Вопросы с тегом «statistics»

Я много изучал, и они говорят, что переосмысление действий в машинном обучении - это плохо, но наши нейроны действительно становятся очень сильными и находят лучшие действия / чувства, по которым мы идем или которых избегаем, плюс можно уменьшить / увеличить из плохого / хорошо от плохих или хороших триггеров, что …

27 machine-learning  statistics 

В последнее время я самостоятельно изучал максимизацию ожиданий и собрал в процессе несколько простых примеров: От сюда : Есть три монеты c0c0c_0 , c1c1c_1 и c2c2c_2 с p0p0p_0 , p1p1p_1 и p2p2p_2 соответствующей вероятностью для посадки на голове , когда кинули. Бросок c0c0c_0 . Если результат - голова, бросьте c1c1c_1 …

18 probability-theory  statistics 

Предположим, нам даны два числа и и мы хотим найти для .lllrrrmax(i⊕j)max(i⊕j)\max{(i\oplus j)}l≤i,j≤rl≤i,j≤rl\le i,\,j\le r Наивный алгоритм просто проверяет все возможные пары; например, в ruby ​​у нас будет: def max_xor(l, r) max = 0 (l..r).each do |i| (i..r).each do |j| if (i ^ j > max) max = i ^ …

14 algorithms  algorithms  machine-learning  statistics  testing  terminology  asymptotics  landau-notation  reference-request  optimization  scheduling  complexity-theory  time-complexity  lower-bounds  communication-complexity  computational-geometry  computer-architecture  cpu-cache  cpu-pipelines  operating-systems  multi-tasking  algorithms  algorithm-analysis  education  correctness-proof  didactics  algorithms  data-structures  time-complexity  computational-geometry  algorithms  combinatorics  efficiency  partitions  complexity-theory  satisfiability  artificial-intelligence  operating-systems  performance  terminology  computer-architecture 

Общеизвестно, что «корреляция не равна причинности», но машинное обучение, кажется, почти полностью основано на корреляции. Я работаю над системой оценки успеваемости учащихся по вопросам, основанным на их прошлых выступлениях. В отличие от других задач, таких как поиск в Google, это не похоже на систему, в которую легко играть, поэтому причинно-следственная …

13 machine-learning  statistics 

Наивный байесовский предиктор делает свои прогнозы, используя эту формулу: P(Y=y|X=x)=αP(Y=y)∏iP(Xi=xi|Y=y)P(Y=y|X=x)=αP(Y=y)∏iP(Xi=xi|Y=y)P(Y=y|X=x) = \alpha P(Y=y)\prod_i P(X_i=x_i|Y=y) где - нормализующий фактор. Это требует оценки параметров P ( X i = x i | Y = y ) по данным. Если мы сделаем это с помощью k -smoothing, то получим оценкуαα\alphaP(Xiзнак равноxi|Y=y)P(Xязнак равноИкся|Yзнак равноY)P(X_i=x_i|Y=y)ККk …

13 machine-learning  probability-theory  statistics