Data Science

1

t-SNE Python-Implementierung: Kullback-Leibler-Divergenz

t-SNE reduziert wie in [1] schrittweise die Kullback-Leibler (KL) -Divergenz, bis eine bestimmte Bedingung erfüllt ist. Die Entwickler von t-SNE schlagen vor, die KL-Divergenz als Leistungskriterium für die Visualisierungen zu verwenden: Sie können die von t-SNE gemeldeten Kullback-Leibler-Divergenzen vergleichen. Es ist vollkommen in Ordnung, t-SNE zehnmal auszuführen und die Lösung …

11 machine-learning python

3

Datenvisualisierung für die Musteranalyse (sprachunabhängig, aber R bevorzugt)

Ich möchte die Bytes von einem Disk-Image zeichnen, um ein Muster in ihnen zu verstehen. Dies ist hauptsächlich eine akademische Aufgabe, da ich fast sicher bin, dass dieses Muster von einem Festplattentestprogramm erstellt wurde, aber ich würde es trotzdem gerne rückentwickeln. Ich weiß bereits, dass das Muster mit einer Periodizität …

11 r visualization

4

Arbeiten mit HPC-Clustern

An meiner Universität haben wir einen HPC-Computercluster. Ich benutze den Cluster, um Klassifikatoren zu trainieren und so weiter. Um einen Job an den Cluster zu senden (z. B. Python-Scikit-Lernskript), muss ich normalerweise ein Bash-Skript schreiben, das (unter anderem) einen Befehl wie enthält qsub script.py. Ich finde diesen Prozess jedoch sehr, …

11 bigdata data-mining

4

Wo kann ich historische Marktkapitalisierungs- und tägliche Umsatzdaten für Aktien herunterladen?

Es gibt viele Quellen, die die historischen Bestandsdaten liefern, aber sie liefern nur die OHLC-Felder zusammen mit dem Volumen und dem angepassten Abschluss. Einige Quellen, die ich gefunden habe, bieten auch Marktkapitalisierungsdatensätze, die jedoch auf US-Aktien beschränkt sind. Yahoo Finance stellt diese Daten online zur Verfügung, es gibt jedoch keine …

11 dataset

4

Ist logistische Regression tatsächlich ein Regressionsalgorithmus?

Die übliche Definition von Regression (soweit mir bekannt ist) ist die Vorhersage einer kontinuierlichen Ausgabevariablen aus einem bestimmten Satz von Eingabevariablen . Die logistische Regression ist ein binärer Klassifizierungsalgorithmus, der eine kategoriale Ausgabe erzeugt. Ist es wirklich ein Regressionsalgorithmus? Wenn ja warum?

11 algorithms logistic-regression

3

Wie verarbeite ich Anfragen in natürlicher Sprache?

Ich bin neugierig auf Fragen in natürlicher Sprache. Stanford verfügt über eine anscheinend starke Software zur Verarbeitung natürlicher Sprache . Ich habe auch die Apache OpenNLP-Bibliothek und die Allgemeine Architektur für Text Engineering gesehen . Es gibt unglaublich viele Verwendungsmöglichkeiten für die Verarbeitung natürlicher Sprache, und das macht es schwierig, …

11 nlp

3

Data Science-orientierter Datensatz / Forschungsfrage für die Statistik-MSc-Arbeit

Ich möchte 'Data Science' erforschen. Der Begriff scheint mir ein wenig vage zu sein, aber ich erwarte, dass er Folgendes erfordert: maschinelles Lernen (anstelle traditioneller Statistiken); Ein Datensatz, der groß genug ist, um Analysen für Cluster auszuführen. Was sind einige gute Datensätze und Probleme, auf die ein Statistiker mit Programmierhintergrund …

11 statistics education knowledge-base definitions

1

scikit-learn n_jobs-Parameter zur CPU-Auslastung und zum Arbeitsspeicher

In den meisten Schätzern für Scikit-Learn gibt es n_jobsin fit/ predictMethoden einen Parameter zum Erstellen paralleler Jobs mit joblib. Ich habe festgestellt, dass durch das Festlegen von -1nur 1 Python-Prozess die Kerne maximal genutzt werden und die CPU-Auslastung 2500% übersteigt. Dies unterscheidet sich erheblich von der Einstellung auf eine positive …

11 python scikit-learn

3

Was ist LSTM, BiLSTM und wann werden sie verwendet?

Ich bin sehr neu in Deep Learning und ich bin besonders daran interessiert zu wissen, was LSTM und BiLSTM sind und wann ich sie verwenden soll (Hauptanwendungsbereiche). Warum sind LSTM und BILSTM beliebter als RNN? Können wir diese Deep-Learning-Architekturen bei unbeaufsichtigten Problemen verwenden?

11 machine-learning deep-learning rnn lstm

2

Seltsames Verhalten mit Adam Optimizer beim zu langen Training

Ich versuche, ein einzelnes Perzeptron (1000 Eingabeeinheiten, 1 Ausgabe, keine versteckten Ebenen) auf 64 zufällig generierten Datenpunkten zu trainieren. Ich verwende Pytorch mit dem Adam-Optimierer: import torch from torch.autograd import Variable torch.manual_seed(545345) N, D_in, D_out = 64, 1000, 1 x = Variable(torch.randn(N, D_in)) y = Variable(torch.randn(N, D_out)) model = torch.nn.Linear(D_in, …

11 perceptron pytorch

4

Maschinelles Lernen vs Deep Learning

Ich bin etwas verwirrt über den Unterschied zwischen den Begriffen "Maschinelles Lernen" und "Deep Learning". Ich habe es gegoogelt und viele Artikel gelesen, aber es ist mir immer noch nicht sehr klar. Eine bekannte Definition von maschinellem Lernen von Tom Mitchell ist: Ein Computerprogramm soll aus der Erfahrung E in …

11 machine-learning deep-learning

4

Leistungsmaß: Warum heißt es Rückruf?

Die Genauigkeit ist der Bruchteil der abgerufenen Instanzen, die relevant sind, während der Rückruf (auch als Empfindlichkeit bezeichnet) der Bruchteil der relevanten Instanzen ist, die abgerufen werden. Ich kenne ihre Bedeutung, aber ich weiß nicht, warum es Rückruf heißt ? Ich bin kein englischer Muttersprachler. Ich weiß, dass Rückruf bedeutet, …

11 performance terminology

4

Über- / Unteranpassung mit Datensatzgröße

In der folgenden Grafik x-Achse => Datensatzgröße y-Achse => Kreuzvalidierungsergebnis Die rote Linie steht für Trainingsdaten Die grüne Linie dient zum Testen von Daten In einem Tutorial, auf das ich mich beziehe, sagt der Autor, dass der Punkt, an dem sich die rote und die grüne Linie überlappen, bedeutet: Es …

11 machine-learning cross-validation

1

Was passiert, wenn wir eine lineare SVM auf nicht linear trennbaren Daten trainieren?

Was passiert, wenn wir eine grundlegende Support-Vektor-Maschine (linearer Kernel und kein Soft-Margin) auf nicht linear trennbaren Daten trainieren? Das Optimierungsproblem ist nicht realisierbar. Was gibt der Minimierungsalgorithmus zurück?

11 machine-learning svm

1

Intuition für den Regularisierungsparameter in SVM

Wie ändert das Variieren des Regularisierungsparameters in einer SVM die Entscheidungsgrenze für einen nicht trennbaren Datensatz? Eine visuelle Antwort und / oder ein Kommentar zu den einschränkenden Verhaltensweisen (für große und kleine Regularisierung) wäre sehr hilfreich.

11 svm