প্রশ্ন ট্যাগ «decision-trees»

সিদ্ধান্ত গাছ হ'ল একটি সিদ্ধান্ত সমর্থনের সরঞ্জাম যা গাছের মতো গ্রাফ বা সিদ্ধান্তের মডেল এবং তার সম্ভাব্য পরিণতিগুলি সহ সম্ভাব্য ইভেন্ট ফলাফল, সংস্থানগুলির ব্যয় এবং ইউটিলিটি সহ ব্যবহার করে। একটি অ্যালগরিদম প্রদর্শন করার এক উপায়।

8
তথ্য প্রাপ্তির বিপরীতে আমি কখন গিনি অপরিষ্কার ব্যবহার করব?
কেউ কি জ্ঞানহীনতা বনাম তথ্য প্রাপ্তির (এন্ট্রপির উপর ভিত্তি করে) পিছনে যুক্তিটি কার্যত ব্যাখ্যা করতে পারেন ? সিদ্ধান্ত গাছ ব্যবহার করার সময় কোন ম্যাট্রিক বিভিন্ন পরিস্থিতিতে ব্যবহার করা ভাল?

6
সিদ্ধান্ত গাছ / এলোমেলো বন হিসাবে বৈশিষ্ট্য হিসাবে স্ট্রিং
আমি সিদ্ধান্ত গাছ / এলোমেলো বন প্রয়োগের ক্ষেত্রে কিছু সমস্যা করছি। আমি এমন একটি সমস্যার সাথে ফিট করার চেষ্টা করছি যা বৈশিষ্ট্যগুলির মতো সংখ্যাগুলির পাশাপাশি স্ট্রিংগুলি (যেমন দেশের নাম) রয়েছে। এখন লাইব্রেরি, সাইকিট-লার্ন কেবল পরামিতি হিসাবে সংখ্যা নিয়েছে, তবে আমি স্ট্রিংগুলি ইনজেক্ট করতে চাই এবং পাশাপাশি তারা উল্লেখযোগ্য পরিমাণে জ্ঞান …

3
কেন আমাদের এক্সজিবিস্ট এবং র্যান্ডম ফরেস্টের প্রয়োজন?
আমি কয়েকটি ধারণা সম্পর্কে পরিষ্কার ছিল না: এক্সজিবিস্ট দুর্বল শিক্ষার্থীদের শক্তিশালী শিক্ষায় রূপান্তর করে। এটি করার সুবিধা কী? কেবল একটি গাছ ব্যবহারের পরিবর্তে অনেক দুর্বল শিক্ষার্থীদের সংমিশ্রণ? র্যান্ডম ফরেস্ট গাছ তৈরির জন্য গাছ থেকে বিভিন্ন নমুনা ব্যবহার করে। কেবলমাত্র একক গাছ ব্যবহারের পরিবর্তে এই পদ্ধতির সুবিধা কী?

5
সিদ্ধান্ত গাছ অ্যালগোরিদম লিনিয়ার বা ননলাইনার হয়
সম্প্রতি আমার এক বন্ধুকে জিজ্ঞাসা করা হয়েছিল যে কোনও সিদ্ধান্তের ট্রি অ্যালগোরিদমগুলি একটি সাক্ষাত্কারে লিনিয়ার না ননলাইনার অ্যালগোরিদম কিনা। আমি এই প্রশ্নের উত্তর খোঁজার চেষ্টা করেছি কিন্তু সন্তোষজনক ব্যাখ্যা খুঁজে পেলাম না। এই প্রশ্নের সমাধান এবং উত্তর কি কেউ দিতে পারবেন? এছাড়াও, ননলাইনার মেশিন লার্নিং অ্যালগরিদমের আরও কয়েকটি উদাহরণ কী?

5
সামুদ্রিক হটম্যাপটি আরও বড় করুন
আমি corr()একটি আসল df এর বাইরে একটি df তৈরি করি । corr()Df প্রয়োগ আউট 70 এক্স 70 এসে তা হিটম্যাপ ঠাহর করা অসম্ভব ... sns.heatmap(df)। যদি আমি এটি প্রদর্শনের চেষ্টা করি corr = df.corr(), টেবিলটি স্ক্রিনের সাথে খাপ খায় না এবং আমি সমস্ত সম্পর্কিততা দেখতে পাচ্ছি। dfএটির আকার নির্বিশেষে পুরো …
17 visualization  pandas  plotting  machine-learning  neural-network  svm  decision-trees  svm  efficiency  python  linear-regression  machine-learning  nlp  topic-model  lda  named-entity-recognition  naive-bayes-classifier  association-rules  fuzzy-logic  kaggle  deep-learning  tensorflow  inception  classification  feature-selection  feature-engineering  machine-learning  scikit-learn  tensorflow  keras  encoding  nlp  text-mining  nlp  rnn  python  neural-network  feature-extraction  machine-learning  predictive-modeling  python  r  linear-regression  clustering  r  ggplot2  neural-network  neural-network  training  python  neural-network  deep-learning  rnn  predictive-modeling  databases  sql  programming  distribution  dataset  cross-validation  neural-network  deep-learning  rnn  machine-learning  machine-learning  python  deep-learning  data-mining  tensorflow  visualization  tools  sql  embeddings  orange  feature-extraction  unsupervised-learning  gan  machine-learning  python  data-mining  pandas  machine-learning  data-mining  bigdata  apache-spark  apache-hadoop  deep-learning  python  convnet  keras  aggregation  clustering  k-means  r  random-forest  decision-trees  reference-request  visualization  data  pandas  plotting  neural-network  keras  rnn  theano  deep-learning  tensorflow  inception  predictive-modeling  deep-learning  regression  sentiment-analysis  nlp  encoding  deep-learning  python  scikit-learn  lda  convnet  keras  predictive-modeling  regression  overfitting  regression  svm  prediction  machine-learning  similarity  word2vec  information-retrieval  word-embeddings  neural-network  deep-learning  rnn 

3
এক্সবিস্টে সম্ভাব্যতা কীভাবে পূর্বাভাস দেওয়া যায়?
নীচের পূর্বাভাস ফাংশনটি -র পাশাপাশি মান দেয় তাই এটি সম্ভাব্যতা হতে পারে না। param <- list(max.depth = 5, eta = 0.01, objective="binary:logistic",subsample=0.9) bst <- xgboost(param, data = x_mat, label = y_mat,nround = 3000) pred_s <- predict(bst, x_mat_s2) আমি গুগল করেছি এবং চেষ্টা করেছি pred_s <- predict(bst, x_mat_s2,type="response") কিন্তু এটি কার্যকর …

1
সিদ্ধান্ত গাছগুলিতে অবিচ্ছিন্ন পরিবর্তনশীলগুলির জন্য কীভাবে একটি বিভাজন পয়েন্ট বেছে নেওয়া হয়?
সিদ্ধান্ত গাছ সম্পর্কিত আমার কাছে দুটি প্রশ্ন রয়েছে: যদি আমাদের অবিচ্ছিন্ন বৈশিষ্ট্য থাকে তবে আমরা বিভাজন মানটি কীভাবে বেছে নেব? উদাহরণ: বয়স = (20,29,50,40 ....) কল্পনা করুন যে আমরা একটি ক্রমাগত অ্যাট্রিবিউট আছে মান আছে আর । আমি একটি অ্যালগরিদম যে বিভক্ত বিন্দু খুঁজে বের করে কিভাবে লিখতে পারেন বনাম …

4
সিদ্ধান্ত গাছ বনাম কেএনএন
কোন ক্ষেত্রে সিদ্ধান্ত গাছ এবং অন্যান্য ক্ষেত্রে কেএনএন ব্যবহার করা ভাল? কেন নির্দিষ্ট কিছু ক্ষেত্রে তাদের একটি ব্যবহার করবেন? এবং অন্য ক্ষেত্রে বিভিন্ন ক্ষেত্রে? (এর কার্যকারিতা দেখে, অ্যালগরিদমে নয়) কারও সম্পর্কে কিছু ব্যাখ্যা বা রেফারেন্স আছে?

4
সিদ্ধান্ত গাছ বা লজিস্টিক রিগ্রেশন?
আমি একটি শ্রেণিবদ্ধকরণ সমস্যা নিয়ে কাজ করছি। আমার কাছে একটি ডেটাसेट রয়েছে যাতে সমান সংখ্যক শ্রেণিবদ্ধ ভেরিয়েবল এবং অবিচ্ছিন্ন ভেরিয়েবল থাকে। কীভাবে কী কৌশল ব্যবহার করবেন তা আমি কীভাবে জানব? একটি সিদ্ধান্ত গাছ এবং একটি লজিস্টিক রিগ্রেশন মধ্যে? লজিস্টিক রিগ্রেশন ধারাবাহিক পরিবর্তনশীল জন্য আরও উপযুক্ত এবং সিদ্ধান্ত গাছ ধারাবাহিক + …

1
গ্রেডিয়েন্ট বুস্টেড গাছগুলি কোনও ফাংশন মাপসই করতে পারে?
নিউরাল নেটওয়ার্কগুলির জন্য আমাদের সর্বজনীন আনুমানিক উপপাদ্য রয়েছে যা বলে যে নিউরাল নেটওয়ার্কগুলি এর একটি কমপ্যাক্ট সাবসেটে যে কোনও ধ্রুবক ফাংশন আনুমানিক করতে পারে ।RnRnR^n গ্রেডিয়েন্ট বুস্টেড গাছগুলির জন্য কি একই রকম ফলাফল রয়েছে? এটি যুক্তিসঙ্গত বলে মনে হচ্ছে যেহেতু আপনি আরও শাখা যুক্ত করতে পারেন তবে আমি বিষয়টির কোনও …

1
সিদ্ধান্ত গাছ: পাতা-ভিত্তিক (সেরা-প্রথম) এবং স্তর-ভিত্তিক গাছের ট্রাসস
সংখ্যা 1: লাইটজিবিএমের বর্ণনাটি যেভাবে গাছটি প্রসারিত করা হয়েছে সে সম্পর্কে আমি বিভ্রান্ত হয়ে পড়েছি । তারা বলে: বেশিরভাগ সিদ্ধান্ত গাছ শেখার অ্যালগরিদমগুলি নীচের চিত্রের মতো স্তর (গভীরতা) অনুসারে গাছ বৃদ্ধি করে: প্রশ্ন 1 : কোন "সর্বাধিক" অ্যালগরিদমগুলি এভাবে প্রয়োগ করা হয়? যতদূর আমি জানি সি 4.5 এবং কার্ট ডিএফএস …

1
এক্সজিবিগ্রিজার বনাম xgboost.train বিশাল গতির পার্থক্য?
আমি যদি নিম্নলিখিত কোডগুলি ব্যবহার করে আমার মডেলটিকে প্রশিক্ষণ দিই: import xgboost as xg params = {'max_depth':3, 'min_child_weight':10, 'learning_rate':0.3, 'subsample':0.5, 'colsample_bytree':0.6, 'obj':'reg:linear', 'n_estimators':1000, 'eta':0.3} features = df[feature_columns] target = df[target_columns] dmatrix = xg.DMatrix(features.values, target.values, feature_names=features.columns.values) clf = xg.train(params, dmatrix) এটি প্রায় 1 মিনিটের মধ্যে শেষ হয়। আমি যদি সায়-কিট শিখার …

3
ভারসাম্যহীন শ্রেণী - মিথ্যা নেতিবাচকতা কীভাবে হ্রাস করা যায়?
আমার কাছে একটি ডেটাসেট রয়েছে যাতে বাইনারি শ্রেণির বৈশিষ্ট্য রয়েছে। ক্লাস +1 (ক্যান্সার ধনাত্মক) সহ 623 টি উদাহরণ এবং শ্রেণি -1 (ক্যান্সার নেতিবাচক) সহ 101,671 টি দৃষ্টান্ত রয়েছে। আমি বিভিন্ন অ্যালগরিদম চেষ্টা করেছি (নাইভ বেইস, র‌্যান্ডম ফরেস্ট, এওডিই, সি 4.5) এবং তাদের সকলের কাছে অগ্রহণযোগ্য মিথ্যা নেতিবাচক অনুপাত রয়েছে। র‌্যান্ডম …

3
রিগ্রেশন গাছগুলি কি ধারাবাহিকভাবে পূর্বাভাস দিতে পারে?
ধরুন আমার মতো মসৃণ ফাংশন রয়েছে f(x,y)=x2+y2f(x,y)=x2+y2f(x, y) = x^2+y^2। আমার একটি প্রশিক্ষণ সেট রয়েছে এবং, অবশ্যই আমি জানি না যদিও আমি যেখানেই চাই চ নির্ধারণ করতে পারি।D⊊{((x,y),f(x,y))|(x,y)∈R2}D⊊{((x,y),f(x,y))|(x,y)∈R2}D \subsetneq \{((x, y), f(x,y)) | (x,y) \in \mathbb{R}^2\}ffffff রিগ্রেশন ট্রিগুলি কি ফাংশনের একটি মসৃণ মডেল সন্ধান করতে সক্ষম (তাই ইনপুটটির একটি ক্ষুদ্র …

2
নিউরাল নেটওয়ার্ক এবং ডিসিশন ফরেস্টের জন্য ডেটা কীভাবে সাধারণ করা যায়
আমার 20000 নমুনা সহ একটি ডেটা সেট রয়েছে, প্রত্যেকের 12 টি আলাদা আলাদা বৈশিষ্ট্য রয়েছে। প্রতিটি নমুনা হয় হয় 0 বা 1 বিভাগে। আমি নমুনাগুলি শ্রেণীবদ্ধ করার জন্য একটি নিউরাল নেটওয়ার্ক এবং সিদ্ধান্ত বনকে প্রশিক্ষণ দিতে চাই যাতে ফলাফল এবং উভয় কৌশলই আমি তুলনা করতে পারি। আমি হোঁচট খেয়ে প্রথম …

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.