5
मशीन लर्निंग में पदानुक्रमित / नेस्टेड डेटा से कैसे निपटें
मैं अपनी समस्या को एक उदाहरण से समझाता हूँ। मान लीजिए कि आप किसी व्यक्ति की आय का अनुमान लगाना चाहते हैं, जो कुछ विशेषताएं बताती है: {आयु, लिंग, देश, क्षेत्र, शहर}। आपके पास एक प्रशिक्षण डाटासेट है train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, …
29
regression
machine-learning
multilevel-analysis
correlation
dataset
spatial
paired-comparisons
cross-correlation
clustering
aic
bic
dependent-variable
k-means
mean
standard-error
measurement-error
errors-in-variables
regression
multiple-regression
pca
linear-model
dimensionality-reduction
machine-learning
neural-networks
deep-learning
conv-neural-network
computer-vision
clustering
spss
r
weighted-data
wilcoxon-signed-rank
bayesian
hierarchical-bayesian
bugs
stan
distributions
categorical-data
variance
ecology
r
survival
regression
r-squared
descriptive-statistics
cross-section
maximum-likelihood
factor-analysis
likert
r
multiple-imputation
propensity-scores
distributions
t-test
logit
probit
z-test
confidence-interval
poisson-distribution
deep-learning
conv-neural-network
residual-networks
r
survey
wilcoxon-mann-whitney
ranking
kruskal-wallis
bias
loss-functions
frequentist
decision-theory
risk
machine-learning
distributions
normal-distribution
multivariate-analysis
inference
dataset
factor-analysis
survey
multilevel-analysis
clinical-trials