প্রশ্ন ট্যাগ «random-forest»

আমি অটোমোবাইলের শ্রেণিবদ্ধ বিজ্ঞাপন সাইটগুলিতে উপলব্ধ দাম এবং বৈশিষ্ট্যগুলি ব্যবহার করে অটোমোবাইলের দাম সম্পর্কে পূর্বাভাস দেওয়ার জন্য সেরা মডেলটি সনাক্ত করার চেষ্টা করছি। এর জন্য আমি সাইকিট-লার্ন লাইব্রেরি এবং পাইব্রাইন এবং নিউরোলব থেকে নিউরাল নেটওয়ার্ক মডেলগুলির বেশ কয়েকটি মডেল ব্যবহার করেছি। আমি এখন পর্যন্ত যে পদ্ধতির ব্যবহার করেছি তা হ'ল …

17 machine-learning  neural-networks  random-forest  r-squared  elastic-net 

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 

একবার আমি আর-এ একটি (রিগ্রেশন) এলোমেলো বন মডেল তৈরি করেছি, কলটি rf$importanceআমাকে প্রতিটি পূর্বাভাসক চলকের জন্য দুটি পদক্ষেপ সরবরাহ করে %IncMSEএবং IncNodePurity। ছোট %IncMSEমূল্যবোধের সাথে পূর্বাভাসকারী ভেরিয়েবলগুলি %IncMSEকী বড় মূল্যবোধের সাথে ভবিষ্যদ্বাণীকারী ভেরিয়েবলের চেয়ে গুরুত্বপূর্ণ ? কীভাবে IncNodePurity?

17 r  feature-selection  random-forest 

আমার বেশিরভাগ আর্থিক ভেরিয়েবল (120 বৈশিষ্ট্য, 4 কে উদাহরণ) সহ একটি ডেটাসেট রয়েছে যা বেশিরভাগ ক্ষেত্রে অত্যন্ত সম্পর্কিত এবং খুব কোলাহলযুক্ত (প্রযুক্তিগত সূচক, উদাহরণস্বরূপ) তাই আমি মডেল প্রশিক্ষণের সাথে পরবর্তী ব্যবহারের জন্য সর্বাধিক 20-30 টি নির্বাচন করতে চাই (বাইনারি শ্রেণিবদ্ধকরণ) - বৃদ্ধি হ্রাস). আমি বৈশিষ্ট্য র‌্যাঙ্কিংয়ের জন্য এলোমেলো বন ব্যবহার …

17 feature-selection  random-forest  python 

আমি যে প্রকল্পে কাজ করছি তার জন্য আমি বিভিন্ন শ্রেণিবদ্ধকরণ পদ্ধতিগুলি অন্বেষণ করছি এবং র্যান্ডম অরণ্য চেষ্টা করতে আগ্রহী। আমি পাশাপাশি যাওয়ার সাথে সাথে নিজেকে শিক্ষিত করার চেষ্টা করছি এবং সিভি সম্প্রদায় দ্বারা প্রদত্ত যে কোনও সহায়তার প্রশংসা করব। আমি আমার ডেটা প্রশিক্ষণ / পরীক্ষা সেটগুলিতে বিভক্ত করেছি। আর এলোমেলো …

17 r  machine-learning  random-forest 

আমি বুঝতে চেষ্টা করছি যে কীভাবে আমি ডামি ভেরিয়েবলগুলিতে বিভক্ত একটি শ্রেণিবদ্ধ ভেরিয়েবলের বৈশিষ্ট্যটি গুরুত্ব পেতে পারি। আমি সাইকিট-লার্ন ব্যবহার করছি যা আপনার জন্য আর বা এইচ 2o এর মতো শ্রেণিবদ্ধ ভেরিয়েবলগুলি পরিচালনা করে না। যদি আমি একটি স্পষ্টতাল ভেরিয়েবলকে ডামি ভেরিয়েবলগুলিতে বিভক্ত করি তবে আমি সেই পরিবর্তনশীলটিতে প্রতি শ্রেণি …

17 categorical-data  random-forest  interpretation  importance 

র্যান্ডম অরণ্য (আরএফ) একটি প্রতিযোগিতামূলক ডেটা মডেলিং / খনন পদ্ধতি। একটি আরএফ মডেলের একটি আউটপুট থাকে - আউটপুট / পূর্বাভাস পরিবর্তনশীল। আরএফগুলির সাথে একাধিক আউটপুটগুলি মডেলিংয়ের নিষ্কলুষ দৃষ্টিভঙ্গি হ'ল প্রতিটি আউটপুট ভেরিয়েবলের জন্য একটি আরএফ তৈরি করা। সুতরাং আমাদের কাছে এন স্বাধীন মডেল রয়েছে এবং যেখানে আউটপুট ভেরিয়েবলগুলির মধ্যে পারস্পরিক …

17 machine-learning  cart  random-forest  multilabel 

ফ্রেডম্যানের গ্রেডিয়েন্ট বুস্টিং মেশিনটি কি ব্রেইম্যানের র্যান্ডম ফরেস্টের চেয়ে ভাল পারফরম্যান্স অর্জন করতে পারে ? যদি তা হয় তবে কোন পরিস্থিতিতে বা কোন ধরণের ডেটা সেট জিবিএমকে আরও উন্নত করতে পারে?

16 machine-learning  data-mining  random-forest  boosting 

সুতরাং, আমি এমএল ক্ষেত্রে একজন নবাগত এবং আমি কিছু শ্রেণিবদ্ধকরণ করার চেষ্টা করি। আমার লক্ষ্য একটি ক্রীড়া ইভেন্টের ফলাফলের পূর্বাভাস দেওয়া। আমি কিছু dataতিহাসিক ডেটা সংগ্রহ করেছি এবং এখন একটি শ্রেণিবদ্ধ প্রশিক্ষণ দেওয়ার চেষ্টা করেছি। আমি প্রায় 1200 টি নমুনা পেয়েছি, এর মধ্যে 0.2 টি আমি পরীক্ষার উদ্দেশ্যে পৃথক করেছিলাম, …

16 classification  svm  feature-selection  random-forest 

আমি অত্যন্ত ভারসাম্যহীন ডেটা সেট (সংখ্যালঘু শ্রেণির হার প্রায় 1% বা তারও কম) এর ফলাফল পূর্বাভাস দেওয়ার জন্য র্যান্ডম ফরেস্ট ব্যবহার করার চেষ্টা করছি। যেহেতু traditionalতিহ্যবাহী র্যান্ডম ফরেস্ট অ্যালগরিদম সংখ্যালঘু শ্রেণীর দিকে বিশেষ মনোযোগ দেওয়ার চেয়ে সামগ্রিক ত্রুটির হারকে হ্রাস করে, এটি ভারসাম্যহীন ডেটার উপরে সরাসরি প্রযোজ্য নয়। সুতরাং আমি …

16 r  random-forest 

আমার ইনপুট ভেরিয়েবলগুলির বিভিন্ন মাত্রা রয়েছে। কিছু ভেরিয়েবল দশমিক এবং কিছু কয়েকশ হয়। এলোমেলো বন ব্যবহার করার সময় ডেটাকে মাত্রাবিহীন করতে এই ইনপুট ভেরিয়েবলগুলি কেন্দ্র (বিয়োগের গড়) বা স্কেল (স্ট্যান্ডার্ড বিচ্যুতি দ্বারা বিভাজন) করা কী প্রয়োজনীয়?

16 random-forest  standardization  data-preprocessing  centering 

আমি বর্তমানে randomForestআর এ প্যাকেজটি ব্যবহার করে একটি শ্রেণিবদ্ধকরণ সমস্যার জন্য এলোমেলো বনগুলিতে ফিট করছি এবং এই মডেলগুলির প্রশিক্ষণের ত্রুটি কীভাবে রিপোর্ট করবেন সে সম্পর্কে আমি অনিশ্চিত । আমার প্রশিক্ষণের ত্রুটি 0% এর কাছাকাছি যখন আমি কমান্ডটি পেয়েছি এমন পূর্বাভাস ব্যবহার করে এটি গণনা করি: predict(model, data=X_train) X_trainপ্রশিক্ষণের ডেটা কোথায় …

16 r  machine-learning  classification  random-forest  overfitting 

randomForestআমি যখন ব্যবহার করি তখন প্যাকেজটি ক্লাসের সম্ভাবনাগুলি কীভাবে অনুমান করে predict(model, data, type = "prob")? সম্ভাব্যতার পূর্বাভাস rangerদেওয়ার পক্ষে probability = Tযুক্তি ব্যবহার করে আমি এলোমেলো বন প্রশিক্ষণের জন্য ব্যবহার করছিলাম । rangerডকুমেন্টেশনে বলেছেন যে এটি: ম্যালি এট আল-এর মতো একটি সম্ভাব্য বন বর্ধন করুন। (2012)। আমি কিছু ডেটা …

16 r  random-forest  prediction 

আমি একটি স্থির প্রভাব (শর্ত) এবং দুটি এলোমেলো প্রভাব (বিষয় নকশা এবং জুটির মধ্যে অংশগ্রহণকারী) সহ একটি মিশ্র ইফেক্ট মডেল ব্যবহার করে একটি ডেটা সেট বিশ্লেষণ করছি। মডেল দিয়ে তৈরি করা হয়েছিল lme4প্যাকেজ: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)। এরপরে, আমি স্থির প্রভাব (শর্ত) ছাড়াই মডেলটির বিপরীতে এই মডেলের সম্ভাবনা অনুপাতের পরীক্ষা করেছি এবং একটি …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

আমি এলোমেলো বনগুলিতে মোটামুটি নতুন। অতীতে আমি সবসময় নির্ভুলতা তুলনা করেছেন পরীক্ষা বনাম হইয়া বিরুদ্ধে হইয়া ট্রেন বনাম কোন overfitting সনাক্ত করতে। তবে আমি এখানে এখানে পড়েছি : "এলোমেলো বনাঞ্চলে, পরীক্ষা সেট ত্রুটির পক্ষপাতহীন অনুমানের জন্য ক্রস-বৈধতা বা আলাদা পরীক্ষা সেটের প্রয়োজন হয় না the উপরের ছোট্ট অনুচ্ছেদে আউট-অফ-ব্যাগ (oob) …

15 cross-validation  random-forest  overfitting