Câu hỏi được gắn thẻ «loss-functions»

Trong một số cuộc thi kaggle, việc tính điểm được dựa trên "logloss". Điều này liên quan đến lỗi phân loại. Đây là một câu trả lời kỹ thuật nhưng tôi đang tìm kiếm một câu trả lời trực quan. Tôi thực sự thích câu trả lời cho câu hỏi …

10 interpretation  intuition  loss-functions 

Tôi nghi ngờ về cách chính xác chức năng mất của Mạng Q-Learning sâu được đào tạo. Tôi đang sử dụng một mạng feedforward 2 lớp với lớp đầu ra tuyến tính và các lớp ẩn relu. Giả sử tôi có 4 hành động có thể. Do đó, đầu ra …

10 least-squares  deep-learning  loss-functions  reinforcement-learning  q-learning 

Tôi có một vấn đề phân loại trong đó pixel sẽ được dán nhãn bằng nhãn mềm (biểu thị xác suất) thay vì 0,1 nhãn cứng. Trước đó với nhãn 0,1 pixel cứng, chức năng mất entropy chéo (sigmoidCross entropyLossLayer từ Caffe) đã cho kết quả tốt. Có thể sử …

10 classification  loss-functions 

Tôi đang đào tạo một mạng nơ ron tích chập đơn giản để hồi quy, trong đó nhiệm vụ là dự đoán vị trí (x, y) của một hộp trong một hình ảnh, ví dụ: Đầu ra của mạng có hai nút, một cho x và một cho y. Phần …

9 machine-learning  neural-networks  optimization  deep-learning  loss-functions 

Tôi biết tôi đã nhìn thấy cả hai cách, vì vậy có sự khác biệt giữa hai cách này, và cách nào thường được nhắc đến hơn?

9 logistic  terminology  logarithm  loss-functions 

Hãy xem xét tổn thất bậc hai , với trước đó là trong đó . Đặt khả năng. Tìm công cụ ước tính Bayes .L ( θ , δ) = ( Θ - δ)2L(θ,δ)= =(θ-δ)2L(\theta,\delta)=(\theta-\delta)^2π( θ )π(θ)\pi(\theta)π( Θ ) ~ U( 0 , 1 / 2 )π(θ)~Bạn(0,1/2)\pi(\theta)\sim U(0,1/2)f( x | …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Mất L2, cùng với mất L0 và L1, là ba hàm mất "mặc định" rất phổ biến được sử dụng khi tóm tắt một hậu thế bằng tổn thất dự kiến ​​tối thiểu sau. Một lý do cho điều này có lẽ là chúng tương đối dễ tính toán (ít …

9 bayes  teaching  decision-theory  loss-functions 

Giả sử bạn muốn để ước lượng một mô hình tuyến tính: ( nnn quan sát phản ứng, và p+1p+1p+1 dự đoán) E(yi)=β0+∑j=1pβjxijE(yi)=β0+∑j=1pβjxij\mathbb{E}(y_i) = \beta_0 + \sum_{j=1}^p \beta_j x_{ij} Một cách để làm điều này là thông qua giải pháp OLS, tức là chọn các hệ số sao cho tổng …

9 regression  loss-functions 

Tôi hiện đang xem xét hình thức nguyên thủy không giới hạn của trình phân loại một đấu tất cả ∑i=1NI∑k=1,k≠yiNKL(1+wk⋅xi−wyi⋅xi)∑i=1NI∑k=1,k≠yiNKL(1+wk⋅xi−wyi⋅xi)\sum\limits_{i=1}^{N_I} \sum\limits_{k=1,\atop k \neq y_i}^{N_K} L(1+ \mathbf{w_k}\cdot\mathbf{x_i}-\mathbf{w_{y_i}}\cdot\mathbf{x_i}) Ở đâu NININ_I là số lượng phiên bản, là số lượng các lớp, là số lượng tính năng, là ma trận dữ liệu …

9 classification  loss-functions 

Tôi đang cố gắng điều hòa các định nghĩa khác nhau của hàm chi phí / tổn thất SVM biên mềm ở dạng nguyên thủy. Có một toán tử "max ()" mà tôi không hiểu. Tôi đã học về SVM nhiều năm trước từ sách giáo khoa cấp đại học …

9 machine-learning  classification  svm  data-mining  loss-functions 

TL; DR (quá dài, không đọc): Tôi đang làm việc với một vấn đề dự đoán theo chuỗi thời gian, mà tôi coi là một vấn đề Hồi quy bằng cách sử dụng Deep Learning (máy ảnh). Tôi muốn tối ưu hóa cho mối tương quan Pearson giữa dự đoán …

8 machine-learning  deep-learning  loss-functions  pearson-r  mse 

Mô tả vấn đề Tôi đang bắt đầu xây dựng mạng cho một vấn đề mà tôi cảm thấy có thể có chức năng mất mát sâu sắc hơn nhiều so với hồi quy MSE đơn giản. Vấn đề của tôi liên quan đến phân loại đa danh mục ( …

8 neural-networks  loss-functions 

Tôi đang sử dụng hồi quy logistic để dự đoán khả năng xảy ra sự kiện. Cuối cùng, những xác suất này được đưa vào một môi trường sản xuất, nơi chúng tôi tập trung nhiều nhất có thể vào việc đưa ra dự đoán "Có" của mình. Do đó, …

8 r  logistic  classification  loss-functions  scoring-rules 

Dự án hiện tại của tôi có thể yêu cầu tôi xây dựng một mô hình để dự đoán hành vi của một nhóm người nhất định. tập dữ liệu huấn luyện chỉ chứa 6 biến (id chỉ dành cho mục đích nhận dạng): id, age, income, gender, job category, …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Dự báo mật độ là phổ quát hơn dự báo điểm; họ cung cấp thông tin về toàn bộ phân phối dự đoán của một biến ngẫu nhiên thay vì trên hàm cụ thể của chúng (như giá trị trung bình dự đoán, trung vị, lượng tử, v.v.). Tính khả …

7 forecasting  loss-functions  decision-theory  density-estimation