ForumBölümler

Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3350

Yeni yorum
[Silindi]
MO'lar auto ml ile full cyclic arasındaki farkı bile bilmiyor :)
Bir model yaparsanız, müşterileriniz sizi taciz etmeye başlar ve istekler için ödeme yaparsınız 😀😀 kendi sunucunuz daha iyi.
[Silindi]
fxsaber #:

Aynı listede.

Bir yerde dts arasında maksimum karı karşılaştırdığınızı hatırlıyorum. Ve belirli bir grafikte, maksimum kar elde etmek için hangi algoritma kullanıldı? Optimizasyon yoluyla mı yoksa katı bir algoritma mı var?
[Silindi]

Konformal tahminlerin metodolojisi de en azından ters olasılık ağırlıklandırması açısından kozul'u yansıtmaktadır. Henüz daha fazla okumadım. Çok fazla tanım var :)

Ve potansiyel sonuçların tanımı da aynı şekilde kullanılıyor. Ama ikili sınıflandırma durumu için zaten daha net. Yani herhangi bir tritment ya da araç değişken kullanılmıyor.

GitHub - valeman/awesome-conformal-prediction: A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries.
GitHub - valeman/awesome-conformal-prediction: A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries.
  • valeman
  • github.com
A professionally curated list of awesome Conformal Prediction videos, tutorials, books, papers, PhD and MSc theses, articles and open-source libraries. - GitHub - valeman/awesome-conformal-predicti...
[Silindi]
Son iki makalem, basit düzeyde ve nüanssız olarak, bu yaklaşımların hepsini hemen hemen tanımlıyor. Diyelim ki tarif etmiyorlar, ama yaklaşıyorlar. Şimdi araştırdıkları şeylerin detaylarını kontrol ediyorum. Örneğin, tümevarımsal uygunluk ile tümdengelimsel uygunluk arasında her bir sınıf etiketi için ayrı ayrı olmak üzere yalnızca bir veya iki sınıflandırıcı açısından fark vardır. İkincisi posterior tahmininde daha iyidir (daha doğrudur). Ve ben tümevarım yöntemini kullandım. Başka bir şey de, daha doğru tahmin için her bir örneği ekleyip çıkararak modelleri yeniden eğitmektir. Çok pahalıdır, ama biraz verimlidir. Ancak basit ve hızlı sınıflandırıcılar alabilirsiniz. Kütükler üzerinde eğitim yaparken de yazmıştım.

Deham için hiç alkış göremiyorum.



Merhaba!

Farklı yollar deniyorum.

Ve NN+GA algoritması işe yarıyor. Çok daha kararlı.

[Silindi]
Alexander Ivanov #:

Merhaba!

Farklı yollar deniyorum.

Ve NN+GA algoritması işe yarıyor. Çok daha kararlı.

Benden daha havalı olduğunu mu söylüyorsun?
[Silindi]

votka, geyik eti ve salatalık eşliğinde bir akşamokuması.

Temayı geliştiriyor ve farklı MOSH disiplinlerinden yaklaşımları kafamda birleştirmeye çalışıyorum.

A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
A Gentle Introduction to Conformal Prediction and Distribution-Free Uncertainty Quantification
  • arxiv.org
Black-box machine learning models are now routinely used in high-risk settings, like medical diagnostics, which demand uncertainty quantification to avoid consequential model failures. Conformal prediction is a user-friendly paradigm for creating statistically rigorous uncertainty sets/intervals for the predictions of such models. Critically, the sets are valid in a distribution-free sense: they possess explicit, non-asymptotic guarantees even without distributional assumptions or model assumptions. One can use conformal prediction with any pre-trained model, such as a neural network, to produce sets that are guaranteed to contain the ground truth with a user-specified probability, such as 90%. It is easy-to-understand, easy-to-use, and general, applying naturally to problems arising in the fields of computer vision, natural language processing, deep reinforcement learning, and so on. This hands-on introduction is aimed to provide the reader a working understanding of conformal...
Maxim Dmitrievsky #:

Votka, geyik eti ve salatalıkla dolu bir akşam içinokunacak bir kitap.

temayı geliştiriyor ve farklı MOSH disiplinlerinden yaklaşımları kafamda birleştirmeye çalışıyorum.

Afiyet olsun ve hafif bir akşamdan kalma)

Her ne kadar farklı şeyler olduklarını yazsalar da olasılıksal tahmine çok benziyor gibi görünüyor. Şu ana kadar anladığım kadarıyla konformal daha çok sınıflandırma odaklı, probabilistik ise regresyon odaklı.

Maxim Dmitrievsky #:
Bir yerde dts arasında maksimum karı karşılaştırdığınızı hatırlıyorum. Ve belirli bir grafikte, maksimum karı elde etmek için hangi algoritmayı kullandınız? Optimizasyon yoluyla mı yoksa katı bir algoritma mı var?

Ve tek geçişli. Forumda bir yerde.

[Silindi]
Aleksey Nikolayev #:

Yemeğinizin tadını çıkarın ve hafif bir akşamdan kalma yaşayın)

Her ne kadar farklı şeyler olduklarını yazsalar da, olasılıksal tahmine çok benziyor gibi görünüyor. Şu ana kadar anladığım kadarıyla, konformal sınıflandırma için daha uzmanlaşmış ve regresyon için olasılıksal.

Teşekkürler :) evet, benzer. Sınıflandırma veya regresyonun önemli olmadığını yazıyorlar. Doğrulama ağında karşılaştırma yoluyla tahminler için tahminlerin nasıl elde edileceği açıktır ("Endüktif" durumunda, yani daha hızlı ve daha basit bir yol). "Transductive" de az çok açıktır, ancak çok yavaştır çünkü örneklemdeki örnek sayısı kadar modelin eğitilmesini gerektirir. CV gibi aslında benim de yaptığım ara varyantlar da var.

Makaleden nihai modellerin nasıl eğitildiğini, neyin nerede ikame edildiğini tam olarak anlamadım. Yine kozula'daki gibi model ağırlıklarının düzeltilmesi, kalibrasyonu (örnek ağırlıklandırma) veya başka bir şey yoluyla. Ya da en olası belirteçler değerlendirmeden sonra modele yerleştiriliyor. Ben sadece bu amaçla ikinci modeli kullandım, bu da kötü örnekler üzerinde işlem yapmayı yasaklıyor.

1...334333443345334633473348334933503351335233533354335533563357...3399
Yeni yorum