kernel-trick पर टैग किए गए जवाब

प्रमुख घटक विश्लेषण (पीसीए) करने के बाद, मैं पीसीए अंतरिक्ष पर एक नया वेक्टर प्रोजेक्ट करना चाहता हूं (अर्थात पीसीए समन्वय प्रणाली में इसके निर्देशांक ढूंढें)। मैंने पीसी भाषा में पीसीए का उपयोग करके गणना की है prcomp। अब मुझे पीसीए रोटेशन मैट्रिक्स द्वारा अपने वेक्टर को गुणा करने में …

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

गिरी चाल कई शिक्षण मॉडेल (जैसे में प्रयोग किया जाता है SVM )। इसे पहली बार 1964 में "पैटर्न रिकॉग्निशन लर्निंग में संभावित फ़ंक्शन विधि की सैद्धांतिक नींव" में पेश किया गया था। विकिपीडिया परिभाषा कहती है कि यह है एक गैर-रैखिक समस्या को हल करने के लिए एक रैखिक-श्रेणीबद्ध …

20 machine-learning  kernel-trick 

Matérn सहसंयोजक समारोह आमतौर पर गाऊसी प्रक्रिया में कर्नेल फ़ंक्शन के रूप में उपयोग किया जाता है। इसे इस तरह परिभाषित किया गया है Cν(d)=σ221−νΓ(ν)(2ν−−√dρ)νKν(2ν−−√dρ)Cν(d)=σ221−νΓ(ν)(2νdρ)νKν(2νdρ) {\displaystyle C_{\nu }(d)=\sigma ^{2}{\frac {2^{1-\nu }}{\Gamma (\nu )}}{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}^{\nu }K_{\nu }{\Bigg (}{\sqrt {2\nu }}{\frac {d}{\rho }}{\Bigg )}} जहां एक डिस्टेंस …

19 spatial  gaussian-process  kernel-trick 

प्राइमल , ड्यूल और कर्नेल रिज रिग्रेशन में क्या अंतर है ? लोग तीनों का उपयोग कर रहे हैं, और अलग-अलग स्रोतों में सभी द्वारा उपयोग किए जाने वाले अलग-अलग संकेतन के कारण मेरे लिए पालन करना मुश्किल है। तो क्या कोई मुझे सरल शब्दों में बता सकता है कि …

19 regression  kernel-trick  ridge-regression 

एक गाऊसी रेडियल बेसिस फ़ंक्शन (RBF) के साथ रैखिक प्रतिगमन करने और एक गाऊसी कर्नेल के साथ रैखिक प्रतिगमन करने में क्या अंतर है?

18 regression  normal-distribution  kernel-trick 

मैं एक पेपर में एक एल्गोरिथ्म को लागू करना चाहता हूं जो डेटा मैट्रिक्स को विघटित करने के लिए कर्नेल SVD का उपयोग करता है। इसलिए मैं कर्नेल विधियों और कर्नेल पीसीए आदि के बारे में सामग्री पढ़ रहा हूं, लेकिन यह अभी भी मेरे लिए बहुत अस्पष्ट है, खासकर …

18 pca  svd  kernel-trick 

यदि कर्नेल पीसीए में मैं एक रैखिक कर्नेल चयन करता हूं , तो क्या परिणाम सामान्य रेखीय रैखिक से अलग होने वाला है ? क्या समाधान मौलिक रूप से अलग हैं या कुछ अच्छी तरह से परिभाषित संबंध मौजूद हैं?K(x,y)=x⊤yK(x,y)=x⊤yK(\mathbf{x},\mathbf{y}) = \mathbf x^\top \mathbf y

17 pca  kernel-trick 

मैं कैसे समझ सकता हूं कि एसवीएम में आरबीएफ कर्नेल क्या करता है? मेरा मतलब है कि मैं गणित को समझता हूं, लेकिन क्या यह महसूस करने का कोई तरीका है कि यह कर्नेल कब उपयोगी होगा? क्या KNN के परिणाम SVM / RBF से संबंधित होंगे क्योंकि RBF में …

17 svm  kernel-trick 

एक सामान्य प्रश्न से अधिक। मैं भविष्य कहनेवाला मॉडलिंग के लिए एक rbf SVM चला रहा हूं। मुझे लगता है कि मेरे वर्तमान कार्यक्रम को निश्चित रूप से थोड़ी गति की आवश्यकता है। मैं ग्रिड खोज + क्रॉस सत्यापन के लिए मोटे के साथ सीखता हूं। प्रत्येक एसवीएम रन में …

16 machine-learning  svm  predictive-models  scikit-learn  kernel-trick 

मैं कर्नेल एसवीएम के पीछे के अंतर्ज्ञान को समझने की कोशिश कर रहा हूं। अब, मैं समझता हूं कि रैखिक एसवीएम का काम कैसे होता है, जिससे एक निर्णय रेखा बनाई जाती है जो डेटा को सबसे अच्छे रूप में विभाजित करती है। मैं डेटा को उच्च-आयामी स्थान पर पोर्ट …

15 machine-learning  svm  kernel-trick 

यह अक्सर कहा जाता है कि गौसियन प्रक्रिया प्रतिगमन (जीपीआर) बेस कार्यों के लिए (संभवतः) अनंत राशि के साथ बायेसियन रैखिक प्रतिगमन से मेल खाती है। मैं वर्तमान में इसे समझने की कोशिश कर रहा हूं कि जीपीआर का उपयोग करके मैं किस प्रकार के मॉडल व्यक्त कर सकता हूं। …

14 gaussian-process  kernel-trick  basis-function 

कैसे साबित होता है कि रेडियल आधार समारोह के लिए कोई परिमित आयामी सुविधा जगह नहीं हैएचइस तरह के कुछ के लिए किΦ:आरएन→एचहमकश्मीर(एक्स,वाई)=⟨Φ(एक्स),Φ(y)⟩?k(x,y)=exp(−||x−y||2)2σ2)k(x,y)=exp⁡(−||x−y||2)2σ2)k(x, y) = \exp(-\frac{||x-y||^2)}{2\sigma^2})HHHΦ:Rn→HΦ:Rn→H\Phi: \text{R}^n \to Hk(x,y)=⟨Φ(x),Φ(y)⟩k(x,y)=⟨Φ(x),Φ(y)⟩k(x, y) = \langle \Phi(x), \Phi(y)\rangle

14 machine-learning  svm  kernel-trick 

मैंने हाल ही में कर्नेल ट्रिक के उपयोग के बारे में सीखा, जो उन आयामों में डेटा को रैखिक बनाने के प्रयास में डेटा को उच्च आयामी स्थानों में मैप करता है। क्या ऐसे कोई मामले हैं जहां मुझे इस तकनीक का उपयोग करने से बचना चाहिए? क्या यह सही …

13 machine-learning  svm  kernel-trick  heuristic 

कई मशीन लर्निंग एल्गोरिदम प्रतीत होते हैं जो कर्नेल फ़ंक्शन पर निर्भर करते हैं। नाम के लिए SVM और NN लेकिन दो। तो कर्नेल फ़ंक्शन की परिभाषा क्या है और इसके वैध होने के लिए क्या आवश्यकताएँ हैं?

13 svm  terminology  kernel-trick 

कर्नेल पीसीए (प्रमुख घटक विश्लेषण) द्वारा अंतिम डेटा आउटपुट में अच्छे डेटा पृथक्करण के परिणामस्वरूप कर्नेल चुनने के तरीके क्या हैं, और कर्नेल के मापदंडों को अनुकूलित करने के तरीके क्या हैं? यदि संभव हो तो आम आदमी के शब्दों को बहुत सराहा जाएगा, और ऐसे तरीकों की व्याख्या करने …

13 pca  cross-validation  dimensionality-reduction  kernel-trick  manifold-learning