পরিসংখ্যান এবং বড় তথ্য

প্রসঙ্গ মাল্টিভিয়ারেট গাউসিয়ান প্রায়শই মেশিন লার্নিংয়ে উপস্থিত হয় এবং নিম্নলিখিত ফলাফলগুলি অনেক এমএল বই এবং কোর্সগুলিতে ব্যয় ছাড়াই ব্যবহৃত হয়। একটি ম্যাট্রিক্স আকারে দেওয়া তথ্য এর মাত্রা , যদি আমরা ধরে নিই যে তথ্য একটি অনুসরণ -variate গসিয়ান পরামিতি সঙ্গে বন্টন গড় ( ) এবং সহভেদাংক ম্যাট্রিক্স ( ) সর্বাধিক …

20 normal-distribution  maximum-likelihood  estimators  multivariate-normal 

আমি এক্সজিবিস্ট কীভাবে কাজ করে তা বোঝার চেষ্টা করছি। আমি ইতিমধ্যে বুঝতে পেরেছি যে পাইথন স্কলারনে গ্রেডিয়েন্ট বুস্টেড গাছগুলি কীভাবে কাজ করে। আমার কাছে যা স্পষ্ট নয় তা হ'ল এক্সজিবিস্ট একইভাবে কাজ করে তবে দ্রুততর, বা যদি পাইথন বাস্তবায়নের মধ্যে মৌলিক পার্থক্য রয়েছে। আমি যখন এই কাগজ পড়ি http://learningsys.org/papers/LearningSys_2015_paper_32.pdf এটি …

20 scikit-learn  boosting  gbm  xgboost 

নিউরাল নেটওয়ার্ক লিঙ্গো (y = ওজন * x + পক্ষপাত) এর ক্ষেত্রে, আমি কীভাবে জানব যে কোন ভেরিয়েবলগুলি অন্যের চেয়ে গুরুত্বপূর্ণ? আমার কাছে 10 ইনপুট সহ একটি নিউরাল নেটওয়ার্ক রয়েছে, 20 টি নোড সহ 1 টি লুকানো স্তর এবং 1 আউটপুট স্তর যার 1 টি নোড রয়েছে। আমি জানি না …

20 machine-learning  neural-networks  bias  tensorflow  theano 

জেনেটিক অ্যালগরিদমগুলি অপ্টিমাইজেশন পদ্ধতির এক রূপ। প্রায়শই স্টোকাস্টিক গ্রেডিয়েন্ট বংশদ্ভুত এবং এর ডেরিভেটিভগুলি ফাংশন অপ্টিমাইজেশনের জন্য সেরা পছন্দ, তবে জেনেটিক অ্যালগরিদমগুলি এখনও মাঝে মধ্যে ব্যবহৃত হয়। উদাহরণস্বরূপ, নাসার এসটি 5 মহাকাশযানের অ্যান্টেনা জেনেটিক অ্যালগরিদম দিয়ে তৈরি করা হয়েছিল: জেনেটিক অপ্টিমাইজেশন পদ্ধতিগুলি কখন আরও সাধারণ গ্রেডিয়েন্ট বংশোদ্ভূত পদ্ধতির চেয়ে ভাল পছন্দ …

20 machine-learning  optimization  gradient-descent  genetic-algorithms 

আমি সম্প্রতি এলএসটিএমগুলিতে আগ্রহী হয়েছি এবং ওজন সময়ের সাথে ভাগ করে নেওয়া জেনে অবাক হয়েছি। আমি জানি যে আপনি যদি সময়ের সাথে ওজন ভাগ করে নেন তবে আপনার ইনপুট সময়ের সিকোয়েন্সগুলি একটি চলক দৈর্ঘ্য হতে পারে। ভাগ করা ওজন সহ আপনার প্রশিক্ষণের জন্য অনেক কম পরামিতি রয়েছে। আমার বোধগম্যতা থেকে, …

20 machine-learning  lstm  rnn 

যাক একটি সম্ভাব্যতা স্থান হতে, একটি দৈব চলক দেওয়া এবং একটি -algebra আমরা একটি নতুন এলোমেলো পরিবর্তনশীল , যা শর্তাধীন প্রত্যাশা।( Ω , এফ , μ ) (Ω,F,μ)(\Omega,\mathscr{F},\mu)ξ : Ω → আরξ:Ω→R\xi:\Omega \to \mathbb{R} σ σ\sigmaজি ⊆ এফG⊆F\mathscr{G}\subseteq \mathscr{F} ই [ ξ | জি ]E[ξ|G]E[\xi|\mathscr{G}] সম্পর্কে চিন্তা করার অন্তর্দৃষ্টিটি আসলে …

20 probability  conditional-probability  conditional-expectation  conditioning  sigma-algebra 

আমি অপ্টিমাইজেশনে নতুন। আমি একটি আদর্শের ডানদিকে একটি সুপারস্ক্রিপ্ট 2 এবং একটি সাবস্ক্রিপ্ট 2 রয়েছে এমন সমীকরণগুলি দেখছি । উদাহরণস্বরূপ, এখানে সর্বনিম্ন স্কোয়ার সমীকরণ মিনি| | একটিএক্স-বি | |22||Ax−b||22 ||Ax-b||^2_2 আমি মনে করি আমি সুপারস্ক্রিপ্ট 2 বুঝি: এর অর্থ আদর্শের মানটি বর্গ করা। তবে সাবস্ক্রিপ্ট 2 কী? এই সমীকরণগুলি আমার …

20 regression  optimization  notation 

যদিও এই দুটি সর্বব্যাপী পদটি প্রায়শই প্রতিশব্দ হিসাবে ব্যবহৃত হয়, তবে কখনও কখনও এটি একটি পার্থক্য বলে মনে হয়। আসলেই কোনও পার্থক্য রয়েছে, না এগুলি কি ঠিক সমার্থক?

20 residuals  error  terminology 

এনসেম্বল লার্নিংয়ের কে-ফোল্ড ক্রস বৈধতার জন্য ডেটা কীভাবে ভাগ করবেন সে সম্পর্কে আমি বিভ্রান্ত। ধরে নিচ্ছি শ্রেণিবদ্ধকরণের জন্য আমার কাছে একটি পাঠ্য কাঠামো রয়েছে। আমার প্রথম স্তরে শ্রেণিবদ্ধকরণ মডেলগুলি রয়েছে, যেমন এসভিএম, সিদ্ধান্ত গাছ। আমার দ্বিতীয় স্তরে একটি ভোটিং মডেল রয়েছে, যা প্রথম স্তর থেকে ভবিষ্যদ্বাণীগুলি একত্র করে এবং চূড়ান্ত …

20 classification  cross-validation  ensemble 

আমি নীচে প্রতি প্রত্যাশিত পূর্বাভাস ত্রুটির (ESL) তাত্পর্য বোঝার জন্য লড়াই করছি, বিশেষত ২.১১ এবং ২.১২ (কন্ডিশনিং, পয়েন্ট-ওয়াইজ ন্যূনতম দিকে ধাপ) the যে কোনও পয়েন্টার বা লিঙ্কগুলি প্রশংসিত। নীচে আমি ইএসএল পৃষ্ঠা থেকে উদ্ধৃত প্রতিবেদন করছি। 18. প্রথম দুটি সমীকরণ, ক্রম, সমীকরণ 2.11 এবং 2.12। যাক একটি বাস্তব মূল্যবান র্যান্ডম …

20 regression  prediction  error 

"ডিস্ট্যান্ট তদারকি" একটি শিক্ষণ প্রকল্প যাতে শ্রেণিবদ্ধকে একটি দুর্বল লেবেলযুক্ত প্রশিক্ষণ সেট দেওয়া হয় (প্রশিক্ষণ ডেটা হিউরিস্টিকস / নিয়মের ভিত্তিতে স্বয়ংক্রিয়ভাবে লেবেল করা হয়)। আমি মনে করি যে তত্ত্বাবধানে পড়াশোনা, এবং আধা তত্ত্বাবধানে পড়াশোনা উভয়ই এই জাতীয় "দূরবর্তী তদারকি" অন্তর্ভুক্ত করতে পারে যদি তাদের লেবেলযুক্ত ডেটা heuristically / স্বয়ংক্রিয়ভাবে লেবেল …

20 machine-learning  data-mining  dataset  references  unsupervised-learning 

আমি ঘুমের পর্যায়ে শ্রেণিবিন্যাসে কাজ করছি। আমি এই বিষয়টি নিয়ে কিছু গবেষণা নিবন্ধ পড়েছি তাদের মধ্যে অনেকে এসভিএম বা এনসেম্বল পদ্ধতি ব্যবহার করেছেন। এক-মাত্রিক EEG সিগন্যালকে শ্রেণিবদ্ধ করার জন্য কনভোলশনাল নিউরাল নেটওয়ার্ক ব্যবহার করা কি ভাল ধারণা? আমি এই ধরণের কাজে নতুন। আমাকে কিছু ভুল জিজ্ঞাসা করলে ক্ষমা করবেন?

20 neural-networks  svm  conv-neural-network  signal-processing 

আমি দুই জনপ্রিয় পোস্ট হক মডেল interpretability কৌশল সম্পর্কে আপ পড়া করছি: LIME এবং SHAP এই দুটি কৌশলগুলির মূল পার্থক্য বুঝতে আমার সমস্যা হচ্ছে। করতে স্কট Lundberg উদ্ধৃত , SHAP পিছনে ঘিলু: শ্যাপ মানগুলি ব্ল্যাকবক্সের স্থানীয় অনুমানের সুবিধার সাথে এলআইএমএম আসে, তবে গেম তত্ত্ব থেকে ধারাবাহিকতা এবং স্থানীয় নির্ভুলতা সম্পর্কে …

20 model-interpretation  shapley-value  lime 

আমি ভেরিয়েশনাল অটোরকোডার এবং নরমাল (ডিটারমিনিস্টিক) অটোইনকোডার এবং তাদের পিছনে গণিতের বুনিয়াদি কাঠামো বুঝতে পারি, তবে কখন এবং কেন আমি এক ধরণের অটোরকোডারটিকে অন্যটির থেকে পছন্দ করব? আমি যা ভাবতে পারি তা হ'ল ভেরিয়েশনাল অটোইনকোডারের সুপ্ত ভেরিয়েবলের পূর্ব বিতরণ আমাদের সুপ্ত ভেরিয়েবলের নমুনা তৈরি করতে দেয় এবং তারপরে নতুন চিত্রটি …

20 deep-learning  autoencoders  variational-bayes 

এমসিএমসি বিভিন্ন ধরণের অ্যালগোরিদম রয়েছে: মেট্রোপলিস-হেস্টিংস গিবস গুরুত্ব / প্রত্যাখ্যান নমুনা (সম্পর্কিত)। কেন কেউ মেট্রোপলিস-হেস্টিংসের পরিবর্তে গিবস স্যাম্পলিং ব্যবহার করবেন? আমি সন্দেহ করি এমন কিছু ঘটনা আছে যখন মেট্রোপলিস-হেস্টিংসের চেয়ে গিবস স্যাম্পলিংয়ের সাথে অনুমান বেশি ট্র্যাকটেবল হয় তবে আমি সুনির্দিষ্ট বিষয়ে পরিষ্কার নই।

20 bayesian  simulation  mcmc  gibbs  metropolis-hastings