প্রশ্ন ট্যাগ «machine-learning»

আমি পদ্ধতি নির্বাচনের জন্য তাত্ত্বিক কাঠামোগুলি খতিয়ে দেখছি (নোট: মডেল নির্বাচন নয়) এবং খুব কম পদ্ধতিগত, গাণিতিকভাবে অনুপ্রাণিত কাজ পেয়েছি। 'পদ্ধতি নির্বাচন' দ্বারা, আমি কোনও সমস্যা বা সমস্যার ধরণের ক্ষেত্রে উপযুক্ত (বা আরও ভাল, সর্বোত্তম) পদ্ধতির পার্থক্য করার জন্য একটি কাঠামো বলতে চাইছি। আমি যা পেয়েছি তা উল্লেখযোগ্য, যদি টুকরোয়াল, …

11 machine-learning  methodology  theory 

সুতরাং আমি ফেসবুকের নবী সম্পর্কে যা পড়েছি তা হ'ল এটি মূলত সময়ের ধারাটিকে প্রবণতা এবং seasonতুতে বিভক্ত করে তোলে। উদাহরণস্বরূপ, একটি অ্যাডিটিভ মডেল হিসাবে লিখিত হবে: y(t)=g(t)+s(t)+h(t)+ety(t)=g(t)+s(t)+h(t)+et y(t) = g(t) + s(t) + h(t) + e_t সঙ্গে ttt সময় g(t)g(t)g(t) প্রবণতা (এটি লিনিয়ার বা লজিস্টিক হতে পারে) s(t)s(t)s(t) মৌসুমী (প্রতিদিন, …

11 regression  machine-learning  time-series  prophet 

এসভিএম সম্পর্কে আমার উপলব্ধিটি হ'ল এটি লজিস্টিক রিগ্রেশন (এলআর) এর সাথে খুব সমান, যেমন শ্রেণীর অন্তর্গত হওয়ার সম্ভাবনা পাওয়ার জন্য সিগময়েড ফাংশনে একটি ভারী বৈশিষ্ট্যগুলি সরবরাহ করা হয় তবে ক্রস-এনট্রপি (লজিস্টিক) ক্ষতিের পরিবর্তে ফাংশন, প্রশিক্ষণ কব্জি ক্ষতি ব্যবহার করে সঞ্চালিত হয়। কব্জির ক্ষতি ব্যবহারের সুবিধাটি হ'ল কার্নেলাইজেশনকে আরও দক্ষ করতে …

11 machine-learning  logistic  svm 

mgcvপ্যাকেজের Rঝুলানো টেন্সর পণ্যের পারস্পরিক ক্রিয়ার জন্য দুটি ফাংশন আছে: te()এবং ti()। আমি উভয়ের মধ্যে শ্রমের মৌলিক বিভাজন বুঝতে পারি (একটি অ-রৈখিক ইন্টারঅ্যাকশন বনাম বনাম। এই ইন্টারঅ্যাকশনটিকে প্রধান প্রভাব এবং একটি মিথস্ক্রিয়াতে ডেকপোজ করে)। আমি যা বুঝতে পারি না তা হ'ল কেন te(x1, x2)এবং ti(x1) + ti(x2) + ti(x1, x2)(কিছুটা) …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 

আমার কাছে শব্দের একটি তালিকা রয়েছে যা বিভিন্ন স্ব-সংজ্ঞায়িত বিভাগের অন্তর্ভুক্ত। প্রতিটি বিভাগের নিজস্ব প্যাটার্ন রয়েছে (উদাহরণস্বরূপ, একটি বিশেষ অক্ষরের সাথে একটি নির্দিষ্ট দৈর্ঘ্য থাকে, অন্য একটি অক্ষর উপস্থিত থাকে যা কেবলমাত্র "শব্দ", এই বিভাগে ঘটে ...)। উদাহরণ স্বরূপ: "ABC" -> type1 "ACC" -> type1 "a8 219" -> type2 "c …

11 machine-learning  classification  similarities  supervised-learning 

পিজি উপর পরিসংখ্যানগত শিক্ষার পরিচিতির 34 টি : \newcommand{\Var}{{\rm Var}} যদিও গাণিতিক প্রমাণ এই বইয়ের সুযোগ পরলোক হল, এটা দেখানোর জন্য যে প্রত্যাশিত পরীক্ষা MSE, একজন প্রদত্ত মান সম্ভব এক্স0x0x_0 : সবসময় তিনটি মৌলিক পরিমাণে এর সমষ্টি করা যায় পচে ভ্যারিয়েন্স এর চ^( এক্স0)f^(x0)\hat{f}(x_0) , স্কোয়ারড পক্ষপাত এর চ^( এক্স0)f^(x0)\hat{f}(x_0) …

11 machine-learning  variance 

সাম্প্রতিককালে, আমি মডেল স্ট্যাকিংয়ের জন্য আগ্রহী হয়ে উঠছি se বিশেষত, আমি রিগ্রেশন সমস্যার জন্য কিছু খেলনা ডেটাসেটের সাথে কিছুটা পরীক্ষা করেছি। আমি মূলত স্বতন্ত্র "স্তর 0" রেজিস্ট্রারগুলি প্রয়োগ করেছি, প্রতিটি রেজিস্ট্রারের আউটপুট পূর্বাভাসকে "মেটা-রেজিস্ট্রার" এর ইনপুট হিসাবে গ্রহণ করার জন্য একটি নতুন বৈশিষ্ট্য হিসাবে সংরক্ষণ করেছি এবং এই নতুন বৈশিষ্ট্যগুলিতে …

11 machine-learning  ensemble  stacking 

প্রদত্ত স্তরের অ্যাক্টিভেশন মানচিত্রগুলি কীভাবে সেই স্তরের ফিল্টারগুলির সাথে সংযুক্ত থাকে? আমি কীভাবে ফিল্টার এবং অ্যাক্টিভেশন মানচিত্রের মধ্যে একটি সমঝোতা অপারেশন করব তা জিজ্ঞাসা করছি না, আমি এই দুটি সংযোগের প্রকারের বিষয়ে জিজ্ঞাসা করছি। উদাহরণস্বরূপ, বলুন আপনি সম্পূর্ণ সংযোগ করতে চেয়েছিলেন। আপনার প্রদত্ত স্তরে ফিল্টার সংখ্যা এবং অ্যাক্টিভেশন মানচিত্রের সংখ্যা …

11 machine-learning  deep-learning  conv-neural-network 

আমি ভাবছিলাম যে কোনও এসভিএমকে প্রশিক্ষণ দেওয়া (কোনও লিনিয়ার বলতে, জিনিসগুলিকে সহজ করে তোলা) ব্যাকপ্রোপেশন ব্যবহার করে কী সম্ভব? বর্তমানে, আমি একটি রাস্তা ব্লক আছি কারণ আমি শুধুমাত্র লেখা সম্পর্কে মনে করতে পারেন ক্লাসিফায়ার এর আউটপুট হিসাবে f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b))f(x;θ,b)=sgn(θ⋅x−(b+1))=sgn(g(x;θ,b)) f(\mathbf{x};\theta,b) = \text{sgn}(\theta\cdot\mathbf{x} - (b+1)) = \text{sgn}(g(\mathbf{x};\theta,b)) অতএব, আমরা যখন "ব্যাকওয়ার্ড পাস" …

11 machine-learning  neural-networks  svm  gradient-descent  backpropagation 

এটি সাইকিট গ্রেডিয়েন্ট বুস্টিংয়ের দ্বিপদী বিচ্যুতি ক্ষতি ফাংশন, def __call__(self, y, pred, sample_weight=None): """Compute the deviance (= 2 * negative log-likelihood). """ # logaddexp(0, v) == log(1.0 + exp(v)) pred = pred.ravel() if sample_weight is None: return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred)) else: return (-2.0 / sample_weight.sum() …

11 machine-learning  scikit-learn  boosting  loss-functions 

আমি বুঝেছি যে নিউরাল নেটওয়ার্কগুলি (এনএন) উভয় ফাংশন এবং তাদের ডেরাইভেটিভগুলির সর্বজনীন অনুমানক হিসাবে বিবেচিত হতে পারে, কিছু অনুমানের অধীনে (নেটওয়ার্ক এবং ফাংশন উভয়কে আনুমানিক)। প্রকৃতপক্ষে, আমি সাধারণ, তবু তুচ্ছ ত্রিভুক্ত ফাংশনগুলিতে (উদাহরণস্বরূপ, বহুভুজ) বেশ কয়েকটি পরীক্ষা করেছি এবং দেখে মনে হচ্ছে যে আমি তাদের এবং তাদের প্রথম ডেরাইভেটিভগুলি ভালভাবে …

11 machine-learning  neural-networks  function  derivative 

নিউরাল নেটওয়ার্ক সহ একটি অটোরকোডার কার্যকর করার সময়, বেশিরভাগ লোকেরা অ্যাক্টিভেশন ফাংশন হিসাবে সিগময়েড ব্যবহার করবেন। আমরা কি এর পরিবর্তে রিলু ব্যবহার করতে পারি? (যেহেতু আরএলইউর উপরের বাউন্ডের কোনও সীমা নেই, মূলত ইনপুট চিত্রটি সিগময়েড ব্যবহারের সময় অটোরকোডারের সীমাবদ্ধ মানদণ্ডের বিপরীতে পিক্সেল 1 এর চেয়ে বড় হতে পারে)।

11 machine-learning  neural-networks  deep-learning  autoencoders 

এই বাক্যটি বুঝতে আমার সমস্যা হচ্ছে: প্রথম প্রস্তাবিত আর্কিটেকচারটি ফিডফোর্ড এনএনএলএম এর অনুরূপ, যেখানে অ-রৈখিক লুকানো স্তর সরানো হয় এবং প্রজেকশন স্তরটি সমস্ত শব্দের জন্য ভাগ করা হয় (কেবলমাত্র প্রক্ষেপণ ম্যাট্রিক্স নয়); সুতরাং, সমস্ত শব্দ একই অবস্থানে প্রজেক্ট হয় (তাদের ভেক্টরগুলির গড় হয়)। প্রোজেকশন স্তর বনাম প্রজেকশন ম্যাট্রিক্স কী? সমস্ত …

11 machine-learning  neural-networks  natural-language  word-embeddings  language-models 

আমি শ্রেণিবিন্যাসের কাজের জন্য এবং বিশেষত অ্যাডাবুস্টের জন্য অ্যালগরিদমগুলি বাড়িয়ে দেওয়ার বিষয়ে কিছুটা পড়ছি। আমি বুঝতে পারি যে অ্যাডাবোস্টের উদ্দেশ্য হ'ল বেশ কয়েকটি "দুর্বল শিখর" নেওয়া এবং প্রশিক্ষণের ডেটা নিয়ে পুনরাবৃত্তির একটি সেটের মাধ্যমে, শ্রেণিবদ্ধদের ধাক্কা দিয়ে ক্লাসগুলি পূর্বাভাস দিতে শিখুন যা মডেল (গুলি) বার বার ভুল করে। তবে আমি …

11 machine-learning  classification  algorithms  boosting 

আমি মেশিন লার্নিংয়ের পাঠ্যপুস্তকটি পড়ছি (উইটেন দ্বারা ডেটা মাইনিং, এট আল।, ২০১১) এবং এই উত্তরণটি পেরিয়ে এসেছি: ... তদুপরি, বিভিন্ন বিতরণ ব্যবহার করা যেতে পারে। যদিও সাধারণ বিতরণ সাধারণত সংখ্যাযুক্ত গুণাবলীর জন্য ভাল পছন্দ, তবে এটি এমন বৈশিষ্ট্যের জন্য উপযুক্ত নয় যা পূর্বনির্ধারিত ন্যূনতম তবে উপরের কোন আবদ্ধ নয়; এই …

11 machine-learning  distributions