«machine-learning» etiketlenmiş sorular

Çeşitli boyutsallık küfürleri nedeniyle , yaygın öngörücü tekniklerin çoğunun doğruluğu ve hızı yüksek boyutlu verilerde bozulmaktadır. Yüksek boyutlu verilerle etkili bir şekilde başa çıkmaya yardımcı olan en kullanışlı teknikler / püf noktaları / buluşsal yöntemler nelerdir? Örneğin, Bazı istatistiksel / modelleme yöntemleri yüksek boyutlu veri kümelerinde iyi performans gösteriyor mu? …

14 machine-learning  statistics  dimensionality-reduction 

Görüntü tanıma için bir CNN eğitmek istiyorum. Eğitim için resimlerin boyutu sabit değil. Örneğin CNN için giriş boyutunun 50x100 (yükseklik x genişlik) olmasını istiyorum. Bazı küçük boyutlu görüntüleri (örneğin 32x32) giriş boyutuna yeniden boyutlandırdığımda, görüntünün içeriği yatay olarak çok fazla uzatılıyor, ancak bazı orta boyutlu görüntüler için iyi görünüyor. İçeriğin …

14 machine-learning  image-classification  preprocessing  image-recognition 

LSTM (veya başka bir tekrarlayan) sinir ağından bir zaman serisi tahmini etrafında tahmin aralığını (olasılık dağılımı) hesaplamak için bir yöntem var mı? Örneğin, son 10 gözlemlenen örneğe (t-9 ila t) dayanarak, gelecekteki 10 örneği (t + 1 ila t + 10) tahmin ediyorum, t + 1'deki tahminin daha fazla olmasını …

14 machine-learning  deep-learning  time-series  prediction  lstm 

Hem pozitif hem de negatif değerleri içeren bir özellik kümesi üzerinde bir sinir ağı eğitmek için Brain kullanıyorum . Ancak Beyin 0 ile 1 arasında giriş değerleri gerektirir. Verilerimi normalleştirmenin en iyi yolu nedir?

14 machine-learning  neural-network  feature-scaling  normalization  javascript 

Gradyan inişinin Adam, Adagrad, RMSProp ve diğer birkaç optimize edici gibi optimize edicilerde kullanılan ana algoritma olup olmadığını bilmek istiyorum.

13 machine-learning  neural-network  deep-learning  optimization  gradient-descent 

Modelimi aşağıdaki kodu kullanarak eğitirsem: import xgboost as xg params = {'max_depth':3, 'min_child_weight':10, 'learning_rate':0.3, 'subsample':0.5, 'colsample_bytree':0.6, 'obj':'reg:linear', 'n_estimators':1000, 'eta':0.3} features = df[feature_columns] target = df[target_columns] dmatrix = xg.DMatrix(features.values, target.values, feature_names=features.columns.values) clf = xg.train(params, dmatrix) yaklaşık 1 dakika içinde biter. Modelimi Sci-Kit öğrenme yöntemini kullanarak eğitirsem: import xgboost as xg max_depth …

13 machine-learning  python  decision-trees  xgboost  efficiency 

Bazı değerini tahmin etmek istiyorum ve olabildiğince düşük olmakla birlikte yine de den daha büyük olmak için optimize edilen bazı tahmin almaya çalışıyorum . Başka bir deyişle: Y(x)Y(x)Y(x)Y^(x)Y^(x)\hat Y(x)Y(x)Y(x)Y(x)cost{Y(x)≳Y^(x)}>>cost{Y^(x)≳Y(x)}cost{Y(x)≳Y^(x)}>>cost{Y^(x)≳Y(x)}\text{cost}\left\{ Y(x) \gtrsim \hat Y(x) \right\} >> \text{cost}\left\{ \hat Y(x) \gtrsim Y(x) \right\} Bence basit bir doğrusal regresyon tamamen iyi olmalı. Bu …

13 machine-learning  logistic-regression 

Birisi bana özellik yaratmanın amacının ne olduğunu söyleyebilir mi? ve bir görüntüyü sınıflandırmadan önce neden özellik alanı zenginleştirmesi gerekiyor? Bu gerekli bir adım mı? Özellik alanını zenginleştirmek için herhangi bir yöntem var mı?

13 machine-learning  classification 

Eğitim sırasında ağırlıkları çizmek için çok katmanlı ağlar için Hinton Diyagramları eşdeğerini bulmaya çalışıyorum. Eğitimli ağ, bir Derin SRN'ye biraz benzer, yani birkaç Hinton Diyagramının eşzamanlı grafiğini görsel olarak kafa karıştırıcı yapacak çok sayıda çoklu ağırlık matrisine sahiptir. Birden fazla katmanı olan tekrarlayan ağlar için ağırlık güncelleme işlemini görselleştirmenin iyi …

13 machine-learning  neural-network  visualization  deep-learning 

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 

Son zamanlarda Veri Bilimi alanına girdim (yaklaşık 6 aydır) ve Ii, Andrew Ng tarafından Makine Öğrenimi Kursu ve JHU tarafından Veri Bilimi Uzmanlığı üzerinde çalışmaya başlayan yazı ile başladı. Pratik uygulama cephesinde, yıpranmayı tahmin edecek bir öngörücü model oluşturmaya çalışıyorum. Şimdiye kadar bu yöntemleri öğrenmek ve uygulamak için glm, bayesglm, …

13 machine-learning 

Bazı nöronların çıkarılması daha iyi bir model ile sonuçlanıyorsa, neden daha az katman ve daha az nöron içeren daha basit bir sinir ağı kullanmıyorsunuz? Neden başlangıçta daha büyük, daha karmaşık bir model oluşturmalı ve daha sonra parçalarını bastırmalısınız?

13 machine-learning  deep-learning  keras  regularization  dropout 

K-kat çapraz doğrulaması yaptığımızda, sadece en yüksek test doğruluğuna sahip sınıflandırıcıyı mı kullanmalıyız? Çapraz sınıflandırmadan sınıflandırıcı elde etmede genellikle en iyi yaklaşım nedir?

13 machine-learning  cross-validation 

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 

Google Haberler verileri vb. Gibi önceden eğitilmiş bir modelin önceden eğitilmiş ağırlıklarını bulmak istiyorum. Kendim için yeterli miktarda (10 GB vb.) Veri içeren yeni bir model geliştirmeyi zor buldum. Bu nedenle, önceden eğitilmiş katman ağırlıkları alabileceğim ve bu ağırlıkları alan adına özgü kelimelerim üzerinde yeniden eğitebileceğim transfer öğreniminden yararlanmak istiyorum. …

13 machine-learning  bigdata  word2vec