タグ付けされた質問 「fuzzy」

ニューラルネットワーク、ベイジアンネットワーク、ディシジョンツリー、ペトリネットの違いは何ですか？それらはすべてグラフィカルモデルであり、因果関係を視覚的に示していますが。

30 machine-learning  neural-networks  bayesian-network  fuzzy 

非常に大きなデータセットがあり、約5％のランダムな値が欠落しています。これらの変数は互いに相関しています。次のRデータセットの例は、ダミーの相関データを使用した単なるおもちゃの例です。 set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) <- paste("sample", 1:200, sep = "") #M variables are correlated N <- 2000000*0.05 # 5% random missing values inds <- round ( runif(N, 1, length(xmat)) …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

ファジーロジックは、大学院生の頃（2000年代初頭）、機械学習とデータマイニングの研究の活発な分野のように思えました。ファジィ推論システム、ファジィc-means、さまざまなニューラルネットワークのファジィバージョン、およびサポートベクターマシンアーキテクチャはすべて、大学院のコースで教えられ、会議で議論されていました。 再びMLに注目し始めた（〜2013）ので、ファジーロジックはマップから完全に脱落しているようで、現在のMLランドスケープからのその欠如は、すべてのAIの誇大宣伝から明らかです。 これは単に流行から脱落したトピックのケースでしたか、それとも、ファジーロジックとファジー推論に特定の制限があり、研究者がそのトピックを放棄したのですか？ 明確にするために、jbowmanのコメントに基づいて、XORを解決できなかったことが証明されたために時代遅れになったときに、FLが時代遅れになった原因となったイベントまたは発見はありましたか（60年代のニューラルネットワークなど）。 ？それとも、ファジーシステムは競合するパラダイムによって性能が優れていましたか？

10 fuzzy  fuzzy-c-means-clustering 

私は何年もファジーロジック（FL）を扱ってきましたが、FLと確率の間には、FLが不確実性を処理する方法に関して特に違いがあることを知っています。しかし、FLと確率の違いは何ですか？ つまり、確率（情報の融合、知識の集約）を扱う場合、FLでも同じことができますか？

10 bayes  fuzzy