएँ और 5000 वैक्टर हैं। प्रशिक्षण के दौरान, मुझे अधिकांश SVM के लिए यह चेतावनी मिल रही है …

20 machine-learning  cross-validation  svm  regularization  libsvm 

एक पदानुक्रमित मॉडल को देखते हुए , मैं मॉडल को फिट करने के लिए दो चरण की प्रक्रिया चाहता हूं। सबसे पहले, hyperparameters के एक मुट्ठी भर ठीक θ , और फिर मानकों के बाकी पर बायेसियन अनुमान कर φ । हाइपरपरमेटर्स को ठीक करने के लिए मैं दो विकल्पों …

20 cross-validation  references  empirical-bayes 

सहसंबद्ध चर का चयन करने के लिए दो सामान्य दृष्टिकोण महत्व परीक्षण और क्रॉस सत्यापन हैं। प्रत्येक समस्या को क्या हल करने की कोशिश करता है और मैं एक दूसरे पर कब पसंद करूंगा?

20 cross-validation  feature-selection 

परिशुद्धता के रूप में परिभाषित किया गया है: p = true positives / (true positives + false positives) क्या यह सही है, जैसा कि true positivesऔर false positivesदृष्टिकोण 0, सटीक दृष्टिकोण 1? याद करने के लिए एक ही सवाल: r = true positives / (true positives + false negatives) मैं …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

मैंने पारंपरिक अक्सरवादी सांख्यिकीय डोमेन में पूर्वानुमान मॉडल को मान्य करने के लिए तरीकों और सॉफ्टवेयर के विकास के लिए बहुत समय समर्पित किया है । व्यवहार और शिक्षण में अधिक बायेसियन विचारों को रखने में मुझे गले लगाने के लिए कुछ महत्वपूर्ण अंतर दिखाई देते हैं। सबसे पहले, बेयसियन …

20 bayesian  cross-validation  predictive-models  validation  regression-strategies 

क्या आर caretपैकेज मॉडल के लिए alphaऔर दोनों पर क्रॉस-मान्य है ? इस कोड को चलाना,lambdaglmnet eGrid <- expand.grid(.alpha = (1:10) * 0.1, .lambda = (1:10) * 0.1) Control <- trainControl(method = "repeatedcv",repeats = 3,verboseIter =TRUE) netFit <- train(x =train_features, y = y_train, method = "glmnet", tuneGrid = eGrid, trControl …

20 r  machine-learning  cross-validation  caret  glmnet 

मैं उलझन में हूँ कि कैसे पहनावा सीखने के k- गुना क्रॉस सत्यापन के लिए डेटा का विभाजन किया जाए। मान लें कि मेरे पास वर्गीकरण के लिए एक पहनावा सीखने की रूपरेखा है। मेरी पहली परत में वर्गीकरण मॉडल शामिल हैं, उदाहरण के लिए svm, निर्णय पेड़। मेरी दूसरी …

20 classification  cross-validation  ensemble