由买买提看人间百态

boards

本页内容为未名空间相应帖子的节选和存档,一周内的贴子最多显示50字,超过一周显示500字 访问原贴
Statistics版 - 做machine learning还有这么悲催的吗
相关主题
关于decision tree问个基本的建MODEL问题
有80个候选Predictors,怎么从中选<10个How to deal with this predictor with 50% missing values
我用neural net做的model效果还不如logitstic regressionmodel和variables都sig.但每个category都不sig
any regression model with high prediction accuracy?通常Predictor越多AIC是不是应该越低?
anybody use minitab?predictor什么意思
请问:想fit gamma 并同时用lasso的方法做variable selection请教ㄧ个modeling问题
请教如何分析一个case control study。包子求解释,为什么anova解释variance这么少
a question about ordinal predictor请教一个面试问题。
相关话题的讨论汇总
话题: model话题: learning话题: machine话题: 硬件话题: ensemble
进入Statistics版参与讨论
1 (共1页)
T*****u
发帖数: 7103
1
今天被告知软件要和硬件一起完工。现在大概能知道数据长什么样,以及可能有的一些
硬件的问题。
s*********e
发帖数: 1051
2
what is the big deal?

【在 T*****u 的大作中提到】
: 今天被告知软件要和硬件一起完工。现在大概能知道数据长什么样,以及可能有的一些
: 硬件的问题。

l******n
发帖数: 9344
3
硬件有啥问题?
我现在还想多接触硬件的东西,特别是构架什么的,这种production方面的知识比什么
ML算法可值钱多了

【在 T*****u 的大作中提到】
: 今天被告知软件要和硬件一起完工。现在大概能知道数据长什么样,以及可能有的一些
: 硬件的问题。

T*****u
发帖数: 7103
4
硬件的选择和架构决定了数据的bias和noise,以及各种环境因素。这些性质都不是by
design的,最终一起调试好之前,不可能知道。我们这个算法的很大一部分功能,就是
要消除硬件带来的误差,可实现平台间的数据转换。现在在没有任何数据的基础上开发
算法,感觉有点一筹莫展,大牛有什么经验分享下。

【在 l******n 的大作中提到】
: 硬件有啥问题?
: 我现在还想多接触硬件的东西,特别是构架什么的,这种production方面的知识比什么
: ML算法可值钱多了

T*****u
发帖数: 7103
5
就是没有数据,需要把模型建出来;有些东西要放在firmware里,能调节的很少。有什
么经验可以分享不。

【在 s*********e 的大作中提到】
: what is the big deal?
l******n
发帖数: 9344
6
听着像很有野心的startup
能说说什么算法,那个方面的应用?

by

【在 T*****u 的大作中提到】
: 硬件的选择和架构决定了数据的bias和noise,以及各种环境因素。这些性质都不是by
: design的,最终一起调试好之前,不可能知道。我们这个算法的很大一部分功能,就是
: 要消除硬件带来的误差,可实现平台间的数据转换。现在在没有任何数据的基础上开发
: 算法,感觉有点一筹莫展,大牛有什么经验分享下。

l*******m
发帖数: 1096
7
just write a predictor with no training for devics. devices download a
model that is trained in servers later.
i implemented a decision tree in an embedded systems without recursion
before

by

【在 T*****u 的大作中提到】
: 硬件的选择和架构决定了数据的bias和noise,以及各种环境因素。这些性质都不是by
: design的,最终一起调试好之前,不可能知道。我们这个算法的很大一部分功能,就是
: 要消除硬件带来的误差,可实现平台间的数据转换。现在在没有任何数据的基础上开发
: 算法,感觉有点一筹莫展,大牛有什么经验分享下。

T*****u
发帖数: 7103
8
没有那么厉害,中等公司。teamleader是个有30年经验的me,technical lead是个有30
年经验做硬件的老ee,有过做fft和auto-correlation的经验。我们利用图像做id,
classification和quantification,需要有内置的model,也需要客户可以建立自己的
model,或者建立自己的数据库。

【在 l******n 的大作中提到】
: 听着像很有野心的startup
: 能说说什么算法,那个方面的应用?
:
: by

T*****u
发帖数: 7103
9
这是个好方法。

【在 l*******m 的大作中提到】
: just write a predictor with no training for devics. devices download a
: model that is trained in servers later.
: i implemented a decision tree in an embedded systems without recursion
: before
:
: by

h***x
发帖数: 586
10
lightroom说的很有启发性!
不知道你们是做啥的,如果我理解正确的话,根据lightroom说的,这样做应该可以:
用signal processing的方法提取出图像的特征,根据你们的经验,用这些features创造
一个预测器,比方decision tree,预测器不需要很准,只要比随机的稍微强一点,可
以看成个weak predictor,等以后有数据了,在server端用boosting方法, an ensemble
of weak predictors can lead to a very strong model.
尤其是你们需要客户可以建立自己的模型,一般客户没办法自己build model, 但他们
可以根据你们仪器检测出的感兴趣的features,建立一个简单准则,你们的仪器能自动
建立一个weak predictor,等database大了,再用boosting来training出strong的
model.这样应该是可行的。

30

【在 T*****u 的大作中提到】
: 没有那么厉害,中等公司。teamleader是个有30年经验的me,technical lead是个有30
: 年经验做硬件的老ee,有过做fft和auto-correlation的经验。我们利用图像做id,
: classification和quantification,需要有内置的model,也需要客户可以建立自己的
: model,或者建立自己的数据库。

相关主题
请问:想fit gamma 并同时用lasso的方法做variable selection问个基本的建MODEL问题
请教如何分析一个case control study。How to deal with this predictor with 50% missing values
a question about ordinal predictormodel和variables都sig.但每个category都不sig
进入Statistics版参与讨论
c***z
发帖数: 6348
11
Niubility
c****t
发帖数: 19049
12
an ensemble of weak predictors can lead to a very strong model这估计是未来几
十年最大的泡泡了
h***x
发帖数: 586
13
本版的经典书“The Elements of Statistical Learning"里面花了一章讲这个,难道
你说Trevor Hastie同学带头吹泡泡? :-)

【在 c****t 的大作中提到】
: an ensemble of weak predictors can lead to a very strong model这估计是未来几
: 十年最大的泡泡了

D******n
发帖数: 2836
14
ensemble algorithms are old stuffs~~~

【在 c****t 的大作中提到】
: an ensemble of weak predictors can lead to a very strong model这估计是未来几
: 十年最大的泡泡了

T*****u
发帖数: 7103
15
update一下吧:有个码工根据5个sample的结果,claim硬把model 1.0给做出来了,对5
个training sample的测量结果准确率100%。几个码工在组会上半开玩笑的提出是不是
要把做model方面的budget往那边挪一挪。。。mile stone achieved, pm欢欣鼓舞,我
一时间不知道如何反驳,直接跪了。
ps,你们楼上几位跟我一样把问题想的太复杂的。。。
l******n
发帖数: 9344
16
这几个码工的boss也这么认为?
这是gain free credit的机会呀,随便弄点data教育他们一下

对5

【在 T*****u 的大作中提到】
: update一下吧:有个码工根据5个sample的结果,claim硬把model 1.0给做出来了,对5
: 个training sample的测量结果准确率100%。几个码工在组会上半开玩笑的提出是不是
: 要把做model方面的budget往那边挪一挪。。。mile stone achieved, pm欢欣鼓舞,我
: 一时间不知道如何反驳,直接跪了。
: ps,你们楼上几位跟我一样把问题想的太复杂的。。。

T*****u
发帖数: 7103
17
码工的boss是mechanical engineer,这点比较特别,他们有点抢project抢到失控的意
思。不管了,随他们release,以后也不会support。project不在一个正常状态,我也
不指望这个生存,fight的结果也不会fire他们,还是要一起做,我这次赢了他们还会
有下一次。不fight,算是一个提早抽身的机会吧。

【在 l******n 的大作中提到】
: 这几个码工的boss也这么认为?
: 这是gain free credit的机会呀,随便弄点data教育他们一下
:
: 对5

s*********h
发帖数: 6288
18
niubility
5 sample....

对5

【在 T*****u 的大作中提到】
: update一下吧:有个码工根据5个sample的结果,claim硬把model 1.0给做出来了,对5
: 个training sample的测量结果准确率100%。几个码工在组会上半开玩笑的提出是不是
: 要把做model方面的budget往那边挪一挪。。。mile stone achieved, pm欢欣鼓舞,我
: 一时间不知道如何反驳,直接跪了。
: ps,你们楼上几位跟我一样把问题想的太复杂的。。。

l*******m
发帖数: 1096
19
别急,让他们做test/demo, 等大家认为是个大问题了,迅速跳出来

对5

【在 T*****u 的大作中提到】
: update一下吧:有个码工根据5个sample的结果,claim硬把model 1.0给做出来了,对5
: 个training sample的测量结果准确率100%。几个码工在组会上半开玩笑的提出是不是
: 要把做model方面的budget往那边挪一挪。。。mile stone achieved, pm欢欣鼓舞,我
: 一时间不知道如何反驳,直接跪了。
: ps,你们楼上几位跟我一样把问题想的太复杂的。。。

d******e
发帖数: 7844
20
唉,咋说呢,这种行为只能说明这个人缺乏常识,跟他们是不是码工没有半毛钱关系。
贵公司招到这样的人只能说明面试官们眼光太差。

对5

【在 T*****u 的大作中提到】
: update一下吧:有个码工根据5个sample的结果,claim硬把model 1.0给做出来了,对5
: 个training sample的测量结果准确率100%。几个码工在组会上半开玩笑的提出是不是
: 要把做model方面的budget往那边挪一挪。。。mile stone achieved, pm欢欣鼓舞,我
: 一时间不知道如何反驳,直接跪了。
: ps,你们楼上几位跟我一样把问题想的太复杂的。。。

1 (共1页)
进入Statistics版参与讨论
相关主题
请教一个面试问题。anybody use minitab?
问一个linear regression 的弱问题。请问:想fit gamma 并同时用lasso的方法做variable selection
ks 只有28%请教如何分析一个case control study。
model的predictors之间有multi-colinearity怎么办?a question about ordinal predictor
关于decision tree问个基本的建MODEL问题
有80个候选Predictors,怎么从中选<10个How to deal with this predictor with 50% missing values
我用neural net做的model效果还不如logitstic regressionmodel和variables都sig.但每个category都不sig
any regression model with high prediction accuracy?通常Predictor越多AIC是不是应该越低?
相关话题的讨论汇总
话题: model话题: learning话题: machine话题: 硬件话题: ensemble