প্রশ্ন ট্যাগ «naive-bayes»

আমি লাসো রিগ্রেশন সহ যেখানে আমার আগ্রহের ফলাফলটি দ্বিধাহীন তা ব্যবহার glmnetকরে ধকল শুরু করছি । আমি নীচে একটি ছোট মক ডেটা ফ্রেম তৈরি করেছি: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

থেকে StatSoft, ইনকর্পোরেটেড (2013), ইলেকট্রনিক পরিসংখ্যান পাঠ্যপুস্তক , "সাদাসিধা বায়েসের ক্লাসিফায়ার" : নেভ বেয়েস শ্রেণিবিন্যাসের ধারণাটি প্রদর্শনের জন্য, উপরের চিত্রায় প্রদর্শিত উদাহরণ বিবেচনা করুন। ইঙ্গিত হিসাবে, বস্তুগুলি গ্রীন বা লাল হিসাবে শ্রেণিবদ্ধ করা যেতে পারে। আমার কাজটি হ'ল নতুন কেসগুলি আসার সাথে সাথে শ্রেণিবদ্ধ করা, অর্থাত্ বর্তমানের অবজেক্টের উপর ভিত্তি …

47 machine-learning  naive-bayes 

শ্রেণীবিন্যাস সমস্যার জন্য নাইভ বেইস শ্রেণিবদ্ধকারী একটি জনপ্রিয় পছন্দ। এর জন্য অনেকগুলি কারণ রয়েছে: "জিটজিস্ট" - প্রায় দশ বছর আগে স্প্যাম ফিল্টারগুলির সাফল্যের পরে ব্যাপক সচেতনতা লিখতে সহজ শ্রেণিবদ্ধ মডেলটি নির্মাণে দ্রুত is মডেলটিকে নতুন করে তৈরি না করেই নতুন প্রশিক্ষণের ডেটা দিয়ে পরিবর্তন করা যেতে পারে যাইহোক, তারা 'নিষ্পাপ' …

38 classification  naive-bayes 

আমি এখানে অন্য থ্রেড দেখেছি তবে আমি মনে করি না উত্তরটি প্রকৃত প্রশ্নের সন্তুষ্ট। আমি যা নিয়মিত পড়েছি তা হ'ল নাইভ বেয়েস লিনিয়ার প্রতিক্রিয়া প্রদর্শনের সাহায্যে লিনিয়ার শ্রেণিবদ্ধ (যেমন: এখানে ) (যেমন এটি লিনিয়ার সিদ্ধান্তের সীমানা আঁকায়)। যাইহোক, আমি দুটি গাউসিয়ান মেঘ সিমুলেটেড করে একটি সিদ্ধান্তের সীমানা লাগিয়েছি এবং ফল …

31 classification  naive-bayes 

আমি এর আগে নাইভ বেইস শ্রেণিবদ্ধের সাথে ডিল করেছি । আমি ইদানীং মাল্টিনোমিয়াল নাইভ বেয়েস সম্পর্কে পড়ছি । এছাড়াও উত্তরোত্তর সম্ভাবনা = (পূর্বের সম্ভাবনা) / (প্রমাণ) । নাইভ বেয়েস এবং মাল্টিনোমিয়াল নাইভ বেয়েসের মধ্যে আমি খুঁজে পেয়েছি একমাত্র প্রধান পার্থক্য মাল্টিনমিয়াল সাদাসিধা বায়েসের হিসাব সম্ভাবনা হতে একটি শব্দ / টোকেন …

29 bayesian  classification  text-mining  naive-bayes 

আমি আজ নাইভ বেয়েস শ্রেণিবিন্যাসের উপর পড়ছিলাম। আমি পরামিতি অনুমানের শিরোনামে 1 টি স্মুথিং যুক্ত দিয়ে পড়েছি : যাক ccc একটি বর্গ (যেমন ইতিবাচক বা নেতিবাচক হিসেবে) পড়ুন, এবং দিন www একটি টোকেন বা ওয়ার্ড পড়ুন। জন্য সর্বোচ্চ সম্ভাবনা মূল্নির্ধারক P(w|c)P(w|c)P(w|c) হয় count(w,c)count(c)=counts w in class ccounts of words in …

27 machine-learning  classification  text-mining  naive-bayes  laplace-smoothing 

আমি শ্রেণিবদ্ধকারীদের সন্ধান করছি যে ফলাফলগুলি দু'টি শ্রেণীর একটির সাথে সম্পর্কিত আউটপুট সম্ভাব্যতাগুলি। আমি লজিস্টিক রিগ্রেশন এবং নিষ্পাপ বেয়েস সম্পর্কে জানি, তবে আপনি কি আমাকে অন্যদের সম্পর্কে বলতে পারেন যারা একইভাবে কাজ করে? তা হল, শ্রেণিবদ্ধকারীরা উদাহরণ দেয় এমন শ্রেণীর পূর্বাভাস দেয় না, তবে উদাহরণগুলি কোনও নির্দিষ্ট শ্রেণীর সাথে খাপ …

20 machine-learning  probability  logistic  classification  naive-bayes 

একটি ছোট পাঠ্য শ্রেণিবিন্যাসের সমস্যায় যা আমি দেখছিলাম, নাইভ বায়েস একটি এসভিএম এর মতো বা তার চেয়েও বেশি পারফরম্যান্স প্রদর্শন করছে এবং আমি খুব বিভ্রান্ত হয়ে পড়েছিলাম। আমি ভাবছিলাম যে কারণগুলি অন্যগুলির তুলনায় একটি অ্যালগরিদমের জয় সিদ্ধান্ত নেয়। এমন পরিস্থিতি আছে যেখানে এসভিএমগুলির উপর নাইভ বেয়েস ব্যবহার করার কোনও অর্থ …

17 machine-learning  classification  svm  naive-bayes 

আমি অনেক অ্যালগরিদম নিয়ে কাজ করছি: র‌্যান্ডমফোরস্ট, ডিসিশনট্রিজ, নাইভবেইস, এসভিএম (কার্নেল = লিনিয়ার এবং আরবিএফ), কেএনএন, এলডিএ এবং এক্সজিবিস্ট। এসভিএম বাদে সকলেই বেশ দ্রুত ছিল। এটি যখন আমি জানতে পারলাম দ্রুত কাজ করার জন্য এটির বৈশিষ্ট্য স্কেলিং প্রয়োজন। তারপরে আমি ভাবতে শুরু করি যে অন্য অ্যালগরিদমের জন্য আমারও একই করা …

17 machine-learning  svm  random-forest  naive-bayes  xgboost 

আমি যা দেখেছি তা থেকে, (দ্বিতীয়-ক্রম) কানসার-নে স্মুথিং সূত্রটি কোনও উপায়ে বা অন্য হিসাবে দেওয়া হয়েছে P2KN(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn)PKN2(wn|wn−1)=max{C(wn−1,wn)−D,0}∑w′C(wn−1,w′)+λ(wn−1)×Pcont(wn) \begin{align} P^2_{KN}(w_n|w_{n-1}) &= \frac{\max \left\{ C\left(w_{n-1}, w_n\right) - D, 0\right\}}{\sum_{w'} C\left(w_{n-1}, w'\right)} + \lambda(w_{n-1}) \times P_{cont}(w_n) \end{align} নর্মালাইজিং ফ্যাক্টর সহ λ(wn−1)λ(wn−1)\lambda(w_{n-1}) হিসাবে দেওয়া হয়েছে λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙)λ(wn−1)=D∑w′C(wn−1,w′)×N1+(wn−1∙) \begin{align} \lambda(w_{n-1}) &= \frac{D}{\sum_{w'} C\left(w_{n-1}, w'\right)} \times N_{1+}\left(w_{n-1}\bullet\right) …

15 machine-learning  natural-language  naive-bayes  smoothing  language-models 

সুতরাং (অপ্রচলিত) পাঠ্য মডেলিংয়ে, লেটেন্ট ডিরিচলেট অ্যালোকেশন (এলডিএ) হ'ল সম্ভাবনাবাদী ল্যাটেন্ট সেমেন্টিক অ্যানালাইসিস (পিএলএসএ) এর একটি বয়েসিয়ান সংস্করণ। মূলত, এলডিএ = পিএলএসএ + ডিরিচলেট এর পরামিতিগুলির আগে। আমার বোধগম্যতা হল যে এলডিএ এখন রেফারেন্স অ্যালগরিদম এবং বিভিন্ন প্যাকেজগুলিতে প্রয়োগ করা হয়েছে, যখন পিএলএসএ আর ব্যবহার করা উচিত নয়। তবে (তত্ত্বাবধানে) …

15 bayesian  multinomial  prior  naive-bayes  dirichlet-distribution 

আমি মেশিন লার্নিংয়ে নতুন। এই মুহুর্তে আমি এনএলটিকে এবং পাইথন ব্যবহার করে একটি ধনাত্মক, নেতিবাচক বা নিরপেক্ষ হিসাবে 3 শ্রেণিতে ছোট পাঠ্যকে শ্রেণিবদ্ধ করার জন্য একটি নেভ বেইস (এনবি) শ্রেণিবদ্ধ ব্যবহার করছি। কিছু পরীক্ষা করার পরে, 300,000 দৃষ্টান্ত (16,924 ধনাত্মক 7,477 নেতিবাচক এবং 275,599 নিরপেক্ষ) সমন্বিত একটি ডেটাসেটের সাহায্যে আমি …

15 machine-learning  classification  naive-bayes  precision-recall 

আমাকে একটি পাঠ্য শ্রেণিবদ্ধকরণ সমস্যা মোকাবেলা করতে হবে। একটি ওয়েব ক্রলার একটি নির্দিষ্ট ডোমেনের ওয়েবপৃষ্ঠাগুলি ক্রল করে এবং প্রতিটি ওয়েবপৃষ্ঠার জন্য আমি এটি অনুসন্ধান করতে চাই যে এটি কেবলমাত্র একটি নির্দিষ্ট শ্রেণীর অন্তর্গত। অর্থাৎ যদি আমি কল এই বর্গ ইতিবাচক , প্রতিটি ক্রল ওয়েবপেজ ক্লাসে পারেন জন্যে ইতিবাচক বা ক্লাসে …

14 classification  text-mining  naive-bayes  binary-data 

আমার (খুব বেসিক) বোঝার জন্য, নাইভ বেইস প্রশিক্ষণের ডেটাতে প্রতিটি বৈশিষ্ট্যের শ্রেণিকালীন ফ্রিকোয়েন্সিগুলির উপর ভিত্তি করে সম্ভাব্যতাগুলি অনুমান করে। তবে এটি কীভাবে অবিচ্ছিন্ন পরিবর্তনশীলগুলির ফ্রিকোয়েন্সি গণনা করে? এবং পূর্বাভাস দেওয়ার সময়, এটি কীভাবে একটি নতুন পর্যবেক্ষণকে শ্রেণিবদ্ধ করে যা প্রশিক্ষণ সংস্থায় কোনও পর্যবেক্ষণের সমান মূল্যমান নাও থাকতে পারে? এটি কোনও …

14 machine-learning  classification  bayesian  naive-bayes 

আমি অনেক জায়গায় লগ-সাম-এক্সপ্রেস ট্রিক সম্পর্কে পড়েছি (উদাহরণস্বরূপ এখানে এবং এখানে ) তবে নায়েভ বেয়েস শ্রেণিবদ্ধের জন্য এটি কীভাবে বিশেষভাবে প্রয়োগ করা হয় তার উদাহরণ কখনও দেখেনি (যেমন বিচ্ছিন্ন বৈশিষ্ট্য এবং দুটি শ্রেণি সহ) কীভাবে কেউ এই কৌশলটি ব্যবহার করে সংখ্যার আন্ডারফ্লোর সমস্যাটি এড়াতে পারবেন?

14 naive-bayes  underflow