Llegué a una situación en la que los pesos de mi red neuronal no convergen incluso después de 500 iteraciones. Mi red neuronal contiene 1 capa de entrada, 1 capa oculta y 1 capa de salida. Son alrededor de 230 nodos en la capa de entrada, 9 nodos en la capa oculta y 1 nodo de salida en la capa de...
Encontré una pregunta simple sobre la comparación de modelos flexibles (es decir, splines) frente a modelos inflexibles (por ejemplo, regresión lineal) en diferentes escenarios. La pregunta es: En general, ¿esperamos que el rendimiento de un método de aprendizaje estadístico flexible funcione...
En muchos algoritmos de aprendizaje automático, el escalado de características (también conocido como escalado variable, normalización) es un paso de preprocesamiento común Wikipedia - Escalado de características - esta pregunta estaba cerrada Pregunta # 41704 - ¿Cómo y por qué funcionan la...
Al estudiar la selección de covarianza, una vez leí el siguiente ejemplo. Con respecto al siguiente modelo: Su matriz de covarianza y matriz de covarianza inversa se dan de la siguiente manera, No entiendo por qué la independencia de e es decidido por la covarianza inversa aquí?yXxxyyy ¿Cuál...
Los métodos de kernel son muy efectivos en muchas tareas de clasificación supervisadas. Entonces, ¿cuáles son las limitaciones de los métodos del núcleo y cuándo usar los métodos del núcleo? Especialmente en la era de los datos a gran escala, ¿cuáles son los avances de los métodos del núcleo? ¿Cuál...
En una clasificación simple, tenemos dos clases: clase-0 y clase-1. En algunos datos solo tengo valores para la clase 1, por lo que ninguno para la clase 0. Ahora estoy pensando en hacer un modelo para modelar los datos para la clase 1. Entonces, cuando llegan nuevos datos, este modelo se aplica a...
El capítulo 2.4 de ESL parece clasificar la regresión lineal como "basada en el modelo", porque supone que , mientras que no se establece una aproximación similar para los vecinos k más cercanos. ¿Pero no están ambos métodos haciendo suposiciones sobre ?f(x)≈x⋅βf(x)≈x⋅βf(x) \approx...
Soy nuevo en el análisis de supervivencia y recientemente aprendí que hay diferentes maneras de hacerlo dado un determinado objetivo. Estoy interesado en la implementación real y la adecuación de estos métodos. Se me presentaron los modelos tradicionales de riesgo proporcional de Cox , tiempo de...
Solo estoy tratando de implementar el algoritmo de Baum-Welch escalado y me he encontrado con un problema en el que mis variables hacia atrás, después de escalar, superan el valor de 1. ¿Es esto normal? Después de todo, las probabilidades no deberían ser superiores a 1. Estoy usando el factor de...
A menudo escucho sobre la evaluación del desempeño de un modelo de clasificación extendiendo el conjunto de prueba y entrenando un modelo en el conjunto de entrenamiento. Luego crea 2 vectores, uno para los valores predichos y otro para los valores verdaderos. Obviamente, hacer una comparación le...
De este video de Andrew Ng alrededor de las 5:00 ¿Cómo se y ? De hecho, ¿qué significa ? se obtiene al comparar con y, no es posible tal comparación para la salida de una capa oculta,
Contexto: estoy desarrollando un sistema que analiza datos clínicos para filtrar datos inverosímiles que podrían ser errores tipográficos. Lo que hice hasta ahora: Para cuantificar la plausibilidad, mi intento hasta ahora fue normalizar los datos y luego calcular un valor de plausibilidad para el...
Entiendo que la medida f (basada en la precisión y el recuerdo) es una estimación de la precisión de un clasificador. Además, la medida f se ve favorecida sobre la precisión cuando tenemos un conjunto de datos desequilibrado. Tengo una pregunta simple (que trata más sobre el uso de la terminología...
Actualmente estoy comparando tres métodos y tengo la precisión, auROC y auPR como métricas. Y tengo los siguientes resultados: Método A - acc: 0.75, auROC: 0.75, auPR: 0.45 Método B - acc: 0.65, auROC: 0.55, auPR: 0.40 Método C - acc: 0.55, auROC: 0.70, auPR: 0.65 Tengo una buena comprensión...
¿Cuál es una buena métrica para evaluar la calidad del análisis de componentes principales (PCA)? Realicé este algoritmo en un conjunto de datos. Mi objetivo era reducir la cantidad de funciones (la información era muy redundante). Sé que el porcentaje de variación mantenido es un buen indicador...
Christopher Bishop escribe en su libro Pattern Recognition and Machine Learning una prueba de que cada componente principal consecutivo maximiza la varianza de la proyección a una dimensión, después de que los datos se hayan proyectado en el espacio ortogonal a los componentes previamente...
Debo usar el núcleo exponencial cuadrado (SE) para la regresión del proceso gaussiano. Las ventajas de este núcleo son: 1) simple: solo 3 hiperparámetros; 2) suave: este núcleo es gaussiano. ¿Por qué a la gente le gusta tanto la "suavidad"? Sé que el núcleo gaussiano es infinitamente...
Suponga que tengo un tamaño de muestra pequeño, por ejemplo, N = 100 y dos clases. ¿Cómo debo elegir la capacitación, la validación cruzada y los tamaños de los conjuntos de prueba para el aprendizaje automático? Yo elegiría intuitivamente Tamaño del set de entrenamiento como 50 Conjunto de...
He estado leyendo un poco sobre algoritmos de refuerzo para tareas de clasificación y Adaboost en particular. Entiendo que el propósito de Adaboost es llevar a varios "estudiantes débiles" y, a través de un conjunto de iteraciones sobre los datos de entrenamiento, empujar a los clasificadores para...
Cerrado. Esta pregunta está fuera de tema . Actualmente no está aceptando respuestas. ¿Quieres mejorar esta pregunta? Actualice la pregunta para que esté en el tema de Cross Validated. Cerrado hace 4 años . Estoy entrenando un modelo usando el...