«machine-learning» etiketlenmiş sorular

Metodlar ve ilkeler "deneyim ile otomatik olarak gelişen bilgisayar sistemleri."

1
Çoklu özelliklere sahip RNN'ler
Makine Öğrenmesi algoritmalarıyla (temel Rastgele Orman ve Doğrusal Regresyon türü şeyler) çalışan bir miktar kendi kendine öğrendiğim bilgiye sahibim. Dallara ayrılmaya ve RNN'leri Keras ile öğrenmeye başladım. Genellikle stok tahminleri içeren örneklerin çoğuna bakarken, özellik tarihi olan ve çıktı olan 1 sütun dışında uygulanan birden çok özelliğin temel örneklerini bulamadım. …

7
Makine öğrenimi modellerini eğitmek için ücretsiz bulut hizmetleri var mı?
Çok miktarda eğitim verisine sahip derin bir model yetiştirmek istiyorum, ancak masaüstümde bu kadar derin verilerle bu kadar derin bir model yetiştirme gücüm yok. Makine eğitimi ve derin öğrenme modellerinin eğitimi için kullanılabilecek herhangi bir ücretsiz bulut hizmeti olup olmadığını bilmek ister misiniz? Ayrıca, eğitim sonuçlarını izleyebileceğim bir bulut hizmeti …



5
Nöral ağlarda nöron ve katman sayısı nasıl belirlenir
Sinir ağlarına yeni başlıyorum ve iki kavramı kavramada zorluk çektim: Belirli bir sinir ağının sahip olduğu orta katmanların sayısına nasıl karar verilir? 1'e 10 ya da her neyse. Kişi, her orta katmandaki nöronların sayısına nasıl karar verir? Her orta katmanda eşit sayıda nöron bulunması tavsiye edilir mi yoksa uygulamaya göre …


6
Sevdikleri Facebook sitelerine dayanarak kullanıcıların yaşını tahmin etmek için makine öğrenme teknikleri
Facebook uygulamamdan bir veritabanım var ve hangi Facebook sitelerini beğendiklerini temel alarak kullanıcıların yaşlarını tahmin etmek için makine öğrenmeyi kullanmaya çalışıyorum. Veritabanımın üç önemli özelliği var: Eğitim setimdeki yaş dağılımı (toplamda 12 bin kullanıcı) daha genç kullanıcılara çarpıyor (yani 27 yaşımda 1157, 65 yaşımda 23 kullanıcı var); birçok sitenin 5'den …


5
AlphaGo'nun politika ağı ile değer ağı arasındaki fark
Google’ın AlphaGo’su hakkında yüksek düzeyde bir özet okuyordum ( http://googleresearch.blogspot.co.uk/2016/01/alphago-mastering-ancient-game-of-go.html ) ve "politika" terimlerini karşıladım ağ "ve" değer ağı ". Yüksek düzeyde, politika ağının hareketler önermek için kullanıldığını ve değer ağının "Arama ağacının derinliğini azaltın (ve her yere arama yapmak yerine kazananı tahmin etmesini) kullanıldığını biliyorum. oyunun sonu." Bu iki …

4
Adlandırılmış Varlık Tanıma için Word2Vec
Adlandırılmış bir varlık tanıma sistemi oluşturmak için google’ın word2vec uygulamasını kullanmak istiyorum. Yapısal geri yayılımlı özyinelemeli sinir ağlarının adlandırılmış varlık tanıma görevleri için uygun olduğunu duydum, ancak bu tür bir model için iyi bir uygulama ya da iyi bir eğitim bulamadım. Atipik bir korpusla çalışıyorum, NLTK ve benzeri standart NER …

3
Neden XGBoost ve Random Forest'a ihtiyacımız var?
Birkaç kavram konusunda net değildim: XGBoost, zayıf öğrencileri güçlü öğrencilere dönüştürür. Bunu yapmanın avantajı nedir? Tek bir ağacı kullanmak yerine birçok zayıf öğrenciyi birleştirmek mi? Rastgele Orman bir ağaç oluşturmak için ağaçtan çeşitli örnekler kullanır. Sadece tekil bir ağaç kullanmak yerine bu yöntemin avantajı nedir?

4
Rastgele Orman kıyafeti kullanıyor mu?
Rastgele Ormanlar hakkında okuyordum ama fazla uydurma sorunu hakkında kesin bir cevap bulamıyorum. Orijinal Breiman gazetesine göre, ormandaki ağaç sayısını arttırırken fazladan giydirilmemeli, ancak bu konuda bir fikir birliği olmadığı görülüyor. Bu konuda bana biraz kafa karışıklığı yaratıyor. Belki benden daha uzman biri bana daha somut bir cevap verebilir veya …


4
Gizli özelliklerin anlamı?
Tavsiye sistemleri için matris faktörleştirmeyi öğreniyorum ve terimin latent featuresçok sık meydana geldiğini görüyorum ama bunun ne anlama geldiğini anlayamıyorum. Bir özelliğin ne olduğunu biliyorum ama gizli özellikler fikrini anlamıyorum. Lütfen açıklayabilir misiniz? Ya da en azından beni okuyabileceğim bir yere / yere yönlendir.

4
Son modeli eğitmek için tüm veri setini kullanmak her zaman daha iyi olur mu?
Eğitim, doğrulama ve tercih Makine Öğrenme modeli test ettikten sonra ortak bir teknik yetiştirmek, test alt kümesi dahil tam bir veri kümesi kullanmaktır nihai modeli için dağıtmak örneğin bir ürünün onu. Sorum şu: Bunu yapmak her zaman en iyisi midir? Ya performans gerçekten bozulursa? Örneğin, test alt setini sınıflandırırken modelin% …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.