Veri Bilimi

Üzerinde çalıştığımız bir projeye dayanarak ilginç bir tartışma yaşadım: neden bir şablon eşleştirme algoritması üzerinde CNN görsel denetim sistemi kullanıyorsunuz? Arka plan: Belirli bir nesne tipi "bozuk" / arızalı veya arızalıysa - bu durumda bir PCB devre kartı olup olmadığını saptayan basit bir CNN görüş sisteminin (web kamerası + dizüstü …

9 machine-learning  convnet  image-classification 

Gelen bu son derece belirtilen yazıda , yazarlar ağırlık parametrelerinin sayısı aşağıdaki tartışmayı verir. Neden parametreleri olduğunu çok net değilim . Sanırım olmalı, çünkü giriş kanallarının her biri parametreye sahip aynı filtreyi paylaşıyor .49C249C249C^249 C49C49CCCC494949

9 machine-learning  deep-learning  computer-vision 

Şu anda bu makalenin sonuçlarını yeniden oluşturmak için çalışıyorum . Bu makalede, özelliklerin çıkarılması için CNN kullanımı için bir yöntem açıklanmaktadır ve Dnn-hmm olan ve RBM kullanılarak önceden ölçülen akustik bir modele sahiptir. Bölüm III alt bölümü A, giriş verilerinin farklı şekillerde temsil edilebileceğini belirtir. Statik, delta ve delta deltaların …

9 neural-network  convnet  feature-extraction  audio-recognition 

Sklearn ile oluşturulmuş bir karar ağacı sınıflandırma modelinin karar sürecini tam olarak nasıl anlamaya çalışıyorum. Baktığım 2 ana yön, ağacın bir grafik temsili temsili ve özellik ithalatları listesidir. Anlamadığım şey, özellik öneminin ağaç bağlamında nasıl belirlendiğidir. Örneğin, özellik ithalatlarımın listesi: Özellik sıralaması: 1. FeatureA (0.300237) FeatureB (0.166800) FeatureC (0.092472) FeatureD …

9 machine-learning  visualization  scikit-learn  data  decision-trees 

Tensorflow'u biraz araştırma için basit sinir ağları yazmak için kullanıyorum ve antrenman yaparken 'nan' ağırlıkları ile ilgili birçok sorun yaşadım. Optimize ediciyi değiştirme, kaybı, veri boyutunu vb. Değiştirme gibi birçok farklı çözüm denedim, ancak boşuna. Son olarak, öğrenme oranındaki bir değişikliğin ağırlıklarımda inanılmaz bir fark yarattığını fark ettim. .001 (oldukça …

9 machine-learning  python  tensorflow  optimization  gradient-descent 

Duygu analizi yapmaya çalışıyorum. Kelimeleri sözcük vektörlerine dönüştürmek için word2vec modelini kullanıyorum. 'Cümleler' adlı bir listedeki tüm cümleleri kullandığımı ve bu cümleleri aşağıdaki gibi word2vec'e geçirdiğimi varsayalım: model = word2vec.Word2Vec(sentences, workers=4 , min_count=40, size=300, window=5, sample=1e-3) Kelime vektörleri için çaylak olduğum için iki şüphem var. 1- Özellik sayısının 300 olarak …

9 machine-learning  deep-learning  word-embeddings  word2vec  sentiment-analysis 

Numer.ai bir süredir var ve web üzerinde sadece birkaç gönderi veya başka tartışmalar var gibi görünüyor. Sistem zaman zaman değişti ve bugünkü kurulum şu şekildedir: [0,1] 'de sürekli değerler ve bir ikili hedef olan 21 özelliğe sahip test (N = 96K) ve test (N = 33K) verileri. Veriler temiz (eksik …

9 machine-learning  deep-learning  cross-validation  preprocessing  competitions 

Özellikleri sıralamak için Kement uygulandı ve aşağıdaki sonuçları aldı: rank feature prob. ================================== 1 a 0.1825477951589229 2 b 0.07858498115577893 3 c 0.07041793111843796 Veri kümesinde 3 etiket bulunduğunu unutmayın. Farklı etiketler için özelliklerin sıralaması aynıdır. Daha sonra aynı veri kümesine rastgele orman uygulandı: rank feature score =================================== 1 b 0.17504808300002753 6 …

9 feature-selection  random-forest  linear-regression 

Sinir ağlarını eğitirken, ağı düzenli hale getirmenin en az 4 yolu vardır: L1 Düzenleme L2 Düzenleme Bırakmak Toplu Normalleştirme artı tabii ki ağırlık paylaşımı ve bağlantı sayısının azaltılması gibi, en katı anlamda düzenleyici olmayabilecek diğer şeyler. Peki bu düzenleme yöntemlerinden hangisinin kullanılacağını nasıl seçeriz? "Her şeyi deneyin ve neyin işe …

9 neural-network  regularization 

Gradyan yükseltme makineleri veya sinir ağları gibi algoritmaları tanımlayan makine öğrenimi metinleri genellikle bu modellerin tahminlerde iyi olduğunu söyler, ancak bu açıklanabilirlik veya yorumlanabilirlik kaybı pahasına gelir. Tersine, tek karar ağaçları ve klasik regresyon modelleri açıklamada iyi olarak etiketlenir, ancak rastgele ormanlar veya SVM'ler gibi daha karmaşık modellere kıyasla (nispeten) …

9 machine-learning  predictive-modeling 

Belge yönetim sistemine bir öneri özelliği eklemek istiyorum . Şirket belgelerinin çoğunun saklandığı bir sunucudur. Çalışanlar web arayüzüne göz atıyor ve istedikleri belgeleri indirmek (veya çevrimiçi okumak için) tıklıyorlar. Her çalışanın tüm belgelerin bir alt kümesine erişimi vardır: Amacım : Bir çalışanınıza yakın zamanda takım arkadaşları tarafından açılan belgeleri veya …

9 machine-learning  recommender-system 

Ortak çalışmaya dayalı filtreleme için yeni bir algoritmayı test etmek istiyorum . Tipik bir kullanım durumu, belirli bir kullanıcıya benzer kullanıcıların tercihlerine göre film önerilmesidir. Araştırmacıların algoritmalarını test etmek için sıklıkla kullandıkları bazı karşılaştırmalı değerlendirme veri setleri nelerdir? Computer Vision'da insanların genellikle MNIST veya CIFAR kullandıklarını biliyorum, ancak işbirlikçi filtreleme …

9 dataset  recommender-system 

Scytit Learn in Python (Random Forest Regressor) ile bir tahmin modeli geliştirdim ve manuel tahmin için bir excel aracı oluşturmak için her özelliğin ağırlıklarını bir şekilde çıkarmak istiyorum. Bulduğum tek şey, model.feature_importances_ama yardımcı olmuyor. Bunu başarmanın bir yolu var mı? def performRandomForest(X_train, y_train, X_test, y_test): '''Perform Random Forest Regression''' from …

9 python  predictive-modeling  regression  random-forest  scikit-learn 

Meslektaşım ve ben, lojistik regresyon ve SVM arasındaki fark etrafında başımızı sarmaya çalışıyoruz. Açıkça farklı objektif fonksiyonları optimize ediyorlar. Bir SVM, menteşe kaybını optimize eden ayrımcı bir sınıflandırıcı olduğunu söylemek kadar basit mi? Yoksa bundan daha mı karmaşık? Destek vektörleri nasıl devreye giriyor? Gevşek değişkenler ne olacak? Neden sigmoid aktivasyon …

9 svm  logistic-regression  hinge-loss 

Tercihen farklı alanlarda (veya en azından farklı veri kümelerinde) nöral ağlar için düzenleme yöntemlerinin farklılıklarını gösteren yayınlanmış makaleler var mı? Soruyorum çünkü şu anda çoğu insanın bilgisayar görüşünde düzenlileştirme için sadece bırakma hissi verdiğini hissediyorum. Farklı düzenleme yöntemleri kullanmak için bir neden olup olmadığını kontrol etmek istiyorum.

9 neural-network  computer-vision  convnet  regularization  dropout