Questions tagged «machine-learning»

在两个流行的语言识别库中，C ++的紧凑语言检测器2和Java的语言检测器都使用了（基于字符的）n-gram提取文本特征。为什么不使用单词袋（单个单词/词典）？单词袋和n-gram的优缺点是什么？ 另外，n-grams模型在文本分类中还有哪些其他用途？ 哎呀 似乎这里有一个类似的问题： 关于使用bigram（N-gram）模型为文本文档构建特征向量 但是有人可以给出更全面的答案吗？在识别语言的情况下哪个更好？ （希望我能正确理解n-gram和词袋的含义，哈哈，如果不能，请帮助我。）

12 machine-learning  classification  text-mining  natural-language 

我正在研究模式识别和机器学习，并且遇到了以下问题。 考虑一个具有相同先验概率的两类分类问题P(D1)=P(D2)=12P(D1)=P(D2)=12P(D_1)=P(D_2)= \frac{1}{2} 以及每个类中实例的分布 p(x|D1)=N([00],[2001]),p(x|D1)=N([00],[2001]), p(x|D_1)= {\cal N} \left( \begin{bmatrix} 0 \\0 \end{bmatrix}, \begin{bmatrix} 2 & 0 \\ 0 & 1 \end{bmatrix} \right), p(x|D2)=N([44],[1001]).p(x|D2)=N([44],[1001]). p(x|D_2)= {\cal N} \left( \begin{bmatrix} 4 \\ 4 \end{bmatrix}, \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix} \right). 如何计算Fisher标准权重？ 更新2：我的书提供的计算权重为： 。W=[−43−29]W=[−43−29]W=\begin{bmatrix} \frac{-4}{3} \\ \frac{-2}{9} \end{bmatrix} …

12 machine-learning  self-study  classification  discriminant-analysis 

我发现有许多文章指出增强方法对异常值很敏感，但没有文章解释原因。 以我的经验，离群值对于任何机器学习算法都是不利的，但是为什么提升方法特别敏感？ 下列算法如何在对异常值的敏感性方面进行排名：增强树，随机森林，神经网络，SVM和简单回归方法（例如逻辑回归）？

12 machine-learning  svm  outliers  cart  boosting 

我希望这个问题可能没有确切的答案。但是我过去使用过许多机器学习算法，并且正在尝试了解贝叶斯网络。我想了解在什么情况下，或者您选择在哪种类型的问题上使用贝叶斯网络而不是其他方法？

12 machine-learning  bayesian-network 

问题是： 自举优于捆绑。但是，我想知道是否存在套刀技术是唯一或至少可行的方法来表征参数估计值的不确定性。此外，在实际情况下，相对于自举，斜切是如何产生偏见/不准确的，在开发更复杂的引导程序之前，斜切结果能否提供初步的见解？ 某些情况： 朋友正在使用黑盒机器学习算法（MaxEnt）对“仅在场”或“仅在场”的地理数据进行分类。一般模型评估通常使用交叉验证和ROC曲线进行。但是，她正在使用模型的输出来导出模型输出的单个数字描述，并希望该数字周围有一个置信区间；折磨似乎是表征此值不确定性的一种合理方法。引导似乎没有意义，因为每个数据点都是地图上的唯一位置，无法通过替换进行重新采样。建模程序本身也许能够最终提供她所需要的东西。但是，我对一般情况是否有用/什么时候使您感兴趣。

12 machine-learning  cross-validation  bootstrap  maximum-entropy  jackknife 

“神经网络”和“感知器”这两个术语之间有什么区别吗？

12 machine-learning  neural-networks  terminology  perceptron 

我想知道之间的差异随机Logistic回归（RLR）和普通的Logistic回归（LR），因此，我正在读一纸“稳定性选择”通过Meinshausen等。; 但是我不明白什么是RLR，以及RLR和LR之间的区别。 有人可以指出我应该读些什么才能理解RLR吗？还是有一个简单的例子开始？

12 machine-learning  logistic 

从我读到的内容： 远距离监督： A Distant supervision algorithm usually has the following steps: 1] It may have some labeled training data 2] It "has" access to a pool of unlabeled data 3] It has an operator that allows it to sample from this unlabeled data and label them and this operator is …

12 machine-learning  terminology  unsupervised-learning  semi-supervised 

我想将高斯基函数应用到线性回归实现中。不幸的是，我很难理解基本函数中的几个参数。特别是和。μμ\muσσ\sigma 我的数据集是10,000 x 31矩阵。10,000个样本和31个功能。我已经读过“每个基函数将输入向量x转换为标量值”。所以我假设x是1个样本，所以是1 x 31向量。从这里我很困惑。参数到底是什么？我已经读到，这支配着基本函数的位置。那这不是什么意思吗？我也被下标j（和）所，这让我想到了第j行。但这似乎没有道理。是载体？现在为μjμj\mu_jμμ\muϕϕ\phiμjμj\mu_jσσ\sigma“控制空间规模”。那到底是什么 我已经看到一些实现对此参数尝试使用.1，.5、2.5之类的实现。这些值如何计算？我一直在进行研究并寻找可以学习的例子，但到目前为止我还没有找到任何例子。任何帮助或指示将不胜感激！谢谢。

12 regression  machine-learning  basis-function 

当前，我正在尝试分析没有基本事实的文本文档数据集。有人告诉我可以使用k倍交叉验证来比较不同的聚类方法。但是，我过去看到的示例使用了基本事实。有没有办法在该数据集上使用k折均值来验证我的结果？

12 machine-learning  clustering  cross-validation  unsupervised-learning 

谁能指出我的Tikhonov正则化（正则化最小二乘）在线（递归）算法的方向吗？ 在离线环境，我将计算β = （X Ť X + λ我）- 1 X Ť ÿ使用在我的原始数据集λ是使用n重交叉验证中发现。一个新的ÿ值可以预测对于给定的X使用Ŷ = X Ť β。β^= （XŤX+ λ我）− 1XŤÿβ^=(XTX+λI)−1XTY\hat\beta=(X^TX+λI)^{−1}X^TYλλλÿyyXxxÿ= xŤβ^y=xTβ^y=x^T\hat\beta 在在线设置中，我不断绘制新的数据点。如何更新β当我绘制新的额外的数据样本不会对整个数据集做了充分的重新计算（原件+新）？β^β^\hat\beta

12 regression  machine-learning  least-squares  regularization  online 

描述： 让问题域为文档分类，其中存在一组特征向量，每个特征向量属于一个或多个类。例如，文档doc_1可能属于Sports和English类别。 题： 使用神经网络进行分类，特征向量的标签是什么？它是构成所有类的向量，以便对不相关的类赋予0值，对相关的类赋予1值吗？因此，如果类标签的列表为[Sports, News, Action, English, Japanese]，那么对于文档doc_1，标签将为[1, 0, 0, 1, 0]？

12 machine-learning  neural-networks  natural-language  multilabel 

我正在尝试掌握如何使用机器学习来预测未来的财务时间序列1或更多步骤。 我有一个包含描述性数据的财务时间序列，我想形成一个模型，然后使用该模型预测未来的n步。 到目前为止，我一直在做的是： getSymbols("GOOG") GOOG$sma <- SMA(Cl(GOOG)) GOOG$range <- GOOG$GOOG.High-GOOG$GOOG.Low tail(GOOG) GOOG.Open GOOG.High GOOG.Low GOOG.Close GOOG.Volume GOOG.Adjusted sma range 2013-05-07 863.01 863.87 850.67 857.23 1959000 857.23 828.214 13.20 2013-05-08 857.00 873.88 852.91 873.63 2468300 873.63 834.232 20.97 2013-05-09 870.84 879.66 868.23 871.48 2200600 871.48 840.470 11.43 2013-05-10 875.31 880.54 872.16 …

12 r  time-series  machine-learning  random-forest  finance 

我的数据具有不变的最少数量的功能，以及一些可以更改并对结果产生重大影响的其他功能。我的数据集如下所示： 功能包括A，B，C（始终存在）和D，E，F，G，H（有时存在） A = 10, B = 10, C = 10 outcome = 10 A = 8, B = 7, C = 8 outcome = 8.5 A = 10, B = 5, C = 11, D = 15 outcome = 178 A = 10, B = 10, C = 10, …

12 machine-learning  feature-selection 

我针对给定的数据集运行了SVM，并进行了以下观察：如果我更改了用于构建分类器的功能数量，则生成的支持向量的数量也将更改。 我想知道如何解释这种情况。

12 machine-learning  classification  svm  kernel-trick