প্রশ্ন ট্যাগ «statistics»

12
ওভারফিটিং খারাপ কেন?
আমি এগুলি প্রচুর অধ্যয়ন করেছি এবং তারা বলেছে যে মেশিন লার্নিংয়ের ক্রিয়াকে অত্যধিক মানিয়ে তোলা খারাপ, তবুও আমাদের নিউরনগুলি খুব শক্তিশালী হয়ে ওঠে এবং আমরা যে সেরা কর্ম / সংবেদনগুলি পেয়েছি যা আমরা পেয়েছি বা এড়াতে পারি তার চেয়ে খারাপ থেকে ডি-বর্ধিত / বর্ধিত হতে পারে / খারাপ বা ভাল …

1
টস উদাহরণ মুদ্রায় প্রত্যাশা সর্বাধিক প্রয়োগ
আমি ইদানীং প্রত্যাশা সর্বাধিকীকরণের স্ব-অধ্যয়ন করেছি এবং নিজেকে প্রক্রিয়াটির কয়েকটি সাধারণ উদাহরণ ধরলাম: থেকে এখানে : তিনটি কয়েন হয় , এবং সঙ্গে , এবং যখন ক্ষতিগ্রস্থ মাথা বাঁচিয়ে কাজকর্ম জন্য নিজ নিজ সম্ভাবনা। টস । ফলাফলটি যদি প্রধান হয় তবে তিনবার টস করুন, অন্যথায় তিনবার টস করুন । এবং দ্বারা …

6
একটি বিরতিতে দুটি সংখ্যার সর্বাধিক XOR সন্ধান করা: আমরা কি চতুর্ভুজ অপেক্ষা আরও ভাল করতে পারি?
lllrrrmax(i⊕j)max(i⊕j)\max{(i\oplus j)}l≤i,j≤rl≤i,j≤rl\le i,\,j\le r জঞ্জাল অ্যালগরিদম সহজভাবে সমস্ত সম্ভাব্য জোড়া পরীক্ষা করে; উদাহরণস্বরূপ রুবিতে আমাদের থাকতে হবে: def max_xor(l, r) max = 0 (l..r).each do |i| (i..r).each do |j| if (i ^ j > max) max = i ^ j end end end max end আমি অনুভব করি যে আমরা …

4
মেশিন লার্নিংয়ে পারস্পরিক সম্পর্ক এবং কার্যকারণের মধ্যে কী সম্পর্ক?
এটি একটি সুপরিচিত সত্য যে "সহবাসটি কার্যকারণকে সমান করে না", তবে মেশিন লার্নিং প্রায় সম্পূর্ণরূপে পারস্পরিক সম্পর্কের উপর ভিত্তি করে বলে মনে হয়। আমি ছাত্রদের অতীত পারফরম্যান্সের ভিত্তিতে প্রশ্নগুলির পারফরম্যান্স অনুমান করার জন্য একটি সিস্টেমে কাজ করছি। গুগল অনুসন্ধানের মতো অন্যান্য কাজের মতো নয়, এটি এমন এক ধরণের সিস্টেমের মতো …

1
নাইভ বেয়েস মডেলে স্মুথিং
একজন নেভ বেইস ভবিষ্যদ্বাণী এই সূত্রটি ব্যবহার করে তার পূর্বাভাস দেয়: P(Y=y|X=x)=αP(Y=y)∏iP(Xi=xi|Y=y)P(Y=y|X=x)=αP(Y=y)∏iP(Xi=xi|Y=y)P(Y=y|X=x) = \alpha P(Y=y)\prod_i P(X_i=x_i|Y=y) যেখানে একটি স্বাভাবিককরণের কারণ izing এর জন্য ডেটা থেকে পরামিতিগুলি অনুমান করা দরকার । আমরা যদি স্মোথিং দিয়ে এটি করি তবে আমরা অনুমানটি পাই getαα\alphaP(Xi=xi|Y=y)P(Xi=xi|Y=y)P(X_i=x_i|Y=y)kkk P^(Xi=xi|Y=y)=#{Xi=xi,Y=y}+k#{Y=y}+nikP^(Xi=xi|Y=y)=#{Xi=xi,Y=y}+k#{Y=y}+nik\hat{P}(X_i=x_i|Y=y) = \frac{\#\{X_i=x_i,Y=y\} + k}{\#\{Y=y\}+n_ik} যেখানে আছে সম্ভাব্য মান …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.