Data Science

1

Zeitreihenvorhersage mit LSTMs: Wichtigkeit, Zeitreihen stationär zu machen

In diesem Link zu Stationarität und Differenzierung wurde erwähnt, dass Modelle wie ARIMA eine stationäre Zeitreihe für die Vorhersage benötigen, da ihre statistischen Eigenschaften wie Mittelwert, Varianz, Autokorrelation usw. über die Zeit konstant sind. Da RNNs besser in der Lage sind, nichtlineare Beziehungen zu lernen ( wie hier angegeben: Das …

21 deep-learning predictive-modeling time-series forecast lstm

1

Was bedeutet es, Parameter zwischen Features und Klassen zu teilen?

In diesem Artikel steht die Zeile "Lineare Klassifikatoren teilen keine Parameter zwischen Features und Klassen." Was bedeutet diese Aussage? Bedeutet dies, dass lineare Klassifikatoren wie die logistische Regression voneinander unabhängige Funktionen benötigen?

20 machine-learning logistic-regression multilabel-classification

2

Wortvorhersage mit dem Word2vec-Modell

Bei einem Satz: „Wenn ich das öffnen ?? Tür es beginnt Heizung automatisch“ Ich möchte die Liste der möglichen Wörter in bekommen? mit einer Wahrscheinlichkeit. Das Grundkonzept, das im word2vec-Modell verwendet wird, besteht darin, ein Wort im gegebenen Umgebungskontext "vorherzusagen". Was ist die richtige Operation für Kontextvektoren, wenn das Modell …

20 nlp predictive-modeling word-embeddings

3

Benötigen Sie zu Beginn meiner Karriere als Data Scientist Erfahrung im Bereich Software Engineering? [geschlossen]

Geschlossen. Diese Frage ist nicht zum Thema . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage, damit sie für Data Science Stack Exchange zum Thema gehört . Geschlossen vor 5 Jahren . Ich bin ein MSc-Student an der Universität von Edinburgh, spezialisiert auf maschinelles …

20 education definitions career

7

Warum versuchen die meisten veröffentlichten Arbeiten in der medizinischen Bildgebung, falsch positive Ergebnisse zu reduzieren?

In der medizinischen Bildverarbeitung versuchen die meisten veröffentlichten Arbeiten, die Falsch-Positiv-Rate (FPR) zu verringern, während Falsch-Negative in Wirklichkeit gefährlicher sind als Falsch-Positive. Was ist das Grundprinzip dahinter?

20 image-classification image-recognition

2

Wahl zwischen TensorFlow oder Theano als Backend für Keras

Keras unterstützt sowohl TensorFlow als auch Theano als Backend: Was sind die Vor- und Nachteile einer Auswahl im Vergleich zur anderen, abgesehen von der Tatsache, dass derzeit nicht alle Operationen mit dem TensorFlow-Backend implementiert sind?

20 neural-network deep-learning theano tensorflow keras

14

Data Science-Konferenzen?

Dies ist eine ähnliche Frage wie die Frage zu Statistikkonferenzen bei CrossValidated Was sind die wichtigsten jährlichen Data Science-Konferenzen? Regeln: Fügen Sie einen Link zur Konferenz hinzu Bitte fügen Sie Links für die Vorträge bei (sei es Youtube, die Konferenzseite oder eine andere Video-Streaming-Seite).

20 community

4

Konvergiert der Gefälleverlauf immer zu einem Optimum?

Ich frage mich, ob es ein Szenario gibt, in dem der Gefälle nicht auf ein Minimum konvergiert. Mir ist bewusst, dass der Gradientenabstieg nicht immer garantiert zu einem globalen Optimum konvergiert. Mir ist auch bewusst, dass es von einem Optimum abweichen kann, wenn beispielsweise die Schrittgröße zu groß ist. Es …

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

3

Extraktion von Schlüsselwörtern / Ausdrücken aus Text mithilfe von Deep Learning-Bibliotheken

Vielleicht ist das zu weit gefasst, aber ich suche nach Hinweisen, wie man Deep Learning in einer Aufgabe zur Zusammenfassung von Texten einsetzt. Ich habe bereits eine Textzusammenfassung mit Standard-Worthäufigkeitsansätzen und Satz-Ranking implementiert, möchte jedoch die Möglichkeit untersuchen, für diese Aufgabe Deep-Learning-Techniken zu verwenden. Ich habe auch einige Implementierungen auf …

20 neural-network text-mining deep-learning beginner tensorflow

4

Wie kann ich die semantische Ähnlichkeit von Wörtern messen?

Was ist der beste Weg, um die semantische Ähnlichkeit von Wörtern herauszufinden? Word2Vec ist okay, aber nicht ideal: # Using the 840B word Common Crawl GloVe vectors with gensim: # 'hot' is closer to 'cold' than 'warm' In [7]: model.similarity('hot', 'cold') Out[7]: 0.59720456121072973 In [8]: model.similarity('hot', 'warm') Out[8]: 0.56784095376659627 # …

20 nlp word-embeddings word2vec nltk

3

Was ist der Unterschied zwischen Textklassifizierung und Themenmodellen?

Ich kenne den Unterschied zwischen Clustering und Klassifikation beim maschinellen Lernen, verstehe aber nicht den Unterschied zwischen Textklassifikation und Themenmodellierung für Dokumente. Kann ich die Themenmodellierung über Dokumenten verwenden, um ein Thema zu identifizieren? Kann ich Klassifizierungsmethoden verwenden, um den Text in diesen Dokumenten zu klassifizieren?

20 classification text-mining topic-model

2

Keras gegen tf.keras

Ich bin etwas verwirrt, wenn ich für mein neues Forschungsprojekt zwischen Keras (keras-team / keras) und tf.keras (tensorflow / tensorflow / python / keras /) wähle. Es gibt eine Debatte, in der Keras niemandem gehört, daher können die Leute gerne dazu beitragen, und es wird in Zukunft viel einfacher sein, …

20 python deep-learning keras tensorflow

4

Verwenden von TensorFlow mit Intel GPU

Ich bin ein Neuling im tiefen Lernen. Gibt es jetzt eine Möglichkeit, TensorFlow mit Intel-GPUs zu verwenden? Wenn ja, bitte weisen Sie mich in die richtige Richtung. Wenn nicht, teilen Sie mir bitte mit, welches Framework (Keras, Theano usw.) ich für meinen Intel Corporation Xeon E3-1200 v3 / 4. Gen …

20 tensorflow keras theano gpu

3

StandardScaler vor und nach dem Aufteilen von Daten

Als ich über das Verwenden las StandardScaler, sagten die meisten Empfehlungen, dass Sie verwenden sollten, StandardScaler bevor Sie die Daten in Zug / Test aufteilen, aber als ich einige der online veröffentlichten Codes überprüfte (mit sklearn), gab es zwei Hauptverwendungen. 1- Mit StandardScalerauf alle Daten. Z.B from sklearn.preprocessing import StandardScaler …

20 machine-learning scikit-learn preprocessing

1

Soll man heiße Vektoren mit numerischen Attributen skalieren

Im Falle einer Kombination von kategorialen und numerischen Attributen konvertiere ich die kategorialen Attribute normalerweise in einen heißen Vektor. Meine Frage ist, lasse ich diese Vektoren unverändert und skaliere die numerischen Attribute durch Standardisierung / Normalisierung, oder sollte ich die einen heißen Vektoren zusammen mit den numerischen Attributen skalieren?

20 feature-engineering feature-scaling data-science-model