Como todos saben, la ingeniería de características es extremadamente importante para el aprendizaje automático, sin embargo, encontré pocos materiales asociados con esta área. Participé en varias competiciones en Kaggle y creo que las buenas características pueden ser incluso más importantes que un...
¿Cuál es la definición de "espacio de características"? Por ejemplo, al leer sobre SVM, leí sobre "mapeo al espacio de características". Cuando leí sobre CART, leí sobre "particionamiento en espacio de características". Entiendo lo que está sucediendo, especialmente para CART, pero creo que hay...
¿Hay alguna manera de determinar qué características / variables del conjunto de datos son las más importantes / dominantes dentro de una solución de clúster de
Sé que el descenso de gradiente estocástico tiene un comportamiento aleatorio, pero no sé por qué. ¿Hay alguna explicación sobre
A menudo escucho a personas hablando de redes neuronales como algo así como una caja negra que no entiendes lo que hace o lo que significan. ¡En realidad no puedo entender lo que quieren decir con eso! Si comprende cómo funciona la retropropagación, ¿cómo es una caja negra? ¿Significan que no...
Estoy comprobando una implementación de Regresión logística desde aquí . Después de leer ese artículo, parece que la parte importante es encontrar los mejores coeficientes para determinar la función sigmoidea. Así que me pregunto por qué este método se llama "Regresión logística". ¿Está...
Al trabajar en el problema de regresión, comencé a pensar en la representación de la función "día de la semana". Me pregunto qué enfoque funcionaría mejor: una característica valor 1/7 para el lunes; 2/7 para el martes ... 7 características: (1, 0, 0, 0, 0, 0, 0) para el lunes; (0, 1, 0, 0, 0, 0,...
RNN se puede utilizar para la predicción, o el mapeo secuencia a secuencia. Pero, ¿cómo se puede usar RNN para la clasificación? Quiero decir, le damos a una secuencia completa una
Para usar SVM o red neuronal, necesita transformar (codificar) variables categóricas en variables numéricas, el método normal en este caso es usar valores binarios 0-1 con el k-ésimo valor categórico transformado para ser (0,0, .. ., 1,0, ... 0) (1 está en la posición k-ésima). ¿Hay otros métodos...
Si entendí correctamente, en un algoritmo de aprendizaje automático, el modelo tiene que aprender de su experiencia, es decir, cuando el modelo da la predicción incorrecta para los nuevos casos, debe adaptarse a las nuevas observaciones, y con el tiempo, el modelo se vuelve cada vez mejor . No veo...
El parámetro de velocidad de aprendizaje ( ) en Gradient Boosting reduce la contribución de cada nuevo modelo base, típicamente un árbol poco profundo, que se agrega en la serie. Se demostró que aumenta drásticamente la precisión del conjunto de pruebas, lo cual es comprensible ya que con pasos más...
Soy nuevo en el aprendizaje automático y busco algunos conjuntos de datos a través de los cuales puedo comparar y contrastar las diferencias entre los diferentes algoritmos de aprendizaje automático (árboles de decisión, refuerzo, SVM y redes neuronales) ¿Dónde puedo encontrar dichos conjuntos de...
El tocón de decisión es un árbol de decisión con una sola división. También se puede escribir como una función por partes. Por ejemplo, suponga que es un vector, y es el primer componente de , en la configuración de regresión, se puede usar un tocón de decisiónx 1 xXxxX1x1x_1Xxx F( x ) = { 35...
Tengo un conjunto de datos de 140000 ejemplos y 30 características para las que estoy entrenando a varios clasificadores para una clasificación binaria (SVM, Regresión logística, Bosque aleatorio, etc.) En muchos casos, el ajuste de hiperparámetros en todo el conjunto de datos mediante Grid o...
He estado tratando de entender el concepto de muestreo negativo en el contexto de word2vec. No puedo digerir la idea del muestreo [negativo]. Por ejemplo en los documentos de Mikolov, la expectativa de muestreo negativa se formula como Iniciar sesiónσ( ⟨ W , c ⟩ ) + k ⋅ ECnorte∼ Pre[ logσ( - ⟨ w ,...
Estoy tratando de comprender cuál es el propósito de la función de pérdida y no puedo entenderlo. Entonces, hasta donde yo entiendo, la función de pérdida es para introducir algún tipo de métrica con la que podamos medir el "costo" de una decisión incorrecta. Digamos que tengo un conjunto de...
Estaba revisando los documentos de convolución de Keras y he encontrado dos tipos de convulsiones Conv1D y Conv2D. Hice una búsqueda en la web y esto es lo que entiendo sobre Conv1D y Conv2D; Conv1D se usa para secuencias y Conv2D usa para imágenes. Siempre pensé que las redes de convolución...
La pregunta puede sonar un poco extraña porque soy nuevo en la inferencia estadística y las redes neuronales. Cuando en problemas de clasificación usando redes neuronales decimos que queremos aprender una función que mapea el espacio de las entradas , al espacio de las salidas...
He estado buscando métodos de aprendizaje semi-supervisados y he encontrado el concepto de "pseudo-etiquetado". Según tengo entendido, con pseudo-etiquetado tiene un conjunto de datos etiquetados, así como un conjunto de datos sin etiquetar. Primero entrena un modelo solo con los datos...
Actualmente estoy usando el entrenamiento de Viterbi para un problema de segmentación de imágenes. Quería saber cuáles son las ventajas / desventajas de usar el algoritmo Baum-Welch en lugar del entrenamiento de Viterbi.