t-sne을 감독하는 이유는 무엇입니까? 위키 피 디아는 감독 방법으로 t-sne algorithm을 분류합니다. 나는 감독 된 방법은 입력과 원하는 결과로 훈련을 포함한다는 것을 읽었다. 나는 t-sne의 목표가 Kullback-Leibler 발산을 최소화하는 것이라고 생각했습니다. 이 발산을 최소화하는 것이 "원하는 결과"로 간주 되는가?
SuperLearner R 패키지를 사용하고 있습니다. 기차 및 테스트 세트 모두에 대해 예측 된 y 값을 생성하려고합니다. "newX"를 정의하지 않고 수퍼 리어너 모델을 피팅 한 후 트레인 세트에서 예측을 얻은 후 MSE 및 플롯 예측과 실제 Y 값을 계산할 수 있도록 "예측"명령을 사용하여 테스트는 다음 코드를 실행하여 설정 : 다음 sl.cv<-Su
이것은 다소 일반적인 질문입니다. 역 전파 알고리즘을 구현할 때 "큰"학습 속도에서 시작하여 오류가 증가하기 시작한 후에 감소시킵니다. 좁혀서. 오류가 조금 (StateA) 증가하거나 직전에 (StateB, 이전 "성공"상태로 롤백하는)이 속도 감소를 수행 할 수 있습니다. 그래서 질문은 무엇입니까? 수학적 관점에서 더 낫다. 아니면 두 가지 병렬 테스트를
비정상적인 위치에 매개 변수 theta가있는 지정된 가설로 감독 된 학습 알고리즘을 실행하고 싶습니다. = theta1 * (EXP (theta2의 *를 X)) I는 다음과 같은 기능을 가진 구배 하강하여 시도 + theta0 Y : 번호 : compute_cost 내 비용 m = length(y);
num_iters = 500;
J_history =
내가 기능의 관련성을 평가하기 위해 노력하고 내가 DecisionTreeRegressor() 코드의 관련 부분을 사용하고이 아래에 제시 : 나는 print 기능을 실행하면 # TODO: Make a copy of the DataFrame, using the 'drop' function to drop the given feature
new_data = da
이 하나가 내가 파이썬에서 CSV 형식의 데이터 집합을 실행 문제 해결을 도와 수 있습니다 얻을 ValueError: could not convert string to float:
코드는 그대로 아래 : models = []
models.append(('NB', GaussianNB()))
models.append(('SVM Non-linear', S
현재 텍스트 기반 기계 학습을하고 있습니다. 나는 ML에 처음 온 사람이다. 필자는 Feature1, Feature2 등 value1, value2와 같은 입력 텍스트와 다른 기능을 추출했습니다. ML 알고리즘에 의해 학습 된 출력은 다음과 같은 텍스트 여야합니다 : Output1, Output2. 내가 사용할 수있는 최고의 ML 알고리즘과 훈련 데이터 형
매우 불균형 한 데이터 (Y = 5 % 및 N = 95 %)가있는 데이터 세트를 사용하고 있으며 데이터 세트에는 3000 개의 고유 레코드가 있습니다. 기능을 선택하기 위해 나는 정보를 얻었습니다. 다음 66 올바르게 분류 인스턴스 96.1698 % 잘못 분류 된 인스턴스 3.8302 % === 혼란 매트릭스 ===의 비율 분할로 임의 숲을 적용 -----