タグ付けされた質問 「classification」

クロスエントロピーは、KL発散にターゲット分布のエントロピーを加えたものと同じです。2つの分布が同じ場合、KLはゼロに等しく、ターゲット分布のエントロピーよりも直感的に思えます。クロスエントロピーは一致しています。 私は人間の見解が肯定的なものよりも直感的なゼロを見つけるかもしれないことを除いて、他の1つにもっと多くの情報があると言っているのではありません。もちろん、通常は評価方法を使用して、分類がどの程度うまく行われているかを実際に確認します。しかし、KLに対するクロスエントロピーの選択は歴史的ですか？

15 machine-learning  classification 

たとえば、メールをスパムとして分類する場合、時間/精度の観点から、別の機械学習アルゴリズムの代わりにディープラーニング（可能であれば）を適用することは価値がありますか？ディープラーニングは、単純ベイズのような他の機械学習アルゴリズムを不要にしますか？

14 machine-learning  deep-learning  classification  applications  comparison 

データマイニング手法を研究していると、主に2つのカテゴリがあることがわかりました。 予測方法： 分類 回帰 説明的な方法： クラスタリング 相関ルール 場所、アクティビティ、バッテリーレベル（トレーニングモデルの入力）に基づいてユーザーの可用性（出力）を予測したいので、「予測方法」を選択するのは明らかだと思いますが、今はどちらを選択するように思えません。分類と回帰。これまでに理解したことから、出力は「利用可能」または「利用不可能」であるため、分類によって問題を解決できます。 分類により、ユーザーが利用可能または利用不可能になる確率（または可能性）を提供できますか？ 出力のように、0（使用不可）または1（使用可能）だけではなく、次のようになります。 80 ％80％80\%利用可能 20 ％20％20\%は利用できません この問題は、回帰を使用しても解決できますか？ 80808080 ％80％80\%20 ％20％20\%

9 machine-learning  ai-design  classification  prediction  regression 

私はテンソルフローの遊び場をいじり回しています。入力データセットの1つはスパイラルです。どの入力パラメーターを選択しても、ニューラルネットワークをどれほど広く深いものにしても、スパイラルに適合できません。データサイエンティストはこの形状のデータにどのように適合しますか？

9 neural-networks  classification  tensorflow 

機械学習アルゴリズム（CNN？）を使用/トレーニングして、画像間の細部の小さな違い（赤や他の色の色合いのわずかな違い、または他の非常に類似した画像間の小さなオブジェクトの存在など）を区別できるかどうか疑問に思っていましたか？ ）？そして、これらの違いに基づいて画像を分類しますか？これが現在の機械学習アルゴリズムで困難な作業である場合、どのように解決できますか？より多くのデータ（より多くの画像）を使用すると役立ちますか？ また、可能であれば、これに焦点を当てた研究への言及を提供していただければ幸いです。 私は機械学習を始めたばかりで、これは私の研究から疑問に思っていることです。 ありがとうございました。

8 machine-learning  convolutional-neural-networks  image-recognition  classification