Data Science
Как установить параметры скрытой модели Маркова, которая будет использоваться для исправления ошибок предыдущего классификатора?
00
Вопрос или проблема Предположим, мы ранее использовали нейронную сеть или другой классификатор C с $N$ обучающими образцами $I:=\{I_1,…I_N\}$ (которые имеют последовательность или контекст, но игнорируются C), принадлежащими $K$ классам.
Data Science
Как использовать скрытые марковские модели для предсказания непрерывных значений
00
Вопрос или проблема У меня есть некоторые временные ряды, которые мне нужно использовать для прогноза непрерывного значения для данной временной метки. Изначально я использовал многомерную регрессионную модель, но позднее понял, что проблему, основанную
Data Science
Если я использую выборку Гиббса с байесовской моделью, что мне нужно проверить на отсутствие памяти?
00
Вопрос или проблема Прямо сейчас я пытаюсь лучше понять, как работает байесовское моделирование, начиная с основ. Я выяснил, читая учебники, что некоторые очень простые байесовские модели, такие как байесовское иерархическое моделирование, используют
Data Science
Найдите изменения в переменных в двух состояниях.
00
Вопрос или проблема У меня есть такой датафрейм: dframe <- structure(list(c(60, 91, 377, 419, 893, 905), c(-0.6647, -0.0275000000000001, -0.6311, 0.1328, -0.4559, -1.0208), c(-1.6964, -1.3851, -1.1428, -1.4191, -1.2979, -1.
Data Science
ошибка памяти – матрица переходов Марковского процесса N-го порядка из данной последовательности
00
Вопрос или проблема Хорошо. Что не так с вашим кодом! Я пытаюсь вычислить вероятности перехода для каждого этапа. Код работает для небольшого массива, но для реального набора данных у меня возникла ошибка памяти. У меня версия Python на 64 ГБ, и я максимизировал
Data Science
В чем разница между функцией состояния и возвратом для процесса вознаграждения Маркова (MRP)?
00
Вопрос или проблема Я просматривал лекцию Стэнфорда по RL. Я вижу в MRP, что функция вознаграждения такая же, как функция ценности состояния. Обе получают ожидаемую сумму вознаграждений с учетом коэффициента дисконтирования. Хотя на лекции профессор сказал
Data Science
Лучшая библиотека Python для обучения с использованием скрытой модели Маркова с гауссовской смесью.
00
Вопрос или проблема Я хотел бы обучить свои данные с использованием HMM-GMM (метод Баум-Уэлча с гауссовской смесью), чтобы найти лучшие параметры, подходящие для моих данных. Примечание : Мои данные непрерывные, а не дискретные.
Data Science
Алгоритм машинного обучения для обнаружения аномалий в больших наборах событий.
00
Вопрос или проблема Начнем с следующих гипотетических предварительных условий: Есть трафик: нормальный и аномальный. Каждый образец трафика содержит список событий (переменного размера) События происходят в определенном порядке, возможный размер набора