Veri Bilimi

Makine öğreniminde kümeleme ve sınıflandırma arasındaki farkı biliyorum, ancak belgeler için metin sınıflandırma ve konu modelleme arasındaki farkı anlamıyorum. Bir konuyu tanımlamak için belgeler üzerinde konu modellemesi kullanabilir miyim? Bu belgelerdeki metni sınıflandırmak için sınıflandırma yöntemlerini kullanabilir miyim?

20 classification  text-mining  topic-model 

Ben arasına seçiminde karıştı biraz olduğum keras (keras-ekip / keras) ve tf.keras (tensorflow / tensorflow / piton / keras /) benim yeni araştırma projesi için. Keras'ın kimseye ait olmadığı konusunda bir tartışma var , bu yüzden insanlar katkıda bulunmaktan daha mutlular ve gelecekte projeyi yönetmek çok daha kolay olacak. Diğer …

20 python  deep-learning  keras  tensorflow 

Google'ın DeepMind Atari belgesini okuyorum ve "deneyim tekrarı" kavramını anlamaya çalışıyorum. Tecrübe tekrarı diğer pek çok takviye öğrenme makalesinde (özellikle AlphaGo kağıdı) ortaya çıkıyor, bu yüzden nasıl çalıştığını anlamak istiyorum. Aşağıda bazı alıntılar bulunmaktadır. İlk olarak, veriler üzerinde rasgele dağıtılan, böylece gözlem dizisindeki korelasyonları kaldıran ve veri dağılımındaki değişiklikler üzerinde …

20 reinforcement-learning  q-learning 

Ben derin öğrenmede bir yeniyim. Artık Intel GPU'larla TensorFlow'u kullanmanın bir yolu var mı? Evet ise, lütfen beni doğru yöne yönlendirin. Değilse, lütfen Intel Corporation Xeon E3-1200 v3 / 4.Nesil Çekirdek İşlemci Tümleşik Grafik Denetleyicisi için hangi çerçeveyi (varsa, Keras, Theano, vb.) Kullanabilirim.

20 tensorflow  keras  theano  gpu 

Durağanlık ve farklılaşma üzerine bu bağlantıda, ARIMA gibi modellerin, ortalama, varyans, otokorelasyon vb. Gibi istatistiksel özellikleri zaman içinde sabit olduğundan tahmin için durağanlaştırılmış bir zaman serisi gerektirdiği belirtilmiştir. RNN'ler doğrusal olmayan ilişkileri öğrenmek için daha iyi bir kapasiteye sahip olduklarından ( burada verildiği gibi: Zaman Serisi Tahmini için Tekrarlayan Sinir …

20 deep-learning  predictive-modeling  time-series  forecast  lstm 

Kullanırken hakkında okurken StandardScaler, önerilerin çoğu tren / teste veri bölmeden StandardScaler önce kullanmanız gerektiğini söylüyorlardı , ancak çevrimiçi (sklearn kullanarak) yayınlanan bazı kodları kontrol ederken iki büyük kullanım vardı. 1- StandardScalerTüm verilerin kullanılması. Örneğin from sklearn.preprocessing import StandardScaler sc = StandardScaler() X_fit = sc.fit(X) X_std = X_fit.transform(X) Veya from …

20 machine-learning  scikit-learn  preprocessing 

Kategorik ve sayısal özellikler bir arada olması durumunda, genellikle kategorik özellikleri bir sıcak vektöre dönüştürürüm. Benim sorum şu vektörleri olduğu gibi bırakıp sayısal nitelikleri standartlaştırma / normalleştirme yoluyla mı ölçeklendirmeli miyim yoksa sıcak vektörleri sayısal niteliklerle birlikte ölçeklemeli miyim?

20 feature-engineering  feature-scaling  data-science-model 

Gizli katmanlardaki kaç düğüme ve nöral ağ mimarisi oluştururken kaç tane gizli katman yerleştireceğimize nasıl karar vermemiz gerektiğini merak ediyordum. Giriş ve çıkış katmanının sahip olduğumuz eğitim setine bağlı olduğunu anlıyorum ama gizli katmana ve genel mimariye nasıl karar veriyoruz?

20 machine-learning  neural-network 

LDA'nın iki hiperparametresi vardır, onları ayarlamak, indüklenen konuları değiştirir. Alfa ve beta hiperparametreler LDA'ya ne katkıda bulunur? Bir veya diğer hiperparametreler artar veya azalırsa konu nasıl değişir? Neden sadece parametreler değil, hiperparametrelerdir?

19 topic-model  lda  parameter 

Hellinger Distance'da gerçekten ne olduğunu bilmekle ilgileniyorum (basit terimlerle). Ayrıca Hellinger Distance ile kullanabileceğimiz sorunların neler olduğunu bilmekle de ilgileniyorum. Hellinger Distance kullanmanın faydaları nelerdir?

19 machine-learning  data-mining  text-mining  distance 

Sklearn (LogisticRegression) ile multinomiyal bir lojistik regresyon inşa ediyorum. Ancak bittikten sonra, modelimin p değerini ve kendinden emin bir aralığını nasıl alabilirim? Görünüşe göre sklearn sadece katsayı ve kesişme sağlıyor. Çok teşekkür ederim.

19 scikit-learn  logistic-regression 

Genellikle, makine öğrenme modeli veri kümeleri üzerine inşa edilmiştir. Orijinal veri seti özelliklerini koruyan bu tür eğitimli makine öğrenme modelini kullanarak sentetik veri kümesi oluşturmanın herhangi bir yolu olup olmadığını bilmek ister misiniz? [orijinal veri -> makine öğrenme modeli inşa -> sentetik veri üretmek için ml modelini kullanın .... !!!] …

19 machine-learning  dataset 

Ben bir kaggle yarışmasına katılıyorum. Veri kümesinin yaklaşık 100 özelliği vardır ve hepsi bilinmemektedir (gerçekte neyi temsil ettikleri açısından). Temelde bunlar sadece rakamlardır. İnsanlar bu özellikler üzerinde birçok özellik mühendisliği yapıyorlar. Birinin bilinmeyen özellikler üzerinde özellik mühendisliğini tam olarak nasıl yapabildiğini merak ediyorum? Birisi lütfen bunu anlamama yardımcı olabilir ve …

19 machine-learning  feature-selection  feature-extraction  feature-engineering  kaggle 

Ele aldığım sorun kısa metinleri birden çok sınıfa ayırmak. Şu anki yaklaşımım tf-idf ağırlıklı terim frekanslarını kullanmak ve basit bir lineer sınıflandırıcıyı (lojistik regresyon) öğrenmek. Bu gayet iyi çalışıyor (test setinde yaklaşık% 90 makro F-1, eğitim setinde yaklaşık% 100). Büyük bir sorun görünmeyen kelimeler / n-gramdır. Diğer özellikleri, örneğin dağıtım …

19 machine-learning  classification  feature-selection  logistic-regression  information-retrieval 

Son zamanlarda birlikte çalışmayı öğrenmeye başladım sklearnve bu tuhaf sonuca rastladım. Farklı modelleri ve tahmin yöntemlerini denemek için digitsmevcut veri kümesini kullandım sklearn. Veriler üzerinde bir Destek Vektör Makinesi modelini test ettiğimde sklearn, SVM sınıflandırması için iki farklı sınıf olduğunu öğrendim : SVCve LinearSVCbirincisi bire bir yaklaşım, diğeri ise bire …

19 svm  scikit-learn