প্রশ্ন ট্যাগ «random-forest»

আমার উপলব্ধি থেকে, সিএনএন দুটি অংশ নিয়ে গঠিত। প্রথম অংশ (রূপান্তর / পুল স্তর) যা বৈশিষ্ট্য নিষ্কাশন এবং দ্বিতীয় অংশ (এফসি স্তর) যা বৈশিষ্ট্যগুলি থেকে শ্রেণিবিন্যাস করে। যেহেতু পুরোপুরি সংযুক্ত নিউরাল নেটগুলি সর্বোত্তম শ্রেণিবদ্ধকারী নয় (যেমন তারা বেশিরভাগ সময় এসভিএম এবং আরএফ দ্বারা ছাপিয়ে যায়), তাই কোনও এসভিএম বা আরএফ …

11 neural-networks  svm  random-forest  conv-neural-network 

আমার কাছে এসএলএল ব্যবহার করে একটি র‌্যান্ডম ফরেস্ট রিগ্রেশন রয়েছে এবং আমি নোট করেছি যে এলোমেলো বীজকে বিভিন্ন মানকে সেট করার উপর ভিত্তি করে আমি বিভিন্ন ফলাফল পেয়েছি। আমি যদি কোন বীজটি সর্বোত্তমভাবে কাজ করে তা প্রতিষ্ঠিত করতে LOOCV ব্যবহার করি, তবে এটি কি বৈধ পদ্ধতি?

11 cross-validation  random-forest 

এক বাক্যে প্রশ্ন: কেউ কি এলোমেলো বনের জন্য ভাল বর্গ ওজন নির্ধারণ করতে জানেন? ব্যাখ্যা: আমি ভারসাম্যহীন ডেটাসেট নিয়ে ঘুরে বেড়াচ্ছি। আমি খুব কম ইতিবাচক উদাহরণ এবং অনেক নেতিবাচক উদাহরণ সহ খুব স্কিউড ডেটাসেটে কোনও মডেলকে প্রশিক্ষণের জন্য Rপ্যাকেজটি ব্যবহার করতে চাই randomForest। আমি জানি, অন্যান্য পদ্ধতি আছে এবং শেষ …

11 r  random-forest 

সঙ্গে প্রায় বাজানো বস্টন হাউজিং ডেটা সেটটি এবং RandomForestRegressor(W / ডিফল্ট পরামিতি) এ scikit-শিখতে, আমি কিছু অদ্ভুত খেয়াল: গড় ক্রস বৈধতা স্কোর কমে হিসাবে আমি 10. আমার ক্রস বৈধতা কৌশল হিসেবে অনুসরণ করে পরলোক ভাঁজ সংখ্যা বৃদ্ধি: cv_met = ShuffleSplit(n_splits=k, test_size=1/k) scores = cross_val_score(est, X, y, cv=cv_met) ... যেখানে num_cvsবৈচিত্রময় …

11 machine-learning  cross-validation  random-forest  sample-size  scikit-learn 

যখন সিদ্ধান্ত গাছের কথা আসে, তখন ভবিষ্যদ্বাণী করা মানটি কী প্রশিক্ষণের ডেটার ব্যাপ্তির বাইরে থাকতে পারে? উদাহরণস্বরূপ, যদি টার্গেট ভেরিয়েবলের প্রশিক্ষণ ডেটা সেট পরিসীমা 0-100 হয়, যখন আমি আমার মডেলটি তৈরি করি এবং এটি অন্য কোনওটিতে প্রয়োগ করি, তখন আমার মানগুলি -5 হতে পারে? বা 150? প্রদত্ত সিদ্ধান্তের গাছের প্রতিরোধের …

11 regression  predictive-models  random-forest  cart 

প্রতিস্থাপনের সাথে নমুনা দেওয়ার সময়ও এলোমেলোভাবে বাস্তবায়ন পর্যবেক্ষণের সংখ্যার বাইরে স্যাম্পলিংয়ের অনুমতি দেয় না। কেন? ঠিকভাবে কাজ করে: rf <- randomForest(Species ~ ., iris, sampsize=c(1, 1, 1), replace=TRUE) rf <- randomForest(Species ~ ., iris, sampsize=3, replace=TRUE) আমি কি করতে চাই: rf <- randomForest(Species ~ ., iris, sampsize=c(51, 1, 1), replace=TRUE) …

11 r  sampling  random-forest  stratification  oversampling 

একটি র্যান্ডম বন একটি সংগ্রহ সিদ্ধান্ত গাছ এলোমেলোভাবে (এবং কখনও কখনও প্রশিক্ষণ ডেটা ব্যাগিং) সঙ্গে প্রতিটি গাছ গড়ে তুলতে শুধুমাত্র নির্দিষ্ট বৈশিষ্ট্য নির্বাচন করে গঠন করেন। স্পষ্টতই তারা ভাল শিখেছে এবং সাধারণীকরণ করে। সিদ্ধান্তের জায়গার জন্য কেউ কি সিসিএমসি নমুনা করেছেন বা এলোমেলো বনের সাথে তুলনা করেছেন? আমি জানি যে …

11 mcmc  monte-carlo  random-forest  cart 

আমি একটি শ্রেণিবদ্ধ প্রশিক্ষণ দিতে চাই, এসভিএম, বা এলোমেলো বন, বা অন্য কোনও শ্রেণিবদ্ধকে বলতে চাই। ডেটাসেটের বৈশিষ্ট্যগুলির মধ্যে একটি হল 1000 স্তরের বিশিষ্ট পরিবর্তনশীল। এই পরিবর্তনশীল স্তরের সংখ্যা হ্রাস করার সর্বোত্তম উপায় কী। আর combine.levels()-তে হ্মিস্ক প্যাকেজে ডাকা একটি ফাংশন রয়েছে যা বিরল স্তরের সাথে সংযুক্ত, তবে আমি অন্যান্য …

11 classification  svm  random-forest  many-categories 

বলুন যে আমি একটি এলোমেলো বনের উপর ভিত্তি করে একটি ভবিষ্যদ্বাণীপূর্ণ শ্রেণিবদ্ধকরণ মডেল পেয়েছি (আর এ র্যান্ডমফোরস্ট প্যাকেজটি ব্যবহার করে)। আমি এটি সেট আপ করতে চাই যাতে শেষ-ব্যবহারকারীরা কোনও ভবিষ্যদ্বাণী উত্পন্ন করতে কোনও আইটেম নির্দিষ্ট করতে পারে এবং এটি একটি শ্রেণিবিন্যাসের সম্ভাবনা তৈরি করে'll এখনও পর্যন্ত, কোনও সমস্যা নেই। তবে …

11 machine-learning  random-forest 

যদি আমরা একটি পূর্ণ বর্ধিত সিদ্ধান্তের গাছটিকে বিবেচনা করি (যেমন একটি অরক্ষিত সিদ্ধান্ত গাছ) এটির উচ্চতর বৈকল্পিকতা এবং কম পক্ষপাত রয়েছে। ব্যাগিং এবং র্যান্ডম অরণ্যগুলি এই উচ্চতর বৈকল্পিক মডেলগুলি ব্যবহার করে এবং বৈকল্পিকতা হ্রাস করতে এবং এইভাবে পূর্বাভাসের নির্ভুলতা বাড়ানোর জন্য তাদের একত্র করে। ব্যাগিং এবং এলোমেলো বন উভয়ই বুটস্ট্র্যাপের …

11 variance  random-forest  cart  bias  bagging 

এলোমেলো বন গঠনের জন্য আমি যে পদ্ধতিটির সাথে পরিচিত সেগুলি নিম্নরূপ: ( http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm থেকে ) বনে একটি গাছ তৈরি করতে আমরা: আকার N এর একটি নমুনা বুটস্ট্র্যাপ করুন যেখানে N আমাদের প্রশিক্ষণের সেটের আকার। এই গাছের প্রশিক্ষণ সেট হিসাবে বুটস্ট্র্যাপযুক্ত নমুনাটি ব্যবহার করুন। গাছের প্রতিটি নোডে এলোমেলোভাবে আমাদের এম বৈশিষ্ট্যগুলির …

11 machine-learning  classification  random-forest 

র্যান্ডম ফরেস্ট বা এক্সট্রিম গ্রেডিয়েন্ট বুস্টিং (এক্সজিবিস্ট) এর মতো অ্যালগোরিদম ব্যবহার করার সময় প্রতিটি পূর্বাভাসিত মানের জন্য একটি আত্মবিশ্বাসের স্কোর (আমরা এটিকে আত্মবিশ্বাসের মান বা সম্ভাবনাও বলতে পারি) পেতে পারি? আসুন বলি যে এই আত্মবিশ্বাসের স্কোর 0 থেকে 1 অবধি থাকবে এবং একটি নির্দিষ্ট ভবিষ্যদ্বাণী সম্পর্কে আমি কতটা আত্মবিশ্বাসী তা …

11 r  regression  random-forest  prediction  boosting 

আমি এলোমেলো বন দ্বারা বাইনারি টার্গেট ক্লাসের সাথে একটি ডেটাসেট ফিট করি। পাইথনে, আমি এটি এলোমেলোভাবে ক্লাসিফায়ার বা র্যান্ডম ফরেস্টগ্রেস্টার দ্বারা করতে পারি। আমি এলোমেলোভাবে স্টক ক্লাসিফায়ার থেকে সরাসরি শ্রেণিবিন্যাসটি পেতে পারি বা আমি প্রথমে র্যান্ডম ফরেস্টগ্রেস্টার চালাতে পারি এবং আনুমানিক স্কোরগুলির এক সেট (অবিচ্ছিন্ন মান) ফিরে পেতে পারি। তারপরে …

11 python  random-forest 

সবকিছু শিরোনামে রয়েছে, এলোমেলো বন ব্যবহার করার আগে বৈশিষ্ট্য নির্বাচন ব্যবহার করা কি বোধগম্য?

11 machine-learning  feature-selection  random-forest 

আমি হাই-ডাইমেনশনাল গোষ্ঠীযুক্ত ডেটা (50 সংখ্যার ইনপুট ভেরিয়েবল) এ র্যান্ডম বন ব্যবহার করছি যা হায়ারিকাল স্ট্রাকচারযুক্ত। 70 টি বিভিন্ন বস্তুর 30 পজিশনে 6 টি প্রতিলিপি সহ ডেটা সংগ্রহ করা হয়েছিল যার ফলে 12600 ডেটা পয়েন্ট আসে, যা স্বতন্ত্র নয়। মনে হয় এলোমেলো বনটি উপাত্তগুলিকে বেশি মানিয়ে যাচ্ছে, যেহেতু প্রশিক্ষণ চলাকালীন …

11 regression  random-forest