Data Science

4

Hyperparametersuche nach LSTM-RNN mit Keras (Python)

Vom Keras RNN Tutorial: "RNNs sind knifflig. Die Wahl der Stapelgröße ist wichtig, die Wahl des Verlusts und des Optimierers ist kritisch usw. Einige Konfigurationen konvergieren nicht." Dies ist also eher eine allgemeine Frage zum Optimieren der Hyperparameter eines LSTM-RNN auf Keras. Ich würde gerne wissen, wie Sie die besten …

18 python neural-network deep-learning keras hyperparameter

7

Wie kann ich Datenverkehr basierend auf früheren Zeitreihendaten vorhersagen?

Wenn ich ein Einzelhandelsgeschäft besitze und messen kann, wie viele Personen pro Minute mein Geschäft betreten, und diese Daten mit einem Zeitstempel versehen, wie kann ich dann den zukünftigen Fußgängerverkehr vorhersagen? Ich habe mich mit Algorithmen für maschinelles Lernen befasst, bin mir aber nicht sicher, welche ich verwenden soll. In …

18 machine-learning time-series

3

Feature-Extraktion von Bildern in Python

In meiner Klasse muss ich eine Anwendung mit zwei Klassifikatoren erstellen, um zu entscheiden, ob ein Objekt in einem Bild ein Beispiel für Phylum porifera (Seeschwamm) oder ein anderes Objekt ist. Ich bin jedoch völlig verloren, wenn es um Extraktionstechniken in Python geht. Mein Berater hat mich überzeugt, Bilder zu …

18 python feature-extraction image-recognition

2

lokale Minima gegen Sattelpunkte beim Tiefenlernen

Ich hörte Andrew Ng (in einem Video, das ich leider nicht mehr finden kann) darüber sprechen, wie sich das Verständnis der lokalen Minima bei tiefen Lernproblemen dahingehend verändert hat, dass sie jetzt als weniger problematisch angesehen werden, weil sie sich in hochdimensionalen Räumen befinden (auf die man in trifft) Kritische …

18 machine-learning deep-learning optimization convergence

4

Verbessern Sie die Geschwindigkeit der Implementierung von t-sne in Python für große Datenmengen

Ich würde gerne eine Dimensionsreduktion für fast 1 Million Vektoren mit jeweils 200 Dimensionen durchführen ( doc2vec). Ich verwende dafür die TSNEImplementierung aus dem sklearn.manifoldModul und das Hauptproblem ist die zeitliche Komplexität. Trotzdem method = barnes_hutist die Rechengeschwindigkeit immer noch gering. Irgendwann geht ihm sogar der Speicher aus. Ich lasse …

18 python bigdata nlp scikit-learn dimensionality-reduction

4

Rollenableitung der Sigmoidfunktion in neuronalen Netzen

Ich versuche die Rolle der Ableitung der Sigmoidfunktion in neuronalen Netzen zu verstehen. Zuerst zeichne ich die Sigmoidfunktion und die Ableitung aller Punkte von der Definition mit Python. Welche Rolle spielt dieses Derivat genau? import numpy as np import matplotlib.pyplot as plt def sigmoid(x): return 1 / (1 + np.exp(-x)) …

18 machine-learning neural-network

2

Was ist die Verwendung von torch.no_grad in Pytorch?

Ich bin neu in Pytorch und habe mit diesem Github-Code begonnen. Ich verstehe den Kommentar in Zeile 60-61 im Code nicht "because weights have requires_grad=True, but we don't need to track this in autograd". Ich habe verstanden, dass wir requires_grad=Truedie Variablen erwähnen , die wir zur Berechnung der Gradienten für …

18 pytorch

1

Wie entscheidet man sich für eine neuronale Netzwerkarchitektur?

Ich habe mich gefragt, wie wir entscheiden müssen, wie viele Knoten in ausgeblendeten Ebenen und wie viele ausgeblendete Ebenen beim Aufbau einer neuronalen Netzwerkarchitektur verwendet werden sollen. Ich verstehe, dass die Eingabe- und Ausgabeschicht von dem Trainingssatz abhängt, den wir haben, aber wie entscheiden wir die verborgene Schicht und die …

18 machine-learning neural-network

4

Wie erhält man Genauigkeit, F1, Präzision und Rückruf für ein Keras-Modell?

Ich möchte die Genauigkeit, den Rückruf und den F1-Score für mein binäres KerasClassifier-Modell berechnen, finde aber keine Lösung. Hier ist mein aktueller Code: # Split dataset in train and test data X_train, X_test, Y_train, Y_test = train_test_split(normalized_X, Y, test_size=0.3, random_state=seed) # Build the model model = Sequential() model.add(Dense(23, input_dim=45, kernel_initializer='normal', …

18 machine-learning neural-network deep-learning classification keras

2

Wie füttere ich LSTM mit verschiedenen Eingangsarraygrößen?

LSTMWie ist es möglich , ein Netzwerk zu schreiben und es mit unterschiedlichen Eingangsarraygrößen zu versorgen? Zum Beispiel möchte ich Sprach- oder Textnachrichten in einer anderen Sprache erhalten und übersetzen. Die erste Eingabe ist vielleicht "Hallo", aber die zweite ist "Wie geht es dir?". Wie kann ich ein Design entwerfen …

18 keras lstm

3

Berücksichtigt die Klickhäufigkeit die Relevanz?

Ist es beim Aufbau eines Rankings, beispielsweise für eine Suchmaschine oder ein Empfehlungssystem, zulässig, sich auf die Klickhäufigkeit zu verlassen, um die Relevanz eines Eintrags zu bestimmen?

17 recommender-system information-retrieval

1

Warum ReLU besser ist als die anderen Aktivierungsfunktionen

Hier bezieht sich die Antwort auf das Verschwinden und Explodieren von Verläufen, die sigmoidähnliche Aktivierungsfunktionen hatten, aber Relueinen Nachteil haben und deren erwarteter Wert sind. Es gibt keine Begrenzung für die Ausgabe von Reluund daher ist der erwartete Wert nicht Null. Ich erinnere mich an die Zeit vor der Popularität …

17 machine-learning neural-network deep-learning gradient-descent activation-function

1

NLP - warum ist "nicht" ein Stoppwort?

Ich versuche, Stoppwörter zu entfernen, bevor ich eine Themenmodellierung durchführe. Mir ist aufgefallen, dass einige Negationswörter (weder noch nie, keine usw.) normalerweise als Stoppwörter angesehen werden. Zum Beispiel enthalten NLTK, spacy und sklearn "not" in ihren Stoppwortlisten. Wenn wir jedoch "nicht" aus diesen Sätzen unten entfernen, verlieren sie die signifikante …

17 nlp topic-model sentiment-analysis

5

Bester praktischer Algorithmus für Satzähnlichkeit

Ich habe zwei Sätze, S1 und S2, die beide (normalerweise) eine Wortanzahl unter 15 haben. Was sind die praktischsten und erfolgreichsten (maschinelles Lernen) Algorithmen, die möglicherweise einfach zu implementieren sind (neuronales Netzwerk ist in Ordnung, es sei denn, die Architektur ist so kompliziert wie Google Inception usw.). Ich suche einen …

17 nlp clustering word2vec similarity

3

Was bedeutet die Notation mAP @ [. 5: .95]?

Eine gängige Methode zur Feststellung, ob ein Objektvorschlag richtig war, ist die Ermittlung von Schnittpunkten über Union (IoU, IU). Dies nimmt die Menge der vorgeschlagenen Objektpixel und die Menge der wahren Objektpixel B und berechnet:EINEINABBB icho U( A , B ) = A ∩ BA ∪ BichÖU(EIN,B)=EIN∩BEIN∪BIoU(A, B) = \frac{A …

17 computer-vision