model-evaluation पर टैग किए गए जवाब

यह एक सामान्य प्रश्न है जिसे यहां परोक्ष रूप से कई बार पूछा गया था, लेकिन इसमें एक भी आधिकारिक उत्तर का अभाव है। संदर्भ के लिए इसका विस्तृत उत्तर देना बहुत अच्छा होगा। सटीकता , सभी वर्गीकरणों के बीच सही वर्गीकरण का अनुपात बहुत सरल और बहुत "सहज" उपाय …

107 machine-learning  classification  accuracy  model-evaluation  scoring-rules 

मैंने पहले स्टैकऑवरफ्लो पर यह पूछा था, लेकिन ऐसा लगता है कि यह यहां अधिक उपयुक्त हो सकता है, यह देखते हुए कि इसे एसओ पर कोई जवाब नहीं मिला। यह आँकड़ों और प्रोग्रामिंग के बीच चौराहे की तरह है। पीसीए (प्रिंसिपल कंपोनेंट एनालिसिस) करने के लिए मुझे कुछ कोड …

54 pca  algorithms  model-evaluation  high-dimensional 

मैंने देखा है कि ALGLIB, Waffles और कुछ R संकुल जैसे यादृच्छिक वन के कुछ कार्यान्वयन हैं randomForest। क्या कोई मुझे बता सकता है कि क्या ये पुस्तकालय अत्यधिक अनुकूलित हैं? क्या वे मूल रूप से सांख्यिकीय सीखने के तत्वों में विस्तृत यादृच्छिक जंगलों के बराबर हैं या बहुत सारे …

44 random-forest  algorithms  model-evaluation 

क्लस्टर विश्लेषण के साथ एक सबसे बड़ा मुद्दा यह है कि हम अलग-अलग निष्कर्ष निकालने के लिए हो सकते हैं, जब विभिन्न क्लस्टरिंग विधियों का उपयोग किया जाता है (पदानुक्रमित क्लस्टरिंग में विभिन्न लिंकेज विधियों सहित)। मैं इस पर आपकी राय जानना चाहूंगा - आप किस विधि का चयन करेंगे, …

35 clustering  validation  model-evaluation  hierarchical-clustering 

हाल ही में मैं एक पेपर पर आया हूं जो एक विशिष्ट डेटासेट पर k-NN क्लासिफायर का उपयोग करने का प्रस्ताव करता है। लेखकों ने विभिन्न k मानों के लिए k-fold क्रॉस सत्यापन करने के लिए उपलब्ध सभी डेटा नमूनों का उपयोग किया और सबसे अच्छा हाइपरमीटर व्यास कॉन्फ़िगरेशन के …

30 cross-validation  references  model-selection  model-evaluation 

जैसा कि हम सभी जानते हैं कि लॉजिस्टिक रिग्रेशन मॉडल का मूल्यांकन करने के 2 तरीके हैं और वे बहुत अलग चीजों का परीक्षण कर रहे हैं प्रिडिक्टिव पावर: एक सांख्यिकीय प्राप्त करें जो मापता है कि आप स्वतंत्र चर के आधार पर निर्भर चर की कितनी अच्छी भविष्यवाणी कर …

24 r  logistic  goodness-of-fit  regression-strategies  model-evaluation 

मैं एक धोखाधड़ी का पता लगाने (क्रेडिट-स्कोरिंग जैसी) समस्या से निपटता हूं। जैसे कि धोखाधड़ी और गैर-धोखाधड़ी टिप्पणियों के बीच अत्यधिक असंतुलित संबंध है। http://blog.revolutionanalytics.com/2016/03/com_class_eval_metrics_r.html विभिन्न वर्गीकरण मीट्रिक का एक बड़ा अवलोकन प्रदान करता है। Precision and Recallया kappaदोनों एक अच्छा विकल्प लगते हैं: ऐसे क्लासिफायर के परिणामों को सही …

22 classification  unbalanced-classes  precision-recall  cohens-kappa  model-evaluation 

क्या AUC-ROC मान 0-0.5 के बीच हो सकता है? क्या मॉडल कभी 0 से 0.5 के बीच आउटपुट देता है?

16 roc  model-evaluation  auc 

कागल की प्रतियोगिता पोर्टो सेगुरो के सेफ ड्राइवर प्रेडिक्शन नॉर्मलाइज्ड गिनी स्कोर का मूल्यांकन मैट्रिक के रूप में करता है और इससे मुझे इस पसंद के कारणों के बारे में पता चला। मूल्यांकन के लिए एयूसी जैसे सबसे सामान्य मैट्रिक्स के बजाय सामान्यीकृत गिन्नी स्कोर का उपयोग करने के क्या …

14 classification  auc  model-evaluation  gini 

दो या दो से अधिक वर्गीकरण मॉडल की तुलना करने के लिए उपयोग किया जाने वाला एक सामान्य उपाय आरओसी वक्र (एयूसी) के तहत क्षेत्र का उपयोग अपने प्रदर्शन का अप्रत्यक्ष रूप से आकलन करने के लिए है। इस मामले में एक बड़े AUC के साथ एक मॉडल आमतौर पर …

13 machine-learning  classification  roc  auc  model-evaluation 

क्या Phi और मैथ्यू सहसंबंध गुणांक समान अवधारणा हैं? वे कैसे संबंधित या दो बाइनरी चर के लिए पियर्सन सहसंबंध गुणांक के बराबर हैं? मुझे लगता है कि बाइनरी मान 0 और 1 हैं। दो बर्नौली यादृच्छिक चर और बीच पियर्सन का संबंध है:यएक्सएक्सxyyy ρ=E[(x−E[x])(y−E[y])]Var[x]Var[y]−−−−−−−−−−√=E[xy]−E[x]E[y]Var[x]Var[y]−−−−−−−−−−√=n11n−n1∙n∙1n0∙n1∙n∙0n∙1−−−−−−−−−−√ρ=E[(x−E[x])(y−E[y])]Var[x]Var[y]=E[xy]−E[x]E[y]Var[x]Var[y]=n11n−n1∙n∙1n0∙n1∙n∙0n∙1 \rho = \frac{\mathbb{E} [(x - …

13 correlation  contingency-tables  bernoulli-distribution  model-evaluation  confusion-matrix 

डेटा माइनिंग के लिए मेरी कक्षा के एक्सपोज़र में, मॉडल प्रदर्शन का आकलन करने के तरीके के रूप में होल्डआउट विधि पेश की गई थी। हालांकि, जब मैंने रैखिक मॉडल पर अपनी पहली कक्षा ली, तो इसे मॉडल सत्यापन या मूल्यांकन के साधन के रूप में पेश नहीं किया गया …

12 regression  validation  model-evaluation  out-of-sample 

मैं फिशर सटीक परीक्षण को बेहतर तरीके से समझना चाहता था, इसलिए मैंने निम्नलिखित खिलौना उदाहरण तैयार किया, जहां एफ और एम पुरुष और महिला से मेल खाते हैं, और n और y इस तरह से "सोडा की खपत" से मेल खाती है: > soda_gender f m n 0 5 …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

मैं अजगर स्किट-लर्न मैनुअल में रिग्रेशन मेट्रिक्स के बारे में पढ़ रहा था और भले ही उनमें से हर एक का अपना सूत्र हो, मैं सहजता से नहीं बता सकता कि और विचरण स्कोर में क्या अंतर है और इसलिए जब एक या दूसरे का मूल्यांकन करना हो मेरे मॉडल।R2R2R^2

12 regression  variance  scikit-learn  r-squared  model-evaluation 

यह F बीटा स्कोर है: Fβ=(1+β2)⋅precision⋅recall(β2⋅precision)+recallFβ=(1+β2)⋅precision⋅recall(β2⋅precision)+reसीएएलएलF_\beta = (1 + \beta^2) \cdot \frac{\mathrm{precision} \cdot \mathrm{recall}}{(\beta^2 \cdot \mathrm{precision}) + \mathrm{recall}} विकिपीडिया लेख में कहा गया है कि ।एफβएफβF_\beta "measures the effectiveness of retrieval with respect to a user who attaches β times as much importance to recall as precision" मुझे विचार नहीं …

10 machine-learning  precision-recall  model-evaluation