Veri Bilimi

Bir neden kullanacağınızı iyi bir argüman aramaya çalışıyorum Manhattan mesafe üzerinde Öklit mesafesi Machine Learning'de. Şimdiye kadar iyi bir argümana bulduğum en yakın şey bu MIT dersinde . 36: 15'te slaytlarda aşağıdaki ifadeyi görebilirsiniz: "Genellikle Öklid metriği kullanın; farklı boyutlar karşılaştırılamazsa Manhattan uygun olabilir. " Profesör, sürüngen bacaklarının sayısının 0 …

18 machine-learning  classification  distance 

Ben makine öğrenimi ve keras hakkında acemi ve şimdi keras kullanarak çok sınıflı bir görüntü sınıflandırma sorunu üzerinde çalışıyor. Giriş etiketli resimdir. Bazı ön işlemlerden sonra, eğitim verileri Python listesinde şu şekilde temsil edilir: [["dog", "path/to/dog/imageX.jpg"],["cat", "path/to/cat/imageX.jpg"], ["bird", "path/to/cat/imageX.jpg"]] "köpek", "kedi" ve "kuş" sınıf etiketleridir. Bir-sıcak kodlama bu sorun için …

18 machine-learning  scikit-learn  tensorflow  keras  encoding 

T-sne gömme boyutları için bir anlam var mı? PCA'da olduğu gibi, doğrusal olarak dönüştürülmüş varyans maksimizasyonu hissine sahibiz, ancak t-sne için KL mesafesinin haritalanması ve en aza indirilmesi için tanımladığımız alanın yanı sıra sezgi var mı?

18 dimensionality-reduction  tsne 

Sinir ağları için oldukça yeniyim, ama doğrusal cebiri ve evrişimin matematiğini gayet iyi anlıyorum. Ben rakamları tanımak için MNIST verileri ile bir Keras evrişimsel NN eğitimi için net çeşitli yerlerde buldum örnek kod anlamaya çalışıyorum. Beklentim, kıvrımlı bir katman oluşturduğumda, girdiye uygulanacak bir filtre veya filtre kümesi belirtmem gerektiğiydi. Ama …

18 convnet  keras 

Kıvrımlarla daha derine inen makalede orijinal başlangıç ​​modüllerini içeren GoogleNet açıklanmaktadır: Başlangıç ​​v2'deki değişiklik, 5x5 kıvrımlarını iki ardışık 3x3 kıvrımla değiştirmeleri ve havuz oluşturmasıydı: Inception v2 ve Inception v3 arasındaki fark nedir?

18 image-classification  convnet  computer-vision  inception 

Bir süredir sinir ağları kullanıyorum. Bununla birlikte, sürekli mücadele ettiğim bir şey, ağı eğitmek için bir iyileştirici seçimidir (backprop kullanarak). Genellikle yaptığım şey sadece biriyle (örneğin standart SGD) başlamak ve diğerlerini hemen hemen rastgele denemek. İyi bir optimizer bulmak için daha iyi (ve daha az rastgele) bir yaklaşım olup olmadığını …

18 neural-network  optimization  backpropagation 

Bazı değişkenler sütunlar (Telstra ağ kesintisi) yerine satırlarla temsil edilen bir Kaggle meydan okuma üzerinde çalışıyorum. Şu anda R tidyr aracında bulunan gather (), separa () ve spread () 'nin eşdeğerini arıyorum.

18 r  python  dataset  data-cleaning  pandas 

Keras RNN Öğreticisinden: "RNN'ler zor. Toplu iş boyutu seçimi önemlidir, kayıp ve optimize edici seçimi kritiktir, vb. Bazı yapılandırmalar yakınsama yapmaz." Yani bu daha çok bir LSTM-RNN'nin hiperparametrelerinin Keras üzerinde ayarlanması hakkında genel bir soru. RNN'niz için en iyi parametreleri bulma yaklaşımını bilmek istiyorum. Keras'ın Github'daki IMDB örneğiyle başladım . …

18 python  neural-network  deep-learning  keras  hyperparameter 

Sınıfımda, bir görüntüdeki bir nesnenin phylum porifera (deniz süngeri) veya başka bir nesne örneği olup olmadığına karar vermek için iki sınıflandırıcı kullanarak bir uygulama oluşturmak zorundayım. Ancak, python özellik çıkarma teknikleri söz konusu olduğunda tamamen kayboldum. Danışmanım beni sınıfta ele alınmayan görüntüleri kullanmaya ikna etti. Beni anlamlı belgelere veya okumaya …

18 python  feature-extraction  image-recognition 

Bir perakende mağazam varsa ve her dakika mağazamda kaç kişinin girdiğini ölçmek için bir yolum varsa ve bu verilere zaman damgası uygularsam, gelecekteki yaya trafiğini nasıl tahmin edebilirim? Makine öğrenimi algoritmalarına baktım, ama hangisini kullanacağımdan emin değilim. Test verilerimde, KNN gibi (mantıklı parametreler ve mesafe fonksiyonu olduğunu düşündüğüm gibi) denediğim …

18 machine-learning  time-series 

İki cümleyim var, S1 ve S2. Uygulanması muhtemelen kolay olan en pratik ve başarılı (makine öğrenimi) algoritmaları nelerdir (mimari Google Inception gibi karmaşık olmadığı sürece sinir ağı tamamdır). Çok fazla zaman harcamadan iyi çalışacak bir algoritma arıyorum. Başarılı ve kullanımı kolay bulduğunuz herhangi bir algoritma var mı? Bu, kümelenme kategorisine …

18 nlp  clustering  word2vec  similarity 

Andrew Ng'i (maalesef artık bulamadım bir videoda) derin öğrenme problemlerindeki yerel minima anlayışının şimdi daha az sorunlu olarak kabul edildikleri için nasıl değiştiği hakkında konuştuğunu duydum. derin öğrenme) kritik noktaların yerel minimadan ziyade eyer noktaları veya platolar olması daha olasıdır. "Her yerel minimumun küresel bir minimum olduğu" varsayımlarını tartışan makaleler …

18 machine-learning  deep-learning  optimization  convergence 

Her biri 200 boyutlu ( doc2vec) olan yaklaşık 1 milyon vektörde boyutsal küçültme yapmak istiyorum . Bunun için modülden TSNEuygulama kullanıyorum sklearn.manifoldve asıl sorun zaman karmaşıklığı. Bununla birlikte method = barnes_hut, hesaplama hızı hala düşüktür. Bir süre Bellek yetersiz bile. 130G RAM ile 48 çekirdekli bir işlemcide çalıştırıyorum. Bunu paralel …

18 python  bigdata  nlp  scikit-learn  dimensionality-reduction 

1000000 köşeli bir grafiği görselleştirmek (köşeleri ve kenarları çizmek) için en iyi araç hangisidir? Grafikte yaklaşık 50000 kenar vardır. Ve tek tek köşelerin ve kenarların yerini hesaplayabilirim. Bir svg oluşturmak için bir program yazmayı düşünüyorum. Başka öneriniz var mı?

18 visualization  graphs 

Ben geçiyordu Bert kağıt kullanan Gelu (Gauss hata Doğrusal Birimi) olarak denklemi devletler bu daGELU(x)=xP(X≤x)=xΦ(x).G,ELU(x)=xP(X≤x)=xΦ(x). GELU(x) = xP(X ≤ x) = xΦ(x).0.5x(1+tanh[2/π−−−√(x+0.044715x3)])0.5x(1+tbirnh[2/π(x+0.044715x3)])0.5x(1 + tanh[\sqrt{ 2/π}(x + 0.044715x^3)]) Denklemi basitleştirebilir ve nasıl yaklaştığını açıklayabilir misiniz?

18 activation-function  bert  mathematics