«feature-extraction» etiketlenmiş sorular

Wikipedia'dan boyutsallık azaltma veya boyutsal küçültme, incelenen rastgele değişken sayısını azaltma işlemidir ve özellik seçimi ve özellik çıkarımına ayrılabilir. Özellik seçimi ve özellik çıkarma arasındaki fark nedir? Doğal Dil İşleme görevinde bir boyutluluk azaltma örneği nedir?

58 feature-selection  feature-extraction  dimensionality-reduction 

Özellikle aradığım şey, özellik mühendisliğine özgü, bazı işlevlere sahip araçlar. Kolayca düzgünleştirmek, görselleştirmek, boşlukları doldurmak, vb. Yapabilmek istiyorum. MS Excel'e benzer bir şey ama bunun yerine VB yerine R dili var.

29 feature-selection  feature-extraction  feature-construction 

Makine öğrenim modelinde ay ve saat gibi özellikleri faktör veya sayısal olarak kodlamak daha mı iyidir? Bir yandan, sayısal kodlamanın makul olabileceğini düşünüyorum, çünkü zaman ileriye doğru ilerleyen bir süreç (beşinci ayın ardından altıncı ay), ancak diğer yandan kategorik kodlamanın döngüsel yapı nedeniyle daha makul olabileceğini düşünüyorum yıllar ve günler …

23 machine-learning  feature-extraction  feature-engineering  encoding  numerical 

Bu OTTO Kaggle mücadelesinin çözümü hakkında okuyordum ve ilk etapta çözüm giriş verileri X için birkaç dönüşüm kullanıyor gibi görünüyor, örneğin Log (X + 1), sqrt (X + 3/8), vb. Çeşitli sınıflandırıcılara hangi tür dönüşümlerin ne zaman uygulanacağı hakkında genel bir kılavuz? Ortalama-var ve min-max normalizasyon kavramlarını anlıyorum. Bununla birlikte, …

22 machine-learning  feature-extraction  feature-scaling 

Özelliğim olarak 'hour' alanını kullanıyorum, ancak döngüsel bir değer alıyor. '23' ve '0' saat gibi bilgileri korumak için bu özelliği nasıl dönüştürebilirim? Düşünebilmemin bir yolu dönüşüm yapmak. min(h, 23-h) Input: [0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 …

21 feature-extraction  feature-scaling  featurization 

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 

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 

corr()Orijinal bir df dışında bir df oluşturun . corr()Df 70 X 70 çıktı ve ısı haritası görselleştirmek mümkün değildir ... sns.heatmap(df). Göstermeye çalışırsam corr = df.corr(), tablo ekrana sığmaz ve tüm korelasyonları görebilirim. Boyutundan dfbağımsız olarak tümünü yazdırmanın veya ısı haritasının boyutunu kontrol etmenin bir yolu var mı ?

17 visualization  pandas  plotting  machine-learning  neural-network  svm  decision-trees  svm  efficiency  python  linear-regression  machine-learning  nlp  topic-model  lda  named-entity-recognition  naive-bayes-classifier  association-rules  fuzzy-logic  kaggle  deep-learning  tensorflow  inception  classification  feature-selection  feature-engineering  machine-learning  scikit-learn  tensorflow  keras  encoding  nlp  text-mining  nlp  rnn  python  neural-network  feature-extraction  machine-learning  predictive-modeling  python  r  linear-regression  clustering  r  ggplot2  neural-network  neural-network  training  python  neural-network  deep-learning  rnn  predictive-modeling  databases  sql  programming  distribution  dataset  cross-validation  neural-network  deep-learning  rnn  machine-learning  machine-learning  python  deep-learning  data-mining  tensorflow  visualization  tools  sql  embeddings  orange  feature-extraction  unsupervised-learning  gan  machine-learning  python  data-mining  pandas  machine-learning  data-mining  bigdata  apache-spark  apache-hadoop  deep-learning  python  convnet  keras  aggregation  clustering  k-means  r  random-forest  decision-trees  reference-request  visualization  data  pandas  plotting  neural-network  keras  rnn  theano  deep-learning  tensorflow  inception  predictive-modeling  deep-learning  regression  sentiment-analysis  nlp  encoding  deep-learning  python  scikit-learn  lda  convnet  keras  predictive-modeling  regression  overfitting  regression  svm  prediction  machine-learning  similarity  word2vec  information-retrieval  word-embeddings  neural-network  deep-learning  rnn 

Bu soruya net bir cevap olmadığını biliyorum, ama diyelim ki çok fazla veri içeren devasa bir sinir ağım var ve girişe yeni bir özellik eklemek istiyorum. "En iyi" yol, ağı yeni özellik ile test etmek ve sonuçları görmek olacaktır, ancak özelliğin BENZERSİZ YARDIMCI olup olmadığını test etmenin bir yöntemi var …

16 machine-learning  neural-network  feature-selection  feature-extraction 

Özellik çıkarma ve özellik seçimi, temel olarak verilerin boyutsallığını azaltır, ancak özellik çıkarma, eğer haklıysam, verileri daha ayrılabilir hale getirir. Hangi teknik diğerine ve ne zaman tercih edilir ? Özellik seçimi orijinal verileri ve özelliklerini değiştirmediği için, üzerinde çalıştığınız özelliklerin değişmemesi önemli olduğunda özellik seçimini kullanacağınızı düşünüyorum. Ama neden böyle …

16 feature-selection  feature-extraction  dimensionality-reduction 

Kaggle'daki Konut fiyatları yarışmasının bir çözümünü yapıyordum ( Human Analog'un Konut Fiyatlarında Çekirdek: İleri Regresyon Teknikleri ) ve bu bölüme rastladım: # Transform the skewed numeric features by taking log(feature + 1). # This will make the features more normal. from scipy.stats import skew skewed = train_df_munged[numeric_features].apply(lambda x: skew(x.dropna().astype(float))) skewed …

15 regression  feature-extraction  feature-engineering  kaggle  feature-scaling 

Farklı ayrıştırma ağacı yapılarını araştırıyorum. Yaygın olarak bilinen iki ayrıştırma ağacı yapısı şunlardır: a) Kuruma dayalı ayrıştırma ağacı ve b) Bağımlılığa dayalı ayrıştırma ağacı yapıları. Stanford NLP paketini kullanarak her iki tür ayrıştırma ağacı yapısını oluşturmak için kullanabilirsiniz. Ancak, sınıflandırma görevim için bu ağaç yapılarını nasıl kullanacağımdan emin değilim. Örneğin, …

13 machine-learning  nlp  feature-selection  feature-extraction 

Ben bir sunum okuyorum ve bir dışarı kodlama bırakın kullanmamanızı önerir, ama bir sıcak kodlama ile sorun değil. İkisinin de aynı olduğunu düşündüm. Herkes aralarındaki farkların ne olduğunu açıklayabilir mi?

13 machine-learning  data-mining  feature-selection  feature-extraction  feature-engineering 

Oldukça iyi sonuçlar veren el işi özelliklerimle CRF algoritması kullanarak NER sistemini uyguladım. Mesele şu ki POS etiketleri ve lemmalar da dahil olmak üzere birçok farklı özellik kullandım. Şimdi aynı NER'i farklı dil için yapmak istiyorum. Burada sorun POS etiketleri ve lemmaları kullanamıyorum. Derin öğrenme ve denetimsiz özellik öğrenme hakkında …

11 nlp  text-mining  feature-extraction 

İki ağ (üretken ve ayrımcı) birbirleriyle rekabet ederken GAN'ın nasıl çalıştığını anladım. Şimdi, MNIST veri kümesindekilere benzer el yazısı rakamları başarıyla üreten bir DCGAN (evrişimli ayırıcı ve evrişimsiz jeneratörlü GAN) yaptım. GAN'ın görüntülerden özellikler çıkarmak için uygulamaları hakkında çok şey okudum. MNIST el yazısı digist görüntülerinden özellik çıkarmak için eğitimli …

11 feature-extraction  unsupervised-learning  gan