Saya ingin dapat merancang classifier yang dapat membedakan berbagai jenis percakapan (tidak perlu menceritakan apa pun tentang suasana hati, ketulusan, atau hasil, yang agak terlalu jauh diambil). Untuk mengetahui, misalnya, bahwa di antara 50 sampel percakapan, 10 melibatkan kedua belah pihak...
Saya membaca tentang pertukaran ini metode heuristik untuk memperkirakan gamma untuk kernel rbf di SVM. Saya bertanya-tanya apakah seseorang mungkin bisa menjelaskannya kepada saya dengan sedikit lebih detail? Saya percaya Anda memilih 1000 (atau sejumlah besar) pasang titik data dari dataset...
Saya ingat melihat / membaca di suatu tempat bahwa untuk multiclass SVM dengan data tidak seimbang, ada cara untuk menentukan bobot kelas dari data pelatihan (daripada validasi X). Adakah yang tahu apa metodenya atau dari kertas mana? Terima
Algoritma pendongkrak , seperti AdaBoost , menggabungkan beberapa pengklasifikasi 'lemah' untuk membentuk satu pengklasifikasi yang lebih kuat. Meskipun secara teori, peningkatan harus dimungkinkan dengan pengklasifikasi dasar, dalam praktiknya tampaknya pengklasifikasi berbasis pohon adalah yang...
Saya menggunakan dukungan vektor regresi untuk memodelkan beberapa data yang cukup miring (dengan kurtosis tinggi). Saya sudah mencoba memodelkan data secara langsung tetapi saya mendapatkan prediksi yang salah, saya pikir terutama karena distribusi data, yang condong ke kanan dengan ekor yang...
Apakah ada metode untuk membangun pohon keputusan yang memperhitungkan prediktor terstruktur / hierarkis / multilevel, yang akan memungkinkan saya untuk memaksakan pengetahuan domain atau kendala pada interaksi
Masalah merancang multi-classifier menggunakan LDA dapat dinyatakan sebagai masalah 2 kelas (satu vs yang lainnya) atau masalah multi-kelas . Mengapa dalam kasus-kasus tertentu multi-class LDA classifier out-melakukan 2 kelas LDA (satu vs yang lainnya) atau sebaliknya
Saya menghitung beberapa probabilitas bersyarat, dan interval kepercayaan 95% yang terkait. Untuk banyak kasus saya, saya memiliki jumlah xkeberhasilan langsung dari npercobaan (dari tabel kontingensi), sehingga saya dapat menggunakan interval kepercayaan Binomial, seperti yang disediakan oleh...
Saya mencoba menerapkan Manifold Regularization di Support Vector Machines (SVMs) di Matlab. Saya mengikuti instruksi di kertas oleh Belkin et al. (2006), ada persamaan di dalamnya: 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...
Kami memiliki kumpulan data kecil (sekitar 250 sampel * 100 fitur) yang kami inginkan untuk membangun klasifikasi biner setelah memilih subset fitur terbaik. Katakanlah bahwa kita mempartisi data menjadi: Pelatihan, Validasi dan Pengujian Untuk pemilihan fitur, kami menerapkan model pembungkus...
Saya memiliki satu set data kata-kata. Saya secara acak memilih beberapa poin dan menggunakannya untuk pengujian dan yang lainnya digunakan untuk pelatihan. kasus (1) Saya hanya mengambil setiap titik data dari set tes dan mengklasifikasikannya memiliki label kelas yang sama dengan titik terdekat...
Saya tahu ini terutama adalah situs statistik, jadi jika saya di luar topik, harap redirect saya. Saya memiliki sistem dengan pompa yang kadang pecah dan perlu diganti. Saya ingin dapat memprediksi kegagalan, dan dengan demikian memberikan peringatan dini kepada orang-orang yang mengganti pompa....
Adakah yang punya contoh pendidikan singkat yang cepat bagaimana menggunakan jaringan saraf ( nnetdalam R misalnya) untuk tujuan prediksi? Berikut adalah contoh, dalam R, dari deret waktu T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Ini hanya...
Metode Multiple Kernel Learning bertujuan untuk membangun model kernel di mana kernel merupakan kombinasi linear dari kernel basis tetap. Mempelajari kernel kemudian terdiri dari mempelajari koefisien pembobotan untuk setiap kernel dasar, daripada mengoptimalkan parameter kernel dari satu...
Latar belakang masalah: Sebagai bagian dari penelitian saya, saya telah menulis dua algoritma yang dapat memilih satu set fitur dari set data (data ekspresi gen dari pasien kanker). Fitur-fitur ini kemudian diuji untuk melihat seberapa baik mereka dapat mengklasifikasikan sampel yang tidak terlihat...
Saya penggemar berat sepakbola dan tertarik pada pembelajaran mesin juga. Sebagai proyek untuk kursus ML saya, saya mencoba membangun model yang akan memprediksi peluang menang untuk tim tuan rumah, mengingat nama-nama tim tuan rumah dan tandang. (Saya menanyakan dataset saya dan karenanya membuat...
Saya mencatat bahwa tugas regresi dalam pembelajaran mesin entah bagaimana terkait dengan penyelesaian persamaan diferensial sekitar - keduanya mencoba untuk memperkirakan fungsi yang tidak diketahui. Lalu, pertanyaan saya adalah: Dapatkah ML entah bagaimana membantu dalam menyelesaikan persamaan...
Saya bekerja dengan kode hutan acak Breiman ( http://stat-www.berkeley.edu/users/breiman/RandomForests/cc_manual.htm#c2 ) untuk klasifikasi data satelit (supervised learning). Saya menggunakan dataset pelatihan dan tes yang memiliki ukuran sampel 2000 dan ukuran variabel 10. Data diklasifikasikan...
Sifat diskrit dari DP membuatnya tidak cocok untuk aplikasi umum dalam Bayesian nonparametrics, tetapi sangat cocok untuk masalah penempatan prior pada komponen campuran dalam pemodelan campuran. Kutipan ini dari Hierarchical Dirichlet Processes (Teh, et al, (2006) ) dan saya mencari penjelasan...
Saya mengerti bagaimana pemisahan terbaik dipilih untuk forest acak untuk prediktor numerik (fitur). Prediktor numerik diurutkan kemudian untuk setiap nilai Gini kenajisan atau entropi dihitung dan ambang dipilih yang memberikan perpecahan terbaik. Tetapi bagaimana pemisahan terbaik dipilih untuk...