Câu hỏi được gắn thẻ «machine-learning»

Các thuật toán học máy xây dựng một mô hình của dữ liệu đào tạo. Thuật ngữ "học máy" được định nghĩa mơ hồ; nó bao gồm những gì còn được gọi là học thống kê, học tăng cường, học không giám sát, v.v ... LUÔN LUÔN THÊM MỘT THÊM THÊM CỤ THỂ.



2
Làm cách nào tôi có thể chuyển đổi dữ liệu chuỗi thời gian để tôi có thể sử dụng các kỹ thuật đơn giản hơn để dự đoán lỗi?
Tôi biết đây chủ yếu là một trang web thống kê, vì vậy nếu tôi lạc đề, vui lòng chuyển hướng cho tôi. Tôi có một hệ thống với các máy bơm đôi khi bị hỏng và cần phải được thay thế. Tôi muốn có thể dự đoán những thất …



1
Khoảng tin cậy khi sử dụng định lý Bayes
Tôi đang tính toán một số xác suất có điều kiện và liên quan đến khoảng tin cậy 95%. Đối với nhiều trường hợp của tôi, tôi có đếm đơn giản của xnhững thành công ra khỏi nthử nghiệm (từ một bảng dự phòng), vì vậy tôi có thể sử …

1
Chính quy hóa sử dụng biểu đồ laplacian trong SVM
Tôi đang cố gắng thực hiện Chính quy hóa Manifold trong Máy vectơ hỗ trợ (SVM) trong Matlab. Tôi đang làm theo hướng dẫn trong bài báo của Belkin và cộng sự (2006), có phương trình trong đó: f∗=argminf∈Hk∑li=1V(xi,yi,f)+γA∥f∥2A+γI∥f∥2If∗=argminf∈Hk∑i=1lV(xi,yi,f)+γA‖f‖A2+γI‖f‖I2f^{*} = \text{argmin}_{f \in H_k}\sum_{i=1}^{l}V\left(x_i,y_i,f\right)+\gamma_{A}\left\| f \right\|_{A}^{2}+\gamma_{I}\left\| f \right\|_{I}^{2} Trong đó V …


1
Có một phương pháp để xây dựng các cây quyết định có tính đến các yếu tố dự đoán có cấu trúc / phân cấp / đa cấp không?
Có một phương pháp để xây dựng các cây quyết định có tính đến các yếu tố dự đoán có cấu trúc / phân cấp / đa cấp, cho phép tôi áp đặt kiến ​​thức về miền hoặc các ràng buộc đối với các tương tác chẳng hạn?



2
Phân loại cơ sở để thúc đẩy
Các thuật toán tăng cường, chẳng hạn như AdaBoost , kết hợp nhiều phân loại 'yếu' để tạo thành một phân loại mạnh hơn. Mặc dù trong lý thuyết, việc tăng cường lý thuyết là có thể với bất kỳ phân loại cơ sở nào, nhưng trong thực tế, dường …

1
Các mô hình học tập theo cặp mở
Tôi đang giải quyết một vấn đề phân loại bằng cách sử dụng tập huấn luyện theo cặp. Chúng tôi có 2 lớp: xấu và tốt . Chúng tôi cũng có các cặp đối tượng , có nghĩa là đối tượng tốt hơn . Mỗi đối tượng được mô tả …



Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.