প্রশ্ন ট্যাগ «machine-learning»

ধরুন আমি শ্রেণিবিন্যাস বা প্রতিরোধের জন্য একটি গভীর নিউরাল নেটওয়ার্ক প্রশিক্ষণ দিতে চাই তবে ভবিষ্যদ্বাণীটি কতটা আত্মবিশ্বাসী হবে তা জানতে চাই। আমি কীভাবে এটি অর্জন করতে পারি? আমার ধারণা উপরের স্নায়বিক মিটারগুলির পূর্বাভাসের পারফরম্যান্সের ভিত্তিতে প্রতিটি প্রশিক্ষণ ডেটামের জন্য ক্রস এনট্রপি গণনা করা। তারপরে, আমি রিগ্রেশন জন্য একটি দ্বিতীয় নিউরাল …

9 machine-learning  neural-networks 

লেকুন এট আল (1998) দ্বারা "দক্ষ ব্যাকপ্রপ" অনুসারে সমস্ত ইনপুটগুলিকে সাধারণকরণ করা ভাল অনুশীলন যাতে সেগুলি 0 এর কাছাকাছি থাকে এবং সর্বাধিক দ্বিতীয় ডেরাইভেটিভের মধ্যে থাকে। সুতরাং উদাহরণস্বরূপ আমরা "তানহ" ফাংশনের জন্য [-0.5,0.5] ব্যবহার করব। এটি হেসিয়ান আরও স্থিতিশীল হওয়ার সাথে সাথে পিছনের প্রচারকে সহায়তা করতে পারে। তবে, আমি নিশ্চিত …

9 machine-learning  neural-networks  normalization  deep-learning  multidimensional-scaling 

প্রচুর গভীর শেখার কাগজপত্র পড়ার পরে, এক ধরণের রুক্ষ অনুভূতিটি হ'ল স্বাভাবিকের চেয়ে ভাল পারফরম্যান্স পাওয়ার জন্য নেটওয়ার্ককে প্রশিক্ষণের জন্য অনেক কৌশল রয়েছে। শিল্প প্রয়োগের দৃষ্টিকোণ থেকে, বড় প্রযুক্তি সংস্থাগুলি যেমন গুগল বা ফেসবুকের অভিজাত গবেষণা দলগুলি বাদে এই ধরণের কৌশলগুলি বিকাশ করা খুব শক্ত। তাহলে অনুশীলনে গভীর শেখার অ্যালগরিদম …

9 machine-learning  deep-learning  deep-belief-networks 

আমি একটি সাধারণ সেটআপ ধরে নিই, এটি হ'ল একটি ক্রমাগত ফাংশন প্রদত্ত ডেটা ফিট করার জন্য একটি পরিবার থেকে is বেছে নেওয়া হয়েছে ( কোনও ঘনক্ষেত্র বা বাস্তবে কোনও যুক্তিসঙ্গত টপোলজিকাল স্পেস হতে পারে) কিছু প্রাকৃতিক মানদণ্ড অনুসারে।hθ:X→Rnhθ:X→Rnh_\theta:X\to \mathbb R^n{hθ}θ{hθ}θ\{h_\theta\}_\theta(xi,yi)∈X×Rn,i=1,…,k(xi,yi)∈X×Rn,i=1,…,k(x_i,y_i)\in X\times \mathbb R^n, i=1,\ldots, kXXX[0,1]m[0,1]m[0,1]^m রিগ্রেশনের অ্যাপ্লিকেশনগুলি রয়েছে যেখানে কেউ …

9 regression  machine-learning  multiple-regression 

আমি ভ্যানিলা সাবগ্রেডিয়েন্ট পদ্ধতিগুলির মাধ্যমে লাসো সমাধান করার চিন্তা করছিলাম। তবে আমি লোকদের প্রক্সিমাল গ্রেডিয়েন্ট বংশোদ্ভূত ব্যবহারের পরামর্শ দিয়েছি। লাসোর জন্য কেন ভ্যানিলা সাবগ্রেডিয়েন্ট পদ্ধতিগুলির পরিবর্তে প্রক্সিমাল জিডি ব্যবহার করা যেতে পারে তা কেউ কেউ হাইলাইট করতে পারে?

9 machine-learning  optimization  lasso  gradient-descent 

অটেনকোডার নেটওয়ার্কগুলি সাধারণ শ্রেণিবদ্ধ এমএলপি নেটওয়ার্কগুলির চেয়ে বেশি কৌশলযুক্ত বলে মনে হয়। পুনর্গঠিত আউটপুটে আমি যা পেয়েছি লাসাগনকে ব্যবহার করার পরে বেশ কয়েকটি চেষ্টার পরে এমন একটি জিনিস যা এমএনআইএসটি ডাটাবেসের সমস্ত চিত্রের ইনপুট ডিজিটটি আসলে কী তা কোনও পার্থক্য ছাড়াই তার অস্পষ্ট গড়ের সাথে সাদৃশ্যপূর্ণ । আমি যে নেটওয়ার্ক …

9 machine-learning  neural-networks  dimensionality-reduction  unsupervised-learning  autoencoders 

স্কাইকিট-লার্নিংয়ে স্ট্যান্ডার্ডস্কেলারের বস্তুর ডকুমেন্টেশন অনুসারে : উদাহরণস্বরূপ লার্নিং অ্যালগরিদম (যেমন সাপোর্ট ভেক্টর মেশিনগুলির আরবিএফ কার্নেল বা লিনিয়ার মডেলগুলির এল 1 এবং এল 2 নিয়মিতকরণকারী) এর উদ্দেশ্যমূলক ফাংশনে ব্যবহৃত অনেকগুলি উপাদান ধরে নেয় যে সমস্ত বৈশিষ্ট্য 0-এর কাছাকাছি এবং একই ক্রমে বৈকল্পিক রয়েছে। যদি কোনও বৈশিষ্ট্যের কোনও বৈকল্পিকতা থাকে যা প্রস্থের …

9 machine-learning  svm  standard-deviation  mean  references 

প্রশ্নাবলী: বুস্টেড রিগ্রেশন ট্রি (বিআরটি) এবং জেনারেলাইজড বুস্টেড মডেল (জিবিএম) এর মধ্যে পার্থক্য কী? এগুলি কি বিনিময়যোগ্যভাবে ব্যবহার করা যায়? একটি অন্যর একটি নির্দিষ্ট ফর্ম? ফ্রিডম্যান এর আগে "গ্রেডিয়েন্ট বুস্টিং মেশিন" (জিবিএম) হিসাবে যা প্রস্তাব করেছিলেন তা বর্ণনা করতে রিজওয়ে "জেনারালাইজড বুস্টেড রিগ্রেশন মডেলস" (জিবিএম) শব্দটি কেন ব্যবহার করেছিলেন? এই …

9 machine-learning  boosting  gbm 

র্যান্ডম ফরেস্টে, প্রতিটি গাছের সমান্তরালভাবে ডেটার এক অনন্য বুস্ট্র্যাপ নমুনায় উত্থিত হয়। যেহেতু প্রতিটি বুস্ট্র্যাপ নমুনায় প্রায়% 63% অনন্য পর্যবেক্ষণ রয়েছে বলে আশা করা যায়, এটি প্রায় পর্যবেক্ষণের প্রায় 37% ছেড়ে দেয় যা গাছ পরীক্ষার জন্য ব্যবহার করা যেতে পারে। এখন, মনে হচ্ছে স্টোকাস্টিক গ্রেডিয়েন্ট বুস্টিং-এ, আরএফ-এর মতো একটি :ও …

9 machine-learning  cross-validation  data-mining  random-forest  boosting 

অবিচ্ছিন্ন ভেরিয়েবল এবং বাইনারি টার্গেট ভেরিয়েবল (0 এবং 1) সহ আমার কাছে একটি ডেটা সেট রয়েছে। টার্গেট ভেরিয়েবলের বিষয়ে এবং প্রতিটি অন্তর পর্যবেক্ষণের ফ্রিকোয়েন্সি ভারসাম্যপূর্ণ হওয়া উচিত এমন সীমাবদ্ধতার সাথে আমার ধারাবাহিক পরিবর্তনশীল (লজিস্টিক রিগ্রেশনের জন্য) বিবেচনা করা দরকার। আমি চি মার্জ, সিদ্ধান্ত গাছের মতো মেশিন লার্নিং অ্যালগরিদম চেষ্টা করেছি। …

9 r  machine-learning  chi-squared  discrete-data  supervised-learning 

এই কাগজটি দাবি করেছে যে কার্টে, কারণ প্রতিটি ধাপে একটি দ্বৈত বিভাজন একক কোভেরিয়েটে সঞ্চালিত হয়, তাই সমস্ত বিভাজন অরথোগোনাল এবং সুতরাং কোভেরিয়েটের মধ্যে মিথস্ক্রিয়া বিবেচনা করা হয় না। তবে অনেকগুলি গুরুতর উল্লেখের বিপরীতে দাবি করা হয়েছে যে একটি গাছের শ্রেণিবদ্ধ কাঠামো গ্যারান্টি দেয় যে ভবিষ্যদ্বাণীকারীদের মধ্যে মিথস্ক্রিয়া স্বয়ংক্রিয়ভাবে মডেল …

9 machine-learning  classification  data-mining  cart 

সিএনএন-তে, আমরা কনভ্যুশনাল স্তরটিতে বৈশিষ্ট্য মানচিত্র তৈরি করতে ফিল্টারগুলি শিখব। অটোরকোডারে প্রতিটি স্তরের একক লুকানো ইউনিট ফিল্টার হিসাবে বিবেচনা করা যেতে পারে। এই দুটি নেটওয়ার্কে ফিল্টারগুলির মধ্যে পার্থক্য কী?

9 machine-learning  neural-networks  conv-neural-network  autoencoders 

ইমেজনেট প্রতিযোগিতার জন্য মূল্যায়ন পদ্ধতির একটি (1,000 বিভাগের চিত্রগুলি শ্রেণীবদ্ধ করুন) শীর্ষ -5 ত্রুটি, এর অর্থ কী? দেখুন: http://www.image-net.org/challenges/LSVRC/

9 machine-learning  classification  computer-vision 

মেশিন লার্নিংয়ে, প্রায়শই ধরে নেওয়া হয় যে একটি ডেটা সেট একটি স্বাচ্ছন্দ্য নিম্ন-মাত্রিক বহুগুণ (বহুবিধ অনুমান) এর উপর নির্ভর করে তবে কিছু শর্তটি সন্তুষ্ট বলে ধরে নিবারণের কোনও উপায় আছে, তবে ডেটা সেটটি প্রকৃতপক্ষে (আনুমানিক) উত্পন্ন হয়েছে নিম্ন মাত্রিক মসৃণ বহুগুণ থেকে? উদাহরণস্বরূপ, একটি ডেটা সিকোয়েন্স দেওয়া হয়েছে যেখানে (বিভিন্ন …

9 machine-learning  dimensionality-reduction  manifold-learning 

আমার কাছে দুটি ভেরিয়েবলের শোরগোলের ডেটা রয়েছে। x1 <- rep(seq(0,1, 0.1), each = 3000) set.seed(123) y1 <- rep (c(0.2, 0.8, 0.3, 0.9, 0.65, 0.35,0.7,0.1,0.25, 0.3, 0.95), each = 3000) set.seed(1234) e1 = rnorm(length(x1), 0.07,0.07) set.seed(1223) e2 = rnorm(length(x1), 0.07,0.07) set.seed(1334) yn <- rnorm(20000, 0.5,0.9) set.seed(2344) xn <- rnorm(20000, 0.5,0.9) y …

9 r  machine-learning  clustering