প্রশ্ন ট্যাগ «supervised-learning»

তদারকি করা শেখা হ'ল লেবেলযুক্ত প্রশিক্ষণ ডেটা থেকে কোনও ফাংশন অনুমান করা মেশিন লার্নিং কাজ। প্রশিক্ষণের ডেটাতে প্রশিক্ষণের উদাহরণগুলির একটি সেট থাকে। তত্ত্বাবধানে শেখার ক্ষেত্রে প্রতিটি উদাহরণ হ'ল একটি জুড়ি যা ইনপুট অবজেক্ট (সাধারণত ভেক্টর) এবং একটি পছন্দসই আউটপুট মান (তদারকির সিগন্যাল নামেও পরিচিত) সমন্বিত। একটি তত্ত্বাবধানে শেখার অ্যালগরিদম প্রশিক্ষণ ডেটা বিশ্লেষণ করে এবং একটি অনুমানকৃত ফাংশন তৈরি করে, যা নতুন উদাহরণ ম্যাপিংয়ের জন্য ব্যবহার করা যেতে পারে।

4
তদারকি করা মেশিন লার্নিংয়ে শ্রেণির ভারসাম্যহীনতা
এটি সাধারণভাবে একটি প্রশ্ন, কোনও পদ্ধতি বা ডেটা সেটের সাথে সুনির্দিষ্ট নয়। 0 টির সংখ্যা 90% এর কাছাকাছি এবং 1 এর সংখ্যা আপনার ডেটাশেটে 10% এর কাছাকাছি যেখানে পর্যবেক্ষিত মেশিন শেখার ক্ষেত্রে আমরা কোনও শ্রেণি ভারসাম্যহীন সমস্যাটি কীভাবে মোকাবিলা করব we আমরা কীভাবে শ্রেণিবদ্ধকে প্রশিক্ষণ দেব? আমি অনুসরণ করার একটি …

1
গ্রেডিয়েন্টডেসেন্টঅপটিমাইজার এবং অ্যাডামঅপটিমাইজার (টেনসরফ্লো) এর মধ্যে পার্থক্য?
আমি একটি সহজ লিখেছি MLP মধ্যে TensorFlow যা মডেলিং করা হয় XOR যাও-গেট । অনেক দূরে: input_data = [[0., 0.], [0., 1.], [1., 0.], [1., 1.]] এটি নিম্নলিখিত উত্পাদন করা উচিত: output_data = [[0.], [1.], [1.], [0.]] নেটওয়ার্কটিতে একটি ইনপুট স্তর, একটি লুকানো স্তর এবং প্রতিটি 2, 5 এবং 1 …

1
সফটম্যাক্স_ক্রস_এন্ট্রপী_উইথ_লগিটগুলি সফটম্যাক্স_ক্রস_এন্ট্রপী_বিহীন_লগিট_ভি 2 থেকে কীভাবে আলাদা?
বিশেষত, আমি মনে করি আমি এই বিবৃতিটি সম্পর্কে অবাক হই: টেনসরফ্লো এর ভবিষ্যতের বড় সংস্করণগুলি ডিফল্টরূপে ব্যাকপ্রপতে লেবেলগুলির ইনপুটগুলিতে গ্রেডিয়েন্টগুলি প্রবাহিত করতে দেবে। আমি ব্যবহার করার সময় যা প্রদর্শিত হয় tf.nn.softmax_cross_entropy_with_logits। একই বার্তায় এটি আমাকে একবার দেখার জন্য অনুরোধ করে tf.nn.softmax_cross_entropy_with_logits_v2। আমি ডকুমেন্টেশনটি দেখেছি তবে এটি কেবলমাত্র এতে বলেছে tf.nn.softmax_cross_entropy_with_logits_v2: …

3
কোনও বৈশিষ্ট্য ভেক্টর পেতে পুরো নথিতে শব্দ এম্বেডিং প্রয়োগ করুন
তত্ত্বাবধানে থাকা শিক্ষার সাথে ব্যবহারের জন্য কোনও বৈশিষ্ট্য ভেক্টরটিতে নথির মানচিত্র তৈরি করতে আমি কী শব্দ এম্বেডিং ব্যবহার করব? একটি শব্দ এমবেডিং প্রতিটি শব্দ মানচিত্র একটি ভেক্টর করার , যেখানে কিছু না খুব-সংখ্যক (যেমন, 500) হয়। জনপ্রিয় শব্দ এম্বেডিংগুলিতে ওয়ার্ড 2vec এবং গ্লোভ অন্তর্ভুক্ত রয়েছে ।বনাম ∈ আর ঘ ঘwwwv∈Rdv∈Rdv …

3
এমন কোনও তদারকি-শেখার সমস্যা রয়েছে যা (গভীর) নিউরাল নেটওয়ার্কগুলি সম্ভবত অন্য কোনও পদ্ধতিকে ছাড়িয়ে যেতে পারে না?
আমি দেখেছি লোকেরা এসভিএম এবং কার্নেলগুলিতে প্রচুর প্রচেষ্টা করেছে এবং তারা মেশিন লার্নিংয়ের একটি স্টার্টার হিসাবে বেশ আকর্ষণীয় দেখায়। তবে আমরা যদি আশা করি যে প্রায়-সর্বদা আমরা (গভীর) নিউরাল নেটওয়ার্কের ক্ষেত্রে কার্যকর ফলাফল খুঁজে পেতে পারি তবে এই যুগে অন্যান্য পদ্ধতির চেষ্টা করার অর্থ কী? এই বিষয়টিতে আমার সীমাবদ্ধতা এখানে। …

2
তত্ত্বাবধানে পড়াশোনা, নিরীক্ষণযোগ্য শিখন এবং পুনর্বহাল শেখার: কর্মপ্রবাহের বুনিয়াদি
তত্ত্বাবধান শেখা 1) একজন ইনপুট এবং আউটপুট ডেটার উপর ভিত্তি করে একটি শ্রেণিবদ্ধ তৈরি করে 2) এই শ্রেণিবদ্ধকারী ডেটা একটি প্রশিক্ষণ সেট সঙ্গে প্রশিক্ষিত হয় 3) যে শ্রেণিবদ্ধকারী তথ্য পরীক্ষার সেট দিয়ে পরীক্ষা করা হয় 4) আউটপুট সন্তোষজনক হলে স্থাপনা যখন এই ডেটাটিকে শ্রেণিবদ্ধ করতে হয় তা আমি যখন জানতাম …

5
পরিসংখ্যান এবং মেশিন লার্নিংয়ে দুটি গ্রুপের মধ্যে পার্থক্য: অনুমানের পরীক্ষা বনাম শ্রেণিবদ্ধকরণ বনাম গুচ্ছকরণ
ধরুন আমার কাছে দুটি এবং দুটি গ্রুপ গোষ্ঠী রয়েছে, যার লেবেলযুক্ত এ এবং বি রয়েছে (প্রতিটি উদাহরণস্বরূপ 200 টি নমুনা এবং 1 টি বৈশিষ্ট্য রয়েছে) এবং আমি জানতে চাই যে সেগুলি আলাদা কিনা। আমি করতে পারে: ক) একটি পরিসংখ্যানগত পরীক্ষা (উদাহরণস্বরূপ টি-পরীক্ষা) সঞ্চালন করুন যে তারা পরিসংখ্যানগতভাবে আলাদা কিনা। খ) …

3
নিরীক্ষণ করা, তদারকি করা এবং আধা তত্ত্বাবধানে পড়াশোনা করা
মেশিন লার্নিংয়ের প্রসঙ্গে, এর মধ্যে পার্থক্য কী অকার্যকর শেখা তদারকি শেখা এবং আধা তত্ত্বাবধানে শেখা? এবং দেখার জন্য প্রধান কয়েকটি অ্যালগরিদমিক পদ্ধতির কী কী?

3
দৈনিক সময় সিরিজ বিশ্লেষণ
আমি সময় সিরিজ বিশ্লেষণ করার চেষ্টা করছি এবং এই ক্ষেত্রে নতুন। আমার 2006-2009-এর একটি ইভেন্টের দৈনিক গণনা রয়েছে এবং আমি এটিতে একটি টাইম সিরিজের মডেল ফিট করতে চাই। আমি যে অগ্রগতি করেছি তা এখানে: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) আমি প্রাপ্ত ফলাফলের প্লটটি হ'ল: ডেটাতে seasonতু এবং ট্রেন্ড আছে কিনা তা …

3
প্রশিক্ষণ হিসাবে শুধুমাত্র ইতিবাচক মামলা দিয়ে ফলাফল কীভাবে ভবিষ্যদ্বাণী করা যায়?
সরলতার স্বার্থে, যাক আমি স্প্যাম / নন-স্প্যাম ইমেলের ক্লাসিক উদাহরণ নিয়ে কাজ করছি on আমার 20000 ইমেলের সেট রয়েছে। এর মধ্যে, আমি জানি যে 2000 টি স্প্যাম তবে নন-স্প্যাম ইমেলের কোনও উদাহরণ আমার কাছে নেই। বাকি 18000 টি স্প্যাম কিনা তা আমি ভবিষ্যদ্বাণী করতে চাই। আদর্শভাবে, আমি যে ফলাফলটি সন্ধান …

2
আধা তত্ত্বাবধানে শেখার ক্ষেত্রে বহুগুণ অনুমান কী?
আমি আধা-তত্ত্বাবধানে শিক্ষায় বহুগুণ অনুমানের অর্থ কী তা বোঝার চেষ্টা করছি। কেউ কি সহজ উপায়ে ব্যাখ্যা করতে পারেন? এর পিছনে অন্তর্দৃষ্টি আমি পেতে পারি না। এটি বলে যে আপনার ডেটা উচ্চ মাত্রিক জায়গাতে এমবেড করা নিম্ন-মাত্রিক বহুগুণে থাকে। তার মানে আমি পাইনি।

1
তত্ত্বাবধানে শেখা কি শক্তিবৃদ্ধি শেখার একটি উপসেট হয়?
দেখে মনে হচ্ছে তত্ত্বাবধানের শিক্ষার সংজ্ঞাটি একটি বিশেষ ধরণের পুরষ্কার ফাংশন সহ শক্তিবৃদ্ধি শেখার একটি উপসেট যা লেবেলযুক্ত ডেটা (পরিবেশের অন্যান্য তথ্যের বিপরীতে) এর উপর ভিত্তি করে with এটি কি সঠিক চিত্রায়ন?

4
একটি কৃত্রিম নিউরাল নেটওয়ার্ক * কি?
নিউরাল নেটওয়ার্ক সাহিত্যের প্রতিচ্ছবি হিসাবে আমরা নিউরোমর্ফিক টোপোলজিস ("নিউরাল-নেটওয়ার্ক" -র মতো আর্কিটেকচার) সহ অন্যান্য পদ্ধতিগুলি সনাক্ত করতে পারি। এবং আমি ইউনিভার্সাল আনুমানিক উপপাদ্য সম্পর্কে কথা বলছি না । উদাহরণ নীচে দেওয়া হল। তারপরে, এটি আমাকে অবাক করে তোলে: একটি কৃত্রিম নিউরাল নেটওয়ার্কের সংজ্ঞা কী? এর টপোলজি থেকে সমস্ত কিছু coverেকে …

4
মেশিন লার্নিং অ্যালগরিদমগুলির জন্য ভবিষ্যদ্বাণী অন্তরগুলি
আমি জানতে চাই যে নীচে বর্ণিত প্রক্রিয়াটি বৈধ / গ্রহণযোগ্য এবং কোনও ন্যায়সঙ্গত উপলব্ধ কিনা। ধারণা: তদারকি করা অ্যালগরিদমগুলি ডেটা সম্পর্কে অন্তর্নিহিত কাঠামো / বিতরণকে ধরে নেয় না। দিনের শেষে তারা অনুমানের ফলাফল নির্ধারণ করে। আমি আশা করি কোনওভাবেই অনুমানের অনিশ্চয়তা মেটানোর জন্য। এখন, এমএল মডেল বিল্ডিং প্রক্রিয়া সহজাতভাবে এলোমেলো …

1
তদারক মাত্রিকতা হ্রাস
আমার কাছে 15 কে লেবেলযুক্ত নমুনা (10 টি গোষ্ঠী) নিয়ে একটি ডেটা সেট রয়েছে। আমি মাত্রিকতা হ্রাস 2 টি মাত্রায় প্রয়োগ করতে চাই, এটি লেবেলের জ্ঞানের বিবেচনায় নেবে। আমি যখন পিসিএর মতো "স্ট্যান্ডার্ড" অব্যবহৃত ত্রিমাত্রিকতা হ্রাস কৌশলগুলি ব্যবহার করি, তখন স্ক্যাটার প্লটটির পরিচিত লেবেলের সাথে কোনও সম্পর্ক নেই বলে মনে …

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.