scikit-learn पर टैग किए गए जवाब

जैसा कि मैंने समझा, k-NN एक आलसी सीखने वाला एल्गोरिथ्म है और इसे प्रशिक्षण चरण की आवश्यकता नहीं है। तो हमें .fit()स्केलेर के साथ उपयोग करने की आवश्यकता क्यों है और जब हम इसका उपयोग करते हैं तो क्या होता है?

11 classification  scikit-learn  k-nearest-neighbour 

mgcvके लिए पैकेज Rफिटिंग टेन्सर उत्पाद बातचीत के लिए दो कार्य करता है: te()और ti()। मैं दोनों के बीच श्रम के बुनियादी विभाजन को समझता हूं (गैर-रैखिक बातचीत को फिट करना बनाम इस बातचीत को मुख्य प्रभावों और एक इंटरैक्शन में विघटित करना)। क्या मुझे समझ नहीं आता क्यों है …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

यह स्कैडिट ग्रैडिएंटबॉस्टिंग का द्विपद अवमूल्यन हानि कार्य है, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / …

11 machine-learning  scikit-learn  boosting  loss-functions 

मैं एक बीमा जोखिम पूर्वानुमान मॉडल विकसित करने पर काम कर रहा हूं। ये मॉडल "दुर्लभ घटनाओं" जैसे एयरलाइन नो-शो भविष्यवाणी, हार्डवेयर दोष का पता लगाने, आदि जैसे हैं। जैसा कि मैंने अपना डेटा सेट तैयार किया, मैंने वर्गीकरण लागू करने की कोशिश की, लेकिन मैं नकारात्मक मामलों के उच्च …

11 classification  predictive-models  scikit-learn  poisson-process 

मैं यह पता लगाने की कोशिश कर रहा हूं कि पायस में कुछ काम जो मैंने एसएएस में किए हैं, कैसे पुन: पेश करें। इस डेटासेट का उपयोग करना , जहां बहुसंस्कृति एक समस्या है, मैं पायथन में प्रमुख घटक विश्लेषण करना चाहूंगा। मैंने स्किटिट-लर्न और स्टैटमोडेल को देखा है, …

11 pca  python  scikit-learn 

मैंने हाल ही में अद्भुत PCA के बारे में सीखा है और मैंने scikit-learn प्रलेखन में उल्लिखित उदाहरण किया है । मुझे यह जानने में दिलचस्पी है कि मैं वर्गीकरण उद्देश्यों के लिए पीसीए को नए डेटा बिंदुओं पर कैसे लागू कर सकता हूं। एक 2 आयामी विमान (एक्स, वाई …

10 classification  pca  scikit-learn 

स्किकिट सीखता है कि मॉडल एकत्रीकरण तकनीक के लिए बहुसंख्यक वोट के बजाय संभाव्य भविष्यवाणी का उपयोग क्यों (1.9.2.1। रैंडम फॉरेस्ट) के स्पष्टीकरण के बिना किया जाता है। क्या इसके लिए एक स्पष्ट व्याख्या है? इसके अलावा, विभिन्न मॉडल एकत्रीकरण तकनीकों के लिए एक अच्छा पेपर या समीक्षा लेख है …

10 random-forest  python  scikit-learn  aggregation  bagging 

मैं वर्तमान में निम्नलिखित कोड के साथ स्किकिट सीख रहा हूं: clf = svm.SVC(C=1.0, tol=1e-10, cache_size=600, kernel='rbf', gamma=0.0, class_weight='auto') और फिर 7 अलग-अलग लेबल वाले डेटा के सेट के लिए फिट और भविष्यवाणी करें। मुझे एक अजीब आउटपुट मिला। कोई बात नहीं जो मान्यता तकनीक को पार करता है मैं …

10 svm  scikit-learn  libsvm  multi-class  optunity 

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 

मैं स्केलेरन प्रलेखन से गुजर रहा हूं लेकिन मैं लॉजिस्टिक रिग्रेशन के संदर्भ में इन कार्यों के उद्देश्य को नहीं समझ पा रहा हूं। इसके लिए decision_functionयह कहता है कि हाइपरप्लेन और परीक्षण उदाहरण के बीच की दूरी। यह विशेष जानकारी कैसे उपयोगी है? और यह कैसे predictऔर predict-probaतरीकों से …

10 regression  logistic  prediction  scikit-learn  decision 

मैं क्लस्टरिंग प्रदर्शन का मूल्यांकन करने की कोशिश कर रहा हूं। मैं मेट्रिक्स पर स्कीस्किट-लर्न डॉक्यूमेंटेशन पढ़ रहा था । मुझे एआरआई और एएमआई के बीच अंतर समझ में नहीं आता है। मुझे ऐसा लगता है कि वे दो अलग-अलग तरीकों से एक ही काम करते हैं। प्रलेखन से उद्धृत: …

10 clustering  python  scikit-learn 

यहाँ पायथन में सुविधा चयन विधि के लिए मेरा कोड है : from sklearn.svm import LinearSVC from sklearn.datasets import load_iris iris = load_iris() X, y = iris.data, iris.target X.shape (150, 4) X_new = LinearSVC(C=0.01, penalty="l1", dual=False).fit_transform(X, y) X_new.shape (150, 3) लेकिन नया X (आश्रित चर - X_new) प्राप्त करने के …

10 feature-selection  python  scikit-learn 

मैं यह जानने की कोशिश कर रहा हूं कि क्या नेस्टेड क्रॉस-वैलिडेशन की मेरी समझ सही है, इसलिए मैंने यह देखने के लिए यह खिलौना उदाहरण लिखा है कि क्या मैं सही हूं: import operator import numpy as np from sklearn import cross_validation from sklearn import ensemble from sklearn.datasets import …

10 cross-validation  python  scikit-learn 

मुझे MNIST, CIFAR, STL-10, आदि के लिए रैंडम फ़ॉरेस्ट्स के आवेदन पर कोई साहित्य नहीं मिला है, इसलिए मैंने सोचा कि मैं उन्हें क्रमपरिवर्तन-अपरिवर्तनीय MNIST के साथ स्वयं प्रयास करूँगा। में आर , मैंने कोशिश की: randomForest(train$x, factor(train$y), test$x, factor(test$y), ntree=500) यह 2 घंटे तक चला और 2.8% परीक्षण त्रुटि …

10 r  machine-learning  classification  random-forest  scikit-learn 

मैं आर में एक असतत समय मॉडल फिट करने की कोशिश कर रहा हूं, लेकिन मुझे यकीन नहीं है कि यह कैसे करना है। मैंने पढ़ा है कि आप विभिन्न चर में निर्भर चर को व्यवस्थित कर सकते हैं, प्रत्येक समय-अवलोकन के लिए, और glmएक लॉगिट या क्लॉगलॉग लिंक के …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation