train पर टैग किए गए जवाब

एक तंत्रिका नेटवर्क को प्रशिक्षित करते समय, क्या फर्क पड़ता है: करने के लिए बैच का आकार और पुनरावृत्तियों की संख्याएएaखखb बनाम बैच आकार से लेकर और पुनरावृत्तियों की संख्यासीसीcघघd जहां ?ए बी = सी डीएख=सीघ ab = cd अन्यथा इसे लगाने के लिए, यह मानते हुए कि हम तंत्रिका …

221 neural-networks  train 

मैं यह जानना चाहूंगा कि क्या वर्गीकरण के लिए मूल डेटासेट को प्रशिक्षण और परीक्षण में विभाजित करते समय यादृच्छिक नमूने के बजाय स्तरीकृत नमूने का उपयोग करने के कोई / कुछ फायदे हैं। इसके अलावा, स्तरीकृत नमूने यादृच्छिक नमूनाकरण की तुलना में क्लासिफायर में अधिक पूर्वाग्रह का परिचय देता …

21 classification  cross-validation  random-forest  train  stratification 

मेरे पास N ~ 5000 के साथ एक डेटा सेट है और लगभग 1/2 कम से कम एक महत्वपूर्ण चर पर गायब है। मुख्य विश्लेषणात्मक विधि कॉक्स आनुपातिक खतरे होंगे। मैं कई प्रतिरूपण का उपयोग करने की योजना बना रहा हूं। मैं ट्रेन और टेस्ट सेट में भी बंट जाऊंगा। …

18 cross-validation  survival  multiple-imputation  train 

Scikit में CalibratedClassifierCV है , जो हमें एक विशेष X, y जोड़ी पर हमारे मॉडल को कैलिब्रेट करने की अनुमति देता है। यह भी स्पष्ट रूप से बताता है किdata for fitting the classifier and for calibrating it must be disjoint. यदि उन्हें निराश होना चाहिए, तो क्या क्लासिफायर को …

16 cross-validation  scikit-learn  validation  train  calibration 

मैं caretआर में पैकेज के माध्यम से ढाल बूस्टिंग मशीन एल्गोरिदम का प्रयोग कर रहा हूं । एक छोटे से कॉलेज प्रवेश डेटासेट का उपयोग करते हुए, मैंने निम्नलिखित कोड चलाया: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

मैं थोड़ा उलझन में हूं: कैरेट के माध्यम से प्रशिक्षित मॉडल के परिणाम मूल पैकेज में मॉडल से कैसे भिन्न हो सकते हैं? मैंने पढ़ा कि क्या कैरेट पैकेज के साथ रैंडमफॉरस्ट के फाइनलमॉडल का उपयोग करने से पहले प्रीप्रोसेसिंग की आवश्यकता है? लेकिन मैं यहां किसी भी प्रीप्रोसेसिंग का …

14 r  machine-learning  random-forest  caret  train 

मैं यहां विभिन्न सूत्र ब्राउज़ कर रहा हूं, लेकिन मुझे नहीं लगता कि मेरे सटीक प्रश्न का उत्तर दिया गया है। मेरे पास ~ 50,000 छात्रों का डेटासेट है और उनके छोड़ने का समय है। मैं बड़ी संख्या में संभावित कोवरिएट्स के साथ आनुपातिक खतरों के प्रतिगमन का प्रदर्शन करने …

14 cross-validation  survival  train 

मैंने यह सीखने की अवस्था बनाई और मैं जानना चाहता हूं कि क्या मेरा एसवीएम मॉडल पूर्वाग्रह या विचरण से ग्रस्त है? मैं इस ग्राफ से कैसे निष्कर्ष निकाल सकता हूं?

12 machine-learning  svm  bias  train 

मैंने पहले एक एमएल कोर्स लिया है, लेकिन अब जब मैं अपनी नौकरी में एमएल संबंधित परियोजनाओं के साथ काम कर रहा हूं, तो मैं वास्तव में इसे लागू करने के लिए काफी संघर्ष कर रहा हूं। मुझे यकीन है कि जो सामान मैं कर रहा हूं, उस पर पहले …

11 machine-learning  references  train  application 

मूल रूप से, विशाल डेटासेट के खिलाफ सीखने के दो सामान्य तरीके हैं (जब आप समय / स्थान प्रतिबंधों का सामना करते हैं): धोखा :) - प्रशिक्षण के लिए सिर्फ एक "प्रबंधनीय" सबसेट का उपयोग करें। घटते रिटर्न के कानून की वजह से सटीकता की हानि नगण्य हो सकती है …

10 machine-learning  large-data  model-evaluation  train