Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1709

Yeni yorum
 
Aleksey Nikolaev :

Tecrübesiz yapamazsınız. Ana fikir, anladığım kadarıyla, deneyler için izin verilen maddeler listesinde önemli bir azalma. Biyolojiye vurgu yapan ve MO hakkında hiçbir ayrıntı içermeyen bu çalışma hakkında Rusça'da daha anlamlı bir hikayeye bağlantı .

Yapay zekanın her şeye gücü yetmesi ve her derde deva bir bitkinin yakınlığı hakkında "baloncuk" coşkusu olmayan iyi, bilimsel bir makale. Doğanın ne kadar "kurnaz" olduğunu ve anahtarını zaten bulduğuna inanan bir insanın ne kadar saf olduğunu gösterir ve şimdi ...

Bileşiklerin devasa "kütüphanelerinden" uygun bir varyant arayışında MO uygulamasının sonucu ve bunların çeşitli suşlar üzerindeki etkilerine ilişkin veriler başarılı oldu. Ancak bu neredeyse tek bir sonuçtur ve gelecekte benzer zaferleri garanti etmez. Niye ya? - Çünkü MO istatistiksel ve olasılıksal bir yaklaşım kullanır. Bu aramanın diğer uygulamaları oldukça talihsiz olabilir.

Mikroorganizma replikasyonunun genel ilkelerini incelemeye ve belirli suşlar için seçici bir engelleme aracı oluşturmaya odaklanacaktım. Entelektüel yaklaşımı istatistiksel ve olasılıksal olanlardan ayıran şey budur. (Yani, belirli bir çözüme karşı evrensel bir çözüm).

 
Peter Konow'un fotoğrafı.

Yapay zekanın her şeye gücü yetmesi ve her derde deva bir bitkinin yakınlığı hakkında "baloncuk" coşkusu olmayan iyi, bilimsel bir makale. Doğanın ne kadar "kurnaz" olduğunu ve anahtarını zaten bulduğuna inanan bir insanın ne kadar saf olduğunu gösterir ve şimdi ...

Bileşiklerin devasa "kütüphanelerinden" uygun bir varyant arayışında MO uygulamasının sonucu ve bunların çeşitli suşlar üzerindeki etkilerine ilişkin veriler başarılı oldu. Ancak bu neredeyse tek bir sonuçtur ve gelecekte benzer zaferleri garanti etmez. Niye ya? - Çünkü MO istatistiksel ve olasılıksal bir yaklaşım kullanır. Bu aramanın diğer uygulamaları oldukça talihsiz olabilir.

Mikroorganizma replikasyonunun genel ilkelerini incelemeye ve belirli suşlar için seçici bir engelleme aracı oluşturmaya odaklanacaktım. Entelektüel yaklaşımı istatistiksel ve olasılıksal olanlardan ayıran şey budur. (Yani, belirli bir çözüme karşı evrensel bir çözüm).

Tek DNA molekülleri düzeyinde, özünde olasılıksal nitelikte olan ve prensipte teori ve matstat olmadan düşünülemeyecek olan kuantum etkileri kaçınılmazdır. Ve daha yüksek seviyelerde - ilaçların klinik denemelerine kadar - bu bilimler olmadan yapılamaz. Bu nedenle, bu çalışmada kullanılanlar gibi yöntemler biyolojiye hiç de yabancı değildir ve hatta in silico (in vivo ve in vitro'ya benzer) teriminin ortaya çıkmasına neden olmuştur.

 
Aleksey Nikolaev :

Tek DNA molekülleri düzeyinde, özünde olasılıksal nitelikte olan ve prensipte teori ve matstat olmadan düşünülemeyecek olan kuantum etkileri kaçınılmazdır. Ve daha yüksek seviyelerde - ilaçların klinik denemelerine kadar - bu bilimler olmadan yapılamaz. Bu nedenle, bu çalışmada kullanılanlar gibi yöntemler biyolojiye hiç de yabancı değildir ve hatta in silico (in vivo ve in vitro'ya benzer) teriminin ortaya çıkmasına neden olmuştur.

Evet, ayrıca Zen üzerine, DNA'nın mutasyonlarını oluşturan kuantum "dalgalanmaları" hakkında bir makale fark ettim. Elbette ML, birçok araştırma alanında iyi bir araçtır. Ancak kişisel olarak MO'nun yapay zeka olmadığını anladım ve onunla karıştırmayın. AI mutlak bir çözüm arayacak ve ML belirli bir çözüm arayacaktır. Tamamen farklı çalışma yöntemlerine sahipler ve ML, AI'ya "büyümeyecek".

 
iyi akşamlar, bir acemi söyle ...


Bir danışman satın alınması durumunda (5 kopya), sonraki tüm güncellemeler mevcut olacak mı?5 kopyanın tümü için ücretsiz olacak mı?

 
Alexey Nikolaev :

Hegelci Mutlak Fikir hakkında ne düşünüyorsunuz?))

Bilmiyorum ya da hatırlamıyorum :) Artık daha hristiyanım, bulmaca çözüyorum
 
3565832 :
iyi akşamlar, bir acemi söyle ...


Bir danışman satın alınması durumunda (5 kopya), sonraki tüm güncellemeler mevcut olacak mı?5 kopyanın tümü için ücretsiz olacak mı?

Evet
 
Maksim Dmitrievski :
Bilmiyorum ya da hatırlamıyorum :) Artık daha hristiyanım, bulmaca çözüyorum

Alexander-Toddler ile Kâse doktrinini mi yaratıyorsunuz?)

 
elibrarius :

Alexey, yaprakların analiziyle uğraşıyorsun, görünüşe göre cevap verebilirsin ... veya bilen biri.

İşte kabinden 2 derinliğe kadar ağaç bölmelerinin bir açıklaması


"Değer" ne anlama geliyor? Bu yaprağın cevabı mı? Negatif sayılar ne anlama geliyor?

Eğer öyleyse, çok sınıflı sınıflandırmanın değeri nedir? Aşağıda 3 sınıfta eğitilmiş ağaçlardan birinin bir bölümü bulunmaktadır.
Her sayfa için 3 değer değerinden oluşan bir dizi görüyoruz. Cevap nedir? En büyük değer? O zaman neden gereksiz iki değeri saklayasınız? Negatif değerler ne anlama geliyor?

İlginç bir şekilde, üç değerin toplamı 0'dır.

Evet, ikili sınıflandırmada bu, "ana" sınıfa ait olma olasılığının değeridir.

CatBoost'ta çoklu sınıflandırma ile uğraşmadım ama bunun belirli bir sınıfa ait olma olasılığı olduğunu düşünüyorum.

Olasılığın gerçek değerini elde etmek için rakam dönüştürülmelidir - bir lojistik fonksiyon vardır.

Modeldeki aktif yapraklar özetlenir - bu nedenle, diğer şeylerin yanı sıra, işaretler farklı işaretlerle olabilir - bu bir dengeleme işlemidir, sadece model yapıldıktan ve çöp yaprakları ve ağaçlar atıldıktan sonra inceltilebilir.

 
Alexey Vyazmikin :

Evet, ikili sınıflandırmada bu, "ana" sınıfa ait olma olasılığının değeridir.

CatBoost'ta çoklu sınıflandırma ile uğraşmadım ama bunun belirli bir sınıfa ait olma olasılığı olduğunu düşünüyorum.

Olasılığın gerçek değerini elde etmek için rakam dönüştürülmelidir - bir lojistik fonksiyon vardır.

Modeldeki aktif yapraklar özetlenir - bu nedenle, diğer şeylerin yanı sıra, işaretler farklı işaretlerle olabilir - bu bir dengeleme işlemidir, sadece model yapıldıktan ve çöp yaprakları ve ağaçlar atıldıktan sonra inceltilebilir.

Teşekkür ederim. Aynen öyle düşündüm.
Bu değeri nasıl hesaplıyorlar tam anlamadım.
Örneğin, 1 ağacı 1 derinlikte eğittim: 

     "left" : {
       "value" : - 0.5202020202020202 ,
       "weight" : 384
    },
     "right" : {
       "value" : - 0.0019267822736030828 ,
       "weight" : 507
    },
     "split" : {
       "border" : 12.587499618530273 ,
       "float_feature_index" : 0 ,
       "split_index" : 0 ,
       "split_type" : "FloatFeature"
    }

Ağaçtan bir yanıt istediğimde şunu alıyorum:

cmodel.predict(X, tahmin_type='RawFormulaVal') = -0.5202020202020202, yaprak açıklamasındaki değerdir

cmodel.predict_proba(X)= 0.372805 , 1. sınıf olasılıktır
formülle kontrol edildi
x1=-0.52020202
prob=math.exp(x1)/(1+math.exp(x1))=0.3728049958676699

doğru hesaplanmıştır.

Veri setinde toplam 891 satır bulunmaktadır.

Sınıf 1'in oluşum sayısı ile birlikte sayıldı
sınır < 12.587499618

Toplamda, sayfa açıklamasındaki ağırlıklara karşılık gelen, 89'u 1. sınıf örneği olan 384 örnek bulundu.

1. sınıf olasılık olmalıdır
89 / 384 = 0.2317708

Ama model 0.372805 olasılığını veriyor.

Orada olasılığı elde etmek için başka bir algoritmanın kullanıldığı ortaya çıktı.

 
elibrarius :

Orada olasılığı elde etmek için başka bir algoritmanın kullanıldığı ortaya çıktı.

Evet, garip sonuçlar. Ama eğitime katılan test örneğinden olasılık almıyorlar mı? Ama bir yerde hata var gibi.

Ve örnekte kaç birim var (hedef satırlar)?
1...170217031704170517061707170817091710171117121713171417151716...3399
Yeni yorum