In der linearen Regression (quadratischer Verlust) haben wir mithilfe der Matrix eine sehr präzise Notation für das Ziel minimize ∥Ax−b∥2minimize ‖Ax−b‖2\text{minimize}~~ \|Ax-b\|^2 Dabei ist AAA die Datenmatrix, xxx die Koeffizienten und bbb die Antwort. Gibt es eine ähnliche Matrixnotation für...
Gibt es eine Verteilung für zwei iid Zufallsvariablen bei der die gemeinsame Verteilung von X - Y über die Unterstützung gleichmäßig ist [0,1]?X, YX,Y.X,YX-
Ab wann werden mehrschichtige neuronale Netze als tiefe neuronale Netze klassifiziert oder anders ausgedrückt: Wie viele Schichten müssen mindestens in einem tiefen neuronalen Netz vorhanden
Der Erwartungswert einer Verteilung f(x)f(x)f(x) ist der Mittelwert, das heißt der gewichtete Mittelwert E[x]=∫+∞−∞xf(x)dxE[x]=∫−∞+∞xf(x)dxE[x]=\int_{-\infty}^{+\infty} x \, \, f(x) dx Der wahrscheinlichste Wert ist der Modus, dh der wahrscheinlichste Wert. Erwarten wir jedoch, dass wir...
Multi-Arm-Banditen funktionieren gut in Situationen, in denen Sie die Wahl haben und nicht sicher sind, welche Banditen Ihr Wohlbefinden maximieren. Sie können den Algorithmus für einige reale Situationen verwenden. Lernen kann zum Beispiel ein gutes Feld sein: Wenn ein Kind Tischlerei lernt und...
Standardgradientenabstieg berechnet den Gradienten für den gesamten Trainingsdatensatz. for i in range(nb_epochs): params_grad = evaluate_gradient(loss_function, data, params) params = params - learning_rate * params_grad Für eine vordefinierte Anzahl von Epochen berechnen wir zunächst den...
Ich lerne etwas über Splines aus dem Buch "Die Elemente des statistischen Lernens, Data Mining, Inferenz und Vorhersage" von Hastie et al. Ich habe auf Seite 145 festgestellt, dass natürliche kubische Splines jenseits der Grenzknoten linear sind. Es gibt Knoten, in den Splines und das Folgende wird...
Ich versuche, lme4::glmer()ein binomiales verallgemeinertes gemischtes Modell (GLMM) mit abhängiger Variable anzupassen, die nicht binär ist, sondern eine kontinuierliche Variable zwischen Null und Eins. Man kann sich diese Variable als Wahrscheinlichkeit vorstellen; Tatsächlich ist es die...
Gibt es Videos oder andere Bücher / Notizen, die nach der Mustererkennung und dem maschinellen Lernen von Chris Bishop aufgetaucht sind? Ich habe dieses Buch gekauft, um maschinelles Lernen zu lernen, und habe einige Probleme, es
Angenommen, Sie passen eine lineare / logistische Regression mit dem Ziel einer unverzerrten Schätzung von . Sie sind sehr zuversichtlich, dass sowohl als auch in Bezug auf das Rauschen in ihren Schätzungen sehr positiv sind.a 1G( y) = a0+ a1⋅ x1+ a2⋅ x2g(y)=a0+a1⋅x1+a2⋅x2g(y) = a_0 + a_1\cdot x_1...
Was ist eine Momenterzeugungsfunktion (MGF)? Können Sie es in Laienbegriffen und zusammen mit einem einfachen und einfachen Beispiel erklären? Bitte beschränken Sie sich so weit wie möglich auf formale mathematische
In dem Buch Mustererkennung und maschinelles Lernen (Formel 1.27) gibt es Dabei istx=g(y),px(x)das PDF, das inBezug auf die Änderung der Variablenpy(y)entspricht.py(y)=px(x)∣∣∣dxdy∣∣∣=px(g(y))|g′(y)|py(y)=px(x)|dxdy|=px(g(y))|g′(y)|p_y(y)=p_x(x) \left | \frac{d x}{d y} \right |=p_x(g(y)) | g'(y)...
Ich weiß, dass reguläre PCA nicht dem Wahrscheinlichkeitsmodell für beobachtete Daten folgt. Was ist der grundlegende Unterschied zwischen PCA und PPCA ? In PPCA enthält das latente Variablenmodell zum Beispiel beobachtete Variablen , latente (nicht beobachtete Variablen ) und eine Matrix , die...
Ich habe eine große Anzahl von Verschmutzungsdaten, die im Laufe von 2 Jahren alle 10 Minuten aufgezeichnet wurden, es gibt jedoch eine Reihe von Lücken in den Daten (einschließlich einiger, die sich über mehrere Wochen erstrecken). Die Daten scheinen ziemlich saisonal zu sein und es gibt...
Ich versuche, die Genauigkeits-Rückrufkurve zu verstehen. Ich verstehe, was Präzision und Rückruf sind, aber das, was ich nicht verstehe, ist der "Grundlinien" -Wert. Ich habe diesen Link gelesen https://classeval.wordpress.com/introduction/introduction-to-the-precision-recall-plot/ und ich...
Bei der Durchführung einer ANOVA wird uns mitgeteilt, dass bestimmte Annahmen des Tests vorliegen müssen, damit er auf die Daten anwendbar ist. Ich habe nie verstanden, warum die folgenden Annahmen erforderlich waren, damit der Test funktioniert: Die Varianz Ihrer abhängigen Variablen (Residuen)...
Während des Trainings eines einfachen Binärklassifikators für neuronale Netze erhalte ich einen hohen Verlustwert unter Verwendung von Kreuzentropie. Trotzdem ist die Genauigkeit des Validierungssatzes recht gut. Hat es eine Bedeutung? Gibt es keine strikte Korrelation zwischen Verlust und...
Ich arbeite an einem Text-Clustering-Problem. Die Daten enthalten mehrere Sätze. Gibt es einen guten Algorithmus, der bei kurzen Texten eine hohe Genauigkeit erzielt? Können Sie gute Referenzen vorlegen? Algorithmen wie KMeans und Spectral Clustering funktionieren für dieses Problem nicht gut....
Es gibt viele Literaturstellen, in denen die Expectation Maximization-Methode für Mischmodelle (Mischung aus Gauß-Modell, Hidden-Markov-Modell usw.) im Vordergrund steht. Warum ist EM wichtig? EM ist nur eine Möglichkeit zur Optimierung und wird nicht häufig als gradientenbasierte Methode...
Fragen Kommt es darauf an, ob der Baum flach oder tief ist? Oder können wir das unabhängig von der Tiefe / Höhe des Baumes sagen? Warum ist die Vorspannung niedrig und die Varianz hoch? Erklären Sie dies bitte intuitiv und