«svm» 태그된 질문

SVM 알고리즘은 상당히 오래되었습니다. 1960 년대에 개발되었지만 1990 년대와 2000 년대에 매우 인기가있었습니다. 머신 러닝 과정의 고전적인 부분입니다. 오늘날 미디어 처리 (이미지, 사운드 등)에서 신경망이 완전히 지배적 인 반면 다른 영역에서는 그라디언트 부스팅이 매우 강력한 위치에 있습니다. 또한 최근 데이터 경쟁에서 SVM 기반 솔루션이 관찰되지 않았습니다. SVM이 여전히 최신 결과를 …

10 machine-learning  svm 

R에 이산 시간 모델을 맞추려고하지만 어떻게 해야할지 모르겠습니다. 종속 변수를 각 시간 관찰마다 하나씩 다른 행 glm으로 구성하고 logit 또는 cloglog 링크와 함께 함수를 사용할 수 있다는 것을 읽었습니다. 이런 의미에서, 나는 세 개의 열이 있습니다 : ID, Event(각 시간 경과시 1 또는 0) 및 Time Elapsed(관측 시작부터 ) 그리고 …

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

이것은 여러 번 나온 예제 일뿐이므로 샘플 데이터가 없습니다. R에서 선형 회귀 모델 실행 : a.lm = lm(Y ~ x1 + x2) x1연속 변수입니다. x2범주 형이며 "낮음", "중간"및 "높음"의 세 가지 값이 있습니다. 그러나 R이 제공하는 출력은 다음과 같습니다. summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

예 : 직업 설명에 "영국의 Java Senior Engineer"문장이 있습니다. 나는 2 개 종류로 예측하는 깊은 학습 모델을 사용하려면 : English 와 IT jobs. 기존 분류 모델을 사용하는 경우 softmax마지막 레이어에서 함수가있는 레이블 하나만 예측할 수 있습니다 . 따라서 두 모델 신경망을 사용하여 두 범주 모두에서 "예"/ "아니오"를 예측할 수 있지만 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

GMM을 처음 사용합니다. 온라인에서 적절한 도움을 찾을 수 없었습니다. "GMM을 사용하는 것이 내 문제에 적합한 지 결정하는 방법"에 대한 올바른 자료를 제공해 주시겠습니까? 또는 분류 문제가있는 경우 "SVM 분류 또는 GMM 분류를 사용해야하는지 어떻게 결정합니까?"

9 classification  svm  gaussian-mixture  generalized-moments 

벡터 머신을 처음 사용합니다. 간단한 설명 svm로부터 기능 e1071R의 패키지는 다양한 옵션을 제공합니다 : C 분류 뉴 분류 1 분류 (신기한 검출 용) 분기 회귀 회귀 분석 다섯 가지 유형의 직관적 인 차이점은 무엇입니까? 어떤 상황에서 어떤 것을 적용해야합니까?

9 r  classification  svm  e1071 

scikit-learn 의 StandardScaler 객체 설명서에 따르면 : 예를 들어, 학습 벡터 알고리즘의 목적 함수에 사용되는 많은 요소 (예 : Support Vector Machine의 RBF 커널 또는 선형 모델의 L1 및 L2 정규화 기)는 모든 기능이 0을 중심으로하고 동일한 순서로 분산되어 있다고 가정합니다. 특징이 다른 것보다 수십 배 큰 분산을 갖는 경우, …

9 machine-learning  svm  standard-deviation  mean  references 

나는 벡터 머신을 지원할 때 초보자입니다. 특정 문제에 가장 적합한 커널 (예 : 선형, 다항식)을 나타내는 지침이 있습니까? 내 경우에는 특정 정보가 포함되어 있는지 여부에 따라 웹 페이지를 분류해야합니다. 즉, 이진 분류 문제가 있습니다. 일반적으로이 작업에 가장 적합한 커널을 말할 수 있습니까? 아니면 특정 데이터 세트에서 여러 데이터를 사용 해보고 …

9 classification  svm  model-selection  libsvm  kernel-trick 

환자 당 약 500 개의 변수가 있으며 각 변수에는 하나의 연속 값이 있으며 세 가지 다른 시점 (2 개월 후 및 1 년 후)에서 측정됩니다. 퇴행으로 새로운 환자의 치료 결과를 예측하고 싶습니다. 이러한 종단 데이터와 함께 SVM 회귀를 사용할 수 있습니까?

9 regression  svm  panel-data 

사용하는 경우 libsvm, 파라미터 커널 함수에 대한 파라미터이다. 기본값은γγ\gammaγ=1number of features.γ=1number of features.\gamma = \frac{1}{\text{number of features.}} 그리드 검색과 같은 기존 방법 외에이 매개 변수 설정에 대한 이론적 지침이 있습니까?

9 machine-learning  svm  data-mining  libsvm  kernel-trick 

4 가지 가능한 이벤트의 주파수 샘플이 하나 있다고 가정합니다. Event1 - 5 E2 - 1 E3 - 0 E4 - 12 내 이벤트의 예상 확률이 있습니다. p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 내 네 가지 사건의 관측 빈도의 합으로 (18) 사건의 예상 빈도를 올바르게 …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

선형 SVM 모델에 대한 방정식을 줄 수있는 패키지가 필요합니다. 현재 나는 다음 과 같이 e1071을 사용 하고 있습니다 : library(e1071) m = svm(data, labels, type='C', kernel='linear', cost=cost, probability=FALSE, scale=scale) w = t(m$coefs) %*% data[m$index,] #Weight vector b = -model$rho #Offset 그러나 e1071::svm()긍정적 클래스와 부정적인 클래스를 선택 하는 방법을 잘 모르겠 …

9 r  svm  e1071 

R 의 kernlab 패키지를 사용하여 일부 데이터를 분류하기위한 SVM을 작성하고 있습니다. SVM은 적절한 정확도의 '예측'을 제공한다는 점에서 훌륭하게 작동하지만 입력 변수 목록이 원하는 것보다 커서 다른 변수의 상대적 중요성에 대해 확신이 없습니다. 최고의 알고리즘 / 적합한 SVM을 생성하는 입력 변수의 하위 집합을 선택하기 위해 유전자 알고리즘을 구현하고 싶습니다. 이 GA …

9 r  machine-learning  svm  genetic-algorithms 

상당히 불균형 한 데이터에서 SVM을 사용하여 예측 모델을 작성하려고합니다. 레이블 / 출력에는 양, 중, 음의 세 가지 클래스가 있습니다. 긍정적 인 예는 내 데이터의 약 10-20 %, 중립 약 50-60 %, 음의 약 30-40 %를 말합니다. 수업 중 잘못된 예측과 관련된 비용이 같지 않기 때문에 수업의 균형을 맞추려고합니다. 한 가지 …

9 machine-learning  predictive-models  svm  unbalanced-classes 

훌륭한 libsvm 패키지는 파이썬 인터페이스와 분류기의 정확성을 최대화하는 학습 매개 변수 (비용 및 감마)를 자동으로 검색하는 파일 "easy.py"를 제공합니다. 주어진 학습 매개 변수 집합 내에서 교차 유효성 검사에 의해 정확도가 작동하지만 교차 유효성 검사의 목적을 손상시키는 것 같습니다. 즉, 학습 매개 변수 자체가 데이터의 과잉 적합을 유발할 수있는 방식으로 선택 …

9 cross-validation  svm