Câu hỏi được gắn thẻ «machine-learning»

Sự khác biệt giữa một mạng thần kinh chuyển tiếp và tái phát là gì? Tại sao bạn sẽ sử dụng cái này hơn cái kia? Các cấu trúc liên kết mạng khác có tồn tại không?

58 machine-learning  neural-networks  terminology  rnn  topologies 

Tôi thấy các tài nguyên như Sổ tay xác suất và thống kê và Thẻ tham chiếu R cho khai thác dữ liệu vô cùng hữu ích. Họ rõ ràng phục vụ tốt như tài liệu tham khảo nhưng cũng giúp tôi sắp xếp suy nghĩ của mình về một …

57 machine-learning  references 

Tôi đã tìm thấy hai câu hỏi ở đây và ở đây về vấn đề này nhưng vẫn chưa có câu trả lời hoặc giải thích rõ ràng nào. Tôi thi hành cùng một vấn đề trong đó lỗi xác nhận ít hơn lỗi đào tạo trong Mạng thần kinh …

57 machine-learning  mathematical-statistics  neural-networks  cross-validation 

Cả PCA và autoencoder đều có thể thực hiện giảm dân số, vậy sự khác biệt giữa chúng là gì? Trong tình huống nào tôi nên sử dụng cái này hơn cái khác?

56 machine-learning  pca  neural-networks  autoencoders 

Tôi là người mới trong lĩnh vực học tập sâu và đối với tôi, bước đầu tiên là đọc các bài viết thú vị từ trang web deeplearning.net. Trong các bài báo về học tập sâu, Hinton và những người khác chủ yếu nói về việc áp dụng nó vào …

54 time-series  machine-learning  prediction  deep-learning  deep-belief-networks 

Đối với tôi, có vẻ như xác nhận giữ lại là vô ích. Đó là, chia dữ liệu gốc thành hai phần (đào tạo và kiểm tra) và sử dụng điểm kiểm tra làm thước đo tổng quát, có phần vô dụng. Xác thực chéo K-Fold dường như cung cấp …

54 machine-learning  cross-validation  validation 

Trong học tập thống kê, ngầm hay rõ ràng, một luôn luôn giả định rằng các tập huấn luyện gồm tuples đầu vào / response được rút ra độc lập từ cùng một phân phối chung vớiD={X,y}D={X,y}\mathcal{D} = \{ \bf {X}, \bf{y} \}NNNP ( X , y )(Xi,yi)(Xi,yi)({\bf{X}}_i,y_i) P(X,y)P(X,y)\mathbb{P}({\bf{X}},y) p(X,y)=p(y|X)p(X)p(X,y)=p(y|X)p(X) …

54 machine-learning  cross-validation  non-independent  iid 

Tôi đang xem xét sử dụng các thư viện Python để thực hiện các thí nghiệm Machine Learning của mình. Cho đến nay, tôi đã dựa vào WEKA, nhưng đã không hài lòng về tổng thể. Điều này chủ yếu là vì tôi thấy WEKA không được hỗ trợ tốt …

53 machine-learning  python 

Chúng tôi đã có nhiều câu hỏi về dữ liệu không cân bằng khi sử dụng hồi quy logistic , SVM , cây quyết định , đóng gói và một số câu hỏi tương tự khác, điều gì làm cho nó trở thành một chủ đề rất phổ biến! Thật …

53 machine-learning  classification  predictive-models  unbalanced-classes 

Một thực tiễn tốt phổ biến trong Machine Learning là thực hiện tính năng chuẩn hóa hoặc chuẩn hóa dữ liệu của các biến dự đoán, đó là, tập trung vào dữ liệu trừ giá trị trung bình và chuẩn hóa nó chia cho phương sai (hoặc độ lệch chuẩn). …

52 machine-learning  normalization  standardization  multidimensional-scaling 

Nhiều tác giả của bài báo tôi đọc khẳng định các SVM là kỹ thuật vượt trội để đối mặt với vấn đề hồi quy / phân loại của họ, nhận thấy rằng họ không thể nhận được kết quả tương tự thông qua NN. Thường thì sự so sánh …

52 machine-learning  svm  neural-networks 

Tôi có một bộ dữ liệu ở dạng (tính năng, đầu ra nhị phân 0 hoặc 1), nhưng 1 xảy ra khá hiếm, vì vậy chỉ cần luôn dự đoán 0, tôi có được độ chính xác từ 70% đến 90% (tùy thuộc vào dữ liệu cụ thể mà tôi …

52 machine-learning  classification  binary-data  unbalanced-classes 

Tôi đang xây dựng mô hình hồi quy. Là bước tiền xử lý, tôi chia tỷ lệ các giá trị tính năng của mình thành trung bình 0 và độ lệch chuẩn 1. Có cần phải chuẩn hóa các giá trị đích không?

52 regression  machine-learning 

Một số tài liệu tôi từng thấy về học máy nói rằng việc tiếp cận vấn đề phân loại thông qua hồi quy là một ý tưởng tồi. Nhưng tôi nghĩ rằng luôn luôn có thể thực hiện hồi quy liên tục để phù hợp với dữ liệu và cắt …

51 regression  machine-learning  classification 

Định nghĩa ngắn về tăng cường : Một tập hợp những người học yếu có thể tạo ra một người học mạnh không? Một người học yếu được định nghĩa là một bộ phân loại chỉ tương quan một chút với phân loại thực sự (nó có thể gắn nhãn …

51 machine-learning  random-forest  boosting  bagging