machine-learning पर टैग किए गए जवाब

मैं समझता हूं कि पारंपरिक प्रशिक्षण के साथ कुछ मुद्दों से बचने के लिए प्रीट्रेनिंग का उपयोग किया जाता है। अगर मैं बैकप्रोपेगैशन का उपयोग करता हूं, तो एक ऑटोकेनोडर के साथ, मुझे पता है कि मैं समय के मुद्दों में भाग लेने जा रहा हूं क्योंकि बैकप्रॉपैजेशन धीमा है, …

10 machine-learning  neural-networks  backpropagation  rbm  pre-training 

यदि कश्मीर द्वारा उपयोग किए जाने वाले प्रशिक्षण बिंदुओं की संख्या के बराबर है, तो k-निकटतम पड़ोसी एल्गोरिथम का VC-Dimension क्या है? संदर्भ: यह प्रश्न एक पाठ्यक्रम में पूछा गया था जिसे मैंने लिया था और वहां दिया गया उत्तर 0. मैं था, हालांकि, यह नहीं समझ पाया कि यह …

10 machine-learning  self-study  k-nearest-neighbour  vc-dimension 

बस एक सामान्य सवाल है। यदि आपके पास समय श्रृंखला डेटा है, तो मशीन / सांख्यिकीय सीखने की तकनीक (KNN, प्रतिगमन) से अधिक समय श्रृंखला तकनीकों (उर्फ, ARCH, GARCH, आदि) का उपयोग करना बेहतर है। यदि कोई ऐसा ही सवाल है जो क्रॉस्लेटिड पर मौजूद है, तो कृपया मुझे इसकी …

10 time-series  machine-learning 

मान लें कि मेरे पास एक छोटा नमूना आकार है, जैसे कि एन = 100, और दो वर्ग। मुझे मशीन लर्निंग के लिए प्रशिक्षण, क्रॉस-सत्यापन, और परीक्षण सेट आकार कैसे चुनना चाहिए? मैं सहजता से चुनूंगा प्रशिक्षण सेट आकार 50 के रूप में क्रॉस सत्यापन सेट आकार 25, और 25 …

10 machine-learning  sampling  svm  cross-validation  sample-size 

मैं वर्तमान में तीन विधियों की तुलना कर रहा हूं और मेरे पास मैट्रिक्स के रूप में एक्यूरेसी, auROC और auPR है। और मेरे पास निम्नलिखित परिणाम हैं: विधि ए - एसीसी: 0.75, एयूआरओआरसी: 0.75, एयूपीआर: 0.45 विधि बी - एसीसी: 0.65, एयूआरओआरसी: 0.55, एयूपीआर: 0.40 विधि C - acc: …

10 machine-learning  roc  precision-recall 

प्रमुख घटक विश्लेषण (पीसीए) की गुणवत्ता का आकलन करने के लिए एक अच्छा मीट्रिक क्या है? मैंने एक एल्गोरिथ्म पर इस एल्गोरिथ्म का प्रदर्शन किया। मेरा उद्देश्य सुविधाओं की संख्या को कम करना था (जानकारी बहुत बेमानी थी)। मुझे पता है कि हमारे पास रखी गई भिन्नता का प्रतिशत इस …

10 machine-learning  pca  data-mining  information-theory 

संदर्भ: मैं एक ऐसी प्रणाली विकसित कर रहा हूं, जो कि टाइप करने योग्य डेटा को छानने के लिए नैदानिक ​​डेटा का विश्लेषण करती है जो कि टाइपोस हो सकती है। मैंने अब तक क्या किया: पठनीयता की मात्रा निर्धारित करने के लिए, मेरा अब तक का प्रयास डेटा को …

10 machine-learning  multivariate-analysis  feature-selection  algorithms  outliers 

मैं अक्सर परीक्षण सेट को आयोजित करके और प्रशिक्षण सेट पर एक मॉडल को प्रशिक्षित करके एक वर्गीकरण मॉडल के प्रदर्शन का मूल्यांकन करने के बारे में सुनता हूं। फिर 2 वैक्टर बनाना, एक भविष्यवाणी मूल्यों के लिए और एक सच्चे मूल्यों के लिए। स्पष्ट रूप से एक तुलना करने …

10 regression  machine-learning  model-evaluation 

मैं उत्तरजीविता विश्लेषण के लिए नया हूं और मैंने हाल ही में सीखा है कि एक निश्चित लक्ष्य को पूरा करने के लिए अलग-अलग तरीके हैं। मुझे इन विधियों के वास्तविक कार्यान्वयन और उपयुक्तता में दिलचस्पी है। मुझे पारंपरिक कॉक्स आनुपातिक-खतरों के साथ प्रस्तुत किया गया था , त्वरित विफलता …

10 r  machine-learning  survival  neural-networks  cox-model 

सहसंयोजक चयन का अध्ययन करते समय, मैं एक बार निम्नलिखित उदाहरण पढ़ता हूं। निम्नलिखित मॉडल के संबंध में: इसके सहसंयोजक मैट्रिक्स और व्युत्क्रम सहसंयोजक मैट्रिक्स निम्नानुसार दिए गए हैं, मुझे समझ नहीं आ रहा है कि और y की स्वतंत्रता का निर्णय यहाँ उलटा सहसंयोजक द्वारा क्यों किया जाता है?xxxyyy …

10 machine-learning  bayesian  conditional-probability  covariance  graphical-model 

कई मशीन लर्निंग एल्गोरिदम में, फीचर स्केलिंग (उर्फ वैरिएबल स्केलिंग, नॉर्मलाइजेशन) विकिपीडिया - फ़ीचर स्केलिंग का एक सामान्य प्रीपोसिंग चरण है - यह प्रश्न करीब # 41704 था - सामान्यीकरण और फ़ीचर स्केलिंग का काम कैसे और क्यों होता है? निर्णय वृक्षों के संबंध में मेरे दो प्रश्न हैं: क्या …

10 machine-learning  feature-selection  cart 

मैं अलग-अलग परिदृश्यों के तहत लचीले मॉडल (यानी स्प्लिन) बनाम अनम्य मॉडल (जैसे रैखिक प्रतिगमन) की तुलना करने पर एक साधारण प्रश्न पर आया था। प्रश्न है: सामान्य तौर पर, क्या हम एक लचीली सांख्यिकीय शिक्षण पद्धति के प्रदर्शन की उम्मीद करते हैं जब एक अनम्य विधि की तुलना में …

10 machine-learning  model 

मैं ऐसी स्थिति में आया, जहां मेरे तंत्रिका नेटवर्क का वजन 500 पुनरावृत्तियों के बाद भी परिवर्तित नहीं हो रहा है। मेरे तंत्रिका नेटवर्क में 1 इनपुट परत, 1 छिपी परत और 1 आउटपुट परत है। वे इनपुट परत में लगभग 230 नोड्स, हिडन लेयर में 9 नोड्स और आउटपुट …

10 machine-learning  neural-networks 

एक साधारण उदाहरण के लिए मान लें कि दो रैखिक प्रतिगमन मॉडल हैं मॉडल 1 है तीन भविष्यवक्ताओं, x1a, x2b, औरx2c मॉडल 2 में मॉडल 1 से तीन और दो अतिरिक्त भविष्यवक्ता हैं x2aऔरx2b वहाँ एक जनसंख्या प्रतिगमन समीकरण जहां जनसंख्या विचरण समझाया है मॉडल 1 के लिए और मॉडल …

10 regression  confidence-interval  estimation  r-squared  shrinkage  anova  t-test  references  tukey-hsd  machine-learning  boosting  r  clustering  fishers-exact  generalized-linear-model  model  probit  link-function  r  survival  probability  distributions  dice  logistic  lme4-nlme  glmm  meta-analysis  distributions  distributions  factor-analysis  r  anova  repeated-measures  post-hoc 

मैं एक डेटा सेट पर काम कर रहा हूं। कुछ मॉडल पहचान तकनीकों का उपयोग करने के बाद, मैं ARIMA (0,2,1) मॉडल के साथ बाहर आया। मैंने अपने मूल डेटा सेट के 48 वें अवलोकन में एक अभिनव आउटलुक (आईओ) का पता लगाने के लिए आर में detectIOपैकेज TSAमें फ़ंक्शन …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models