পরিসংখ্যান এবং বড় তথ্য

ক্ষতির ফাংশনের উদ্দেশ্য কী তা আমি উপলব্ধি করার চেষ্টা করছি এবং আমি এটি বেশ বুঝতে পারি না। সুতরাং, যতদূর আমি বুঝতে পারি ক্ষতির ফাংশনটি এমন এক ধরণের মেট্রিক প্রবর্তনের জন্য যা আমরা একটি ভুল সিদ্ধান্তের "ব্যয়" পরিমাপ করতে পারি। সুতরাং আসুন আমি বলি যে আমার কাছে 30 টি অবজেক্টের একটি …

19 machine-learning  loss-functions 

আমি গামা বিতরণের পরামিতিগুলি অনুমান করার চেষ্টা করছি যা আমার ডেটা নমুনায় সবচেয়ে উপযুক্ত। আমি কেবলমাত্র ডেটা নমুনা থেকে গড় , এসটিডি (এবং তাই বৈকল্পিক ) ব্যবহার করতে চাই , আসল মানগুলি না - যেহেতু এগুলি সর্বদা আমার অ্যাপ্লিকেশনটিতে পাওয়া যায় না। এই দস্তাবেজ অনুসারে , আকার এবং স্কেল অনুমানের …

19 distributions  estimation  gamma-distribution 

রিগ্রেশন সমস্যা নিয়ে কাজ করে আমি "এক সপ্তাহের দিন" বৈশিষ্ট্যটির উপস্থাপনা সম্পর্কে ভাবতে শুরু করি। আমি ভাবছি কোন পদ্ধতিটি আরও ভালভাবে সম্পাদন করবে: একটি বৈশিষ্ট্য; সোমবারের জন্য 1/7 মান; মঙ্গলবার 2/7 ... 7 টি বৈশিষ্ট্য: (1, 0, 0, 0, 0, 0, 0) সোমবারের জন্য; (0, 1, 0, 0, 0, 0, …

19 machine-learning  neural-networks  feature-construction 

আমি জানি যে স্টোকাস্টিক গ্রেডিয়েন্ট বংশোদ্ভূত আচরণ এলোমেলো আচরণ করে তবে কেন তা আমি জানি না। এই সম্পর্কে কোন ব্যাখ্যা আছে?

19 machine-learning  random-variable  gradient-descent 

আমি মারাত্মক ভারসাম্যহীন ডেটা নিয়ে কাজ করছি। সাহিত্যে, পুনঃ-স্যাম্পলিং (অতি-বা নিম্ন-স্যাম্পলিং) ব্যবহার করে ডেটাটিকে ভারসাম্য বজায় রাখতে বেশ কয়েকটি পদ্ধতি ব্যবহার করা হয়। দুটি ভাল পন্থা হ'ল: স্মোট: কৃত্রিম সংখ্যালঘু ওভার-স্যাম্পলিং টেকনিক ( স্মোট ) এডাসিন: ভারসাম্যহীন শিক্ষার জন্য অ্যাডাপিটিভ সিন্থেটিক স্যাম্পলিং অ্যাপ্রোচ ( ADASYN ) আমি ADASYN বাস্তবায়িত করেছি …

19 classification  dataset  resampling  unbalanced-classes  oversampling 

প্রসঙ্গ : কিছু অনুপস্থিত ডেটা সহ শ্রেণিবিন্যাসের রিগ্রেশন। প্রশ্ন : আর-এ হারিয়ে যাওয়া ডেটা সম্বোধনের জন্য আমি কীভাবে পূর্ণ তথ্য সর্বাধিক সম্ভাবনা (এফআইএমএল) অনুমান ব্যবহার করব? এমন কোনও প্যাকেজ রয়েছে যা আপনি সুপারিশ করবেন এবং সাধারণ পদক্ষেপগুলি কী কী? অনলাইন সংস্থান এবং উদাহরণগুলিও খুব সহায়ক হবে। পিএস : আমি একজন …

19 r  maximum-likelihood  missing-data 

আমি আলেকজান্দ্রু নিকুলেসকু-মিজিল এবং রিচ কারুয়ানা পত্রিকা " বুস্টিং থেকে ক্যালিব্রেটেড সম্ভাবনা অর্জন " এবং এই থ্রেডে আলোচনাটি পড়েছি । যাইহোক, আমার মাল্টি-ক্লাস বুস্টিং ক্লাসিফায়ার (সিদ্ধান্ত স্টাম্পের সাথে মৃদু-উত্সাহ) এর আউটপুট ক্যালিব্রেট করতে লজিস্টিক বা প্ল্যাটসের স্কেলিং বুঝতে এবং বাস্তবায়নে আমার এখনও সমস্যা হচ্ছে । আমি জেনারালাইজড লিনিয়ার মডেলগুলির সাথে …

19 machine-learning  boosting 

'ট্রান্সফার লার্নিং' এবং 'ডোমেন অ্যাডাপ্টেশন' এর মধ্যে কি কোনও পার্থক্য রয়েছে? আমি প্রসঙ্গটি সম্পর্কে জানি না, তবে আমার বোধগম্যতা হ'ল আমাদের কিছু ডেটাसेट 1 রয়েছে এবং এটিতে প্রশিক্ষণ দেওয়া হবে, তার পরে আমাদের আরও একটি ডেটাसेट 2 রয়েছে যার জন্য আমরা স্ক্র্যাচ থেকে পুনরায় প্রশিক্ষণ না নিয়েই আমাদের মডেলটি খাপ …

19 deep-learning  terminology  conv-neural-network  transfer-learning  domain-adaptation 

ধরুন আপনার কাছে তথ্যের একক ক্রস-বিভাগ রয়েছে যেখানে ব্যক্তি গোষ্ঠীগুলির মধ্যে অবস্থিত (যেমন স্কুলগুলির মধ্যে শিক্ষার্থীরা) এবং আপনি সেই ফর্মের একটি মডেল অনুমান করতে চান Y_i = a + B*X_iযেখানে Xপৃথক স্তরের বৈশিষ্ট্যগুলির একটি ভেক্টর এবং aধ্রুবক। এই ক্ষেত্রে, ধরুন-গোষ্ঠীগত ভিন্ন ভিন্নতাগুলির মধ্যে আপনার Bআগ্রহের স্বতন্ত্র পরিবর্তনশীলের সাথে সম্পর্কিত হওয়ার …

19 econometrics  multilevel-analysis  fixed-effects-model  endogeneity  clustered-standard-errors 

"ফিচার স্পেস" এর সংজ্ঞা কী? উদাহরণস্বরূপ, এসভিএমগুলি পড়ার সময় আমি "বৈশিষ্ট্য স্পেসে ম্যাপিং" সম্পর্কে পড়ি। কার্ট সম্পর্কে পড়ার সময়, আমি "বৈশিষ্ট্য স্পেসে বিভাজন" সম্পর্কে পড়ি। আমি বুঝতে পারছি কী চলছে, বিশেষত কার্টের জন্য, তবে আমি মনে করি যে এখানে কিছু সংজ্ঞা রয়েছে যা আমি মিস করেছি। "বৈশিষ্ট্য স্পেস" এর একটি …

19 machine-learning  svm  feature-selection  cart  feature-construction 

প্রশ্নটি কিছুটা অদ্ভুত মনে হতে পারে কারণ আমি পরিসংখ্যানগত অনুক্রম এবং নিউরাল নেটওয়ার্কগুলিতে নতুন। স্নায়ুর নেটওয়ার্ক ব্যবহার করার সময় শ্রেণীবিন্যাস সমস্যার মধ্যে আমরা বলতে যে আমরা একটি ফাংশন শিখতে চান f∗f∗f^* যে ইনপুট স্থান মানচিত্র xxx , আউটপুট স্থান থেকে yyy : f∗(x;θ)=yf∗(x;θ)=yf^*(x; \theta) = y আমরা কি কোনও অ-রৈখিক …

19 machine-learning  neural-networks 

সরসা এবং কিউ লার্নিং উভয়ই রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদম যা একইভাবে কাজ করে। সর্বাধিক আকর্ষণীয় পার্থক্য হ'ল কিউ লার্নিং অফ পলিসি বন্ধ থাকাকালীন সরসা নীতিতে রয়েছে। আপডেটের নিয়মগুলি নিম্নরূপ: প্রশ্ন লার্নিং: Q(st,at)←Q(st,at)+α[rt+1+γmaxa′Q(st+1,a′)−Q(st,at)]Q(st,at)←Q(st,at)+α[rt+1+γmaxa′Q(st+1,a′)−Q(st,at)]Q(s_t,a_t)←Q(s_t,a_t)+α[r_{t+1}+γ\max_{a'}Q(s_{t+1},a')−Q(s_t,a_t)] SARSA: Q(st,at)←Q(st,at)+α[rt+1+γQ(st+1,at+1)−Q(st,at)]Q(st,at)←Q(st,at)+α[rt+1+γQ(st+1,at+1)−Q(st,at)]Q(s_t,a_t)←Q(s_t,a_t)+α[r_{t+1}+γQ(s_{t+1},a_{t+1})−Q(s_t,a_t)] যেখানে st,atst,ats_t,\,a_t এবং rtrtr_t সময় পদে পদে রাষ্ট্র, কর্ম ও পুরস্কার হয় ttt এবং γγ\gamma একটি ডিসকাউন্ট …

19 reinforcement-learning 

আমি বুঝতে চেষ্টা করছি যে কীভাবে লজিস্টিক রিগ্রেশন দ্বিপদী বিতরণ ব্যবহার করে। ধরা যাক আমি পাখিতে বাসা সাফল্য অধ্যয়ন করছি। বাসা সফল হওয়ার সম্ভাবনা 0.6। দ্বিপদী বিতরণ ব্যবহার করে, আমি এন ট্রায়াল প্রদত্ত r সাফল্যের সম্ভাবনা গণনা করতে পারি (পড়া নীড়ের সংখ্যা)। তবে মডেলিং প্রসঙ্গে দ্বিপদী বিতরণ কীভাবে ব্যবহৃত হয়? …

19 logistic  binomial 

আমি কেরাস কনভলিউশন ডক্সের মধ্য দিয়ে যাচ্ছিলাম এবং আমি দুটি ধরণের কনভলিউশন কনভ 1 ডি এবং কনভ 2 ডি পেয়েছি। আমি কিছু ওয়েব অনুসন্ধান করেছি এবং এটি আমি কনভ 1 ডি এবং কনভ 2 ডি সম্পর্কে বুঝতে পারি; কনভ 1 ডি সিক্যুয়েন্স এবং কনভ 2 ডি চিত্রগুলির জন্য ব্যবহার করা …

19 machine-learning  neural-networks  conv-neural-network  keras 

আমি আধা-তত্ত্বাবধানে শেখার পদ্ধতিগুলি খতিয়ে দেখছি এবং "সিউডো-লেবেলিং" ধারণাটি পেয়েছি। আমি যেমন এটি বুঝতে পারি, সিউডো-লেবেলিংয়ের সাথে আপনার কাছে লেবেলযুক্ত ডেটার পাশাপাশি লেবেলযুক্ত ডেটার একটি সেট রয়েছে। আপনি কেবলমাত্র লেবেলযুক্ত ডেটাতে কোনও মডেলকে প্রশিক্ষণ দিন। তারপরে আপনি সেই প্রাথমিক তথ্যটি লেবেলযুক্ত ডেটা শ্রেণিবদ্ধ করতে (অস্থায়ী লেবেলগুলি সংযুক্ত করতে) ব্যবহার করুন। …

19 machine-learning  semi-supervised