AdaBoost算法超参数调节最大似然比

文章/答案/技术大牛

发布

1回答

r、machine-learning、multiclass-classification、mlr、adaboost

我正在尝试调优AdaBoost算法的超参数。目标是训练一个以多类分类变量为目标的模型。我正在使用R中的MLR包。然而，MLR只给出字母(见下文)，所以我不确定这些变量是什么。

浏览 23提问于2021-07-22得票数 0

回答已采纳

1回答

用sci-kit学习进行高斯过程回归

python、scikit-learn

上下文:在高斯过程(GP)回归中，我们可以使用两种方法：(2)贝叶斯方法:在核参数上引入参数先验分布。这种先验分布的参数称为超参数。获取内核参数的后验分布的数据的条件，而现在， (IIa)通过最大化后验核参数似<

浏览 10提问于2022-06-23得票数 0

回答已采纳

1回答

Fminuc Matlab到Optim R的转换-增加R中的优化能力

r、matlab、optimization

我目前正在使用optim 'BFGS'将使用优化器fminunc计算对数似然的matlab模型集转换为R。我有所有matlab模型的初始值、最大似然值和最终参数结果。大多数R转换的模型都可以使用optim找到，使用与matlab相同的初始参数，具有相同的对数似然和相同的最终参数值。然而，有些模型会陷入局部最优，这可以通过输入matlab端参数值作为初始值来解决，然后这些模型就会

浏览 0提问于2013-02-18得票数 0

1回答

高斯朴素贝叶斯有参数可调吗？

machine-learning、probability、naivebayes、hyperparameters

我不确定Q1是否可能:它也是从训练数据中得到的，还是使用最大似然估计？Q2:是否需要调优任何超参数？

浏览 4提问于2020-08-02得票数 0

回答已采纳

2回答

什么是对数似然？

math、statistics、terminology

什么是对数似然？举个例子就好了。

浏览 0提问于2010-02-27得票数 37

回答已采纳

1回答

最大似然估计的好算法

algorithm、matlab、statistics、economics

Matlab中，我使用了如下内容： [fit01,~,LogL01] =garchfit(spec, STAT);我的程序现在工作非常慢，有时不正确。有人知道关于MLE的一些好的快速算法吗？

浏览 1提问于2013-09-12得票数 0

1回答

EM算法中的似然

algorithm

关于EM算法。如果我理解正确的话，似然率是在E步中获得的(例如，在Baum-Welch算法中，似然率可以通过前向-后向过程获得)。然而，每一次EM迭代的最后一步是M步。这意味着在步骤k中计算的似然，实际上“属于”步骤(k-1)的参数。真的是这样吗，还是我漏掉了什么？

浏览 5提问于2015-06-25得票数 0

1回答

高斯混合模型的数学与EM算法

clustering、gaussian、expectation-maximization、gmm

GMM是参数为\mu_k, \sigma_k, \pi_k的K个不同高斯分量上的加权和。根据我的理解，总的概况是：使用pdf p(x | \mu_k, \sigma_k) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}计算每个组件的责任值我的问题是：何时何地使用贝斯法则？日志似然函数在什么时候和如何起作用？

浏览 0提问于2023-04-22得票数 2

回答已采纳

1回答

澄清用于时间序列预测的统计模型AutoReg()、ARMA()和SARIMAX()

statsmodels

我正在使用scikit learn的LinearRegression()建立我的第一个时间序列预测模型。我还遇到了统计模型AutoReg()、ARMA()和SARIMAX()。不幸的是，从文献中我找不到考虑它们的方法。它们是LinearRegression()的替代品吗？他们是ML吗？它们有根本的不同吗？

浏览 30提问于2021-05-14得票数 0

回答已采纳

1回答

我想像在()中那样对超参数使用优先级，但是使用SVGP模型。按照示例1的步骤，运行de run_chain_fn时出现了一个错误： TypeError: maximum_log_likelihood_objective()缺少一个必需的位置参数：'data‘与探地雷达( GPR )或SGPMC相反，这些数据不是模型中的一个参数，而是作为外部参数包括在内的。为了避免这个问题，我稍微修改了SVGP类，使其将数据作为参数(目前我不关心使用小型批处理)。我找不到SVGP的代码示例，其

浏览 10提问于2021-08-30得票数 0

回答已采纳

1回答

是否可以使用航速、biglm和glm包自定义logit模型的似然函数？

r、statistics

原因是optim/maxBFGS的运行速度比speedglm慢得多。

浏览 4提问于2014-08-17得票数 1

回答已采纳

1回答

glm:如何计算新数据的logLik？

r、glm

model <- glm(y ~ x, family=binomial(link='logit'), data=training_data) 现在我想计算在给定model的情况下观察我的测试数据的对数似然，这样我就可以看到它是否比其他模型做得更好。在给定模型的情况下，计算观察训练数据的对数似然--这正是在模型拟合期间最大化的参数。但是，在给定模型的情况下，如何获得观察测试数据的对数可能性？

浏览 8提问于2019-10-22得票数 1

1回答

对于以GB为单位的大型数据集，实施最大似然估计的最佳/首选方法是什么

machine-learning

我有一个以千兆字节(GB)为单位的数据集，并希望估计其中缺失值的参数。在机器学习中有一种称为MLE(最大似然估计)的算法可以用于机器学习。

浏览 3提问于2013-01-18得票数 3

回答已采纳

1回答

statsmodel分数logit模型

python、python-2.7、statistics

谁能告诉我在python的statsmodel包中估计分数logit模型的参数的方法是什么？有没有人能给我介绍一下分数logit模型源代码的具体部分？

浏览 14提问于2017-07-15得票数 0

2回答

朱莉娅的“终结”是什么？

function、julia、closures

我正在学习如何在Julia中编写最大可能实现，目前，我正在遵循 (强烈推荐的btw!)。所以问题是，我不完全理解朱莉娅中的闭包是什么，也不知道什么时候应该实际使用它。例如，在本教程中，我提到了作者将日志似然函数定义为： ll = 0.0 enden

浏览 8提问于2022-02-03得票数 6

回答已采纳

1回答

统计模型OLS回归:对数似然、使用和解释

python、statistics、statsmodels

在R^2、p等的输出中也存在“对数似然”.在文档中，这被描述为“拟合模型的似然函数的值”。我看了一下源代码，并不真正理解它在做什么。阅读更多关于似然函数，我仍然有非常模糊的想法，这个‘对数-似然’值可能意味着什么，或被用来。所以有几个问题：知道似然

浏览 1提问于2014-10-23得票数 2

回答已采纳

1回答

统计术语：“算法”是“模型”的同义词吗？

algorithm、model、statistics、terminology

在统计学中，“算法”是“模型”的同义词吗？例如，当我拟合一个带有变量的广义线性模型，并为特定目的调整模型参数时，我是否可以报告我“开发了一个算法”，或者这是一个错误的陈述？

浏览 7提问于2022-08-24得票数 1

2回答

状态模型的MLEModel类是否使用期望最大化进行拟合？

python、statsmodels、expectation-maximization

我正在使用statsmodels的MLEModel类构建自定义stat空间模型，并使用.fit()方法对未知参数进行拟合。我认为这是使用期望最大化，但我不确定，我在文档中找不到这方面的任何提示。

浏览 11提问于2021-04-19得票数 1

回答已采纳

2回答

Matlab gmdistribution.fit只能找到一个峰

matlab、gaussian、data-fitting

我有一个名为Area的数组，其中包含一组值。数组的直方图如下所示在本例中，bin宽度为60。我想在这里的两个峰值上拟合两个高斯分布(即使不是很适合)。options = statset('Display','final');gausspdf = pdf(obj, xaxis);gausspdf = gausspdf/A;

浏览 0提问于2014-07-31得票数 2

2回答

广义似然比检验(GLRT)

machine-learning、supervised-learning、unsupervised-learning、parameter-estimation、bayesian

我很难理解广义似然比检验(GLRT)。有人能向我解释这是什么吗，或者指给我一个容易理解的推荐信？这是监督法还是非监督法？GLRT与贝叶斯方法的关系如何？

浏览 0提问于2016-08-05得票数 3

点击加载更多