Data Science

1

Implementierung des stochastischen Gradientenabfalls in Python

Ich versuche, einen grundlegenden stochastischen Gradientenabstiegsalgorithmus für eine lineare 2D-Regression in Python zu implementieren. Ich habe einen Boilerplate-Code für Vanilla GD erhalten und versucht, ihn für SGD zu konvertieren. Insbesondere - ich bin mir ein wenig unsicher, ob ich die Verlustfunktion und partielle Ableitungen korrekt implementiert habe, da ich mit …

7 linear-regression gradient-descent

2

Was macht Sie zuversichtlich in Ihre Ergebnisse? Ab wann können Sie Ihre Arbeit Ihrer Meinung nach technischen Analphabeten vorstellen?

Ich verstehe, dass die Modelle nur so gut sind wie die Daten, die Sie erhalten, und schlechtes Design kann wirklich schlechte Daten erzeugen. Nicht zufällige Stichproben, unausgeglichene / unvollständige Designs, verwirrende Daten können die Datenanalyse sehr schwierig machen. Ab wann sollte man sicher sein, dass sie ein nützliches Modell haben? …

7 performance accuracy

1

Gibt es eine Aktivierungsfunktion, die die Batch-Normalisierung überflüssig machen kann?

Während ich die Batch-Normalisierung lernte, dachte ich, warum können wir das "Gradientenskalenproblem" nicht mit einer geeigneten Aktivierungsfunktion lösen? Können wir die Aktivierungsfunktion nicht verzögern und skalieren, anstatt den gesamten Datensatz zu skalieren und sicherzustellen, dass die Varianz dadurch erhalten bleibt?

7 machine-learning

3

Unterstützt Tensorflow einen Entscheidungsbaumklassifizierer?

Ich versuche, einen Entscheidungsbaumklassifizierer zu implementieren, um meinen Datensatz zu klassifizieren. Ich benutze Python. Jetzt ist es einfach in scikit learn zu implementieren, aber wie kann ich dies in tensorflow implementieren.

7 machine-learning python deep-learning tensorflow decision-trees

2

Wie kann ein Klassenungleichgewicht in der Trainingsprobe behoben werden?

Ich wurde kürzlich in einem Vorstellungsgespräch nach Lösungen gefragt, um ein Ungleichgewicht der Klassen im Trainingsdatensatz zu beheben. Konzentrieren wir uns auf einen Fall der binären Klassifizierung. Ich habe zwei Lösungen angeboten: Überabtastung der Minderheitsklasse durch Zuführung der ausgewogenen Datenstapel des Klassifikators oder Partitionierung der reichlich vorhandenen Klasse, um viele …

7 training unbalanced-classes class-imbalance

3

Welche neuronale Netzwerktopologie soll Korrelationen zwischen Zeitreihen lernen?

Ich habe zwei (oder mehr im Prinzip) 1xN-Zeitreihen und möchte eine NN trainieren, um den nächsten Wert von beiden vorherzusagen. Ich kann sie als 2xN-Matrix anordnen und ein Fenster aus dieser Matrix als Eingabe in das NN einspeisen, bin mir aber nicht sicher, wie ich das NN selbst strukturieren soll. …

7 machine-learning neural-network time-series correlation

2

Kann ich numerische Daten von einer Farbkarte erhalten?

In meiner Klasse muss ich oft mit Farbkartenbildern arbeiten. Ich würde das Bild zeigen und versuchen, Rückschlüsse / Beobachtungen zu verschiedenen Themen zu machen. Oft muss ich einige Aspekte tatsächlich quantifizieren, aber es ist immer sehr ungefähr und irgendwie vage, weil die Bilder "wie sie sind" bereitgestellt werden und ich …

7 image-recognition software-recommendation

1

Verständnis von naiven Bayes: Berechnung der bedingten Wahrscheinlichkeiten

Nehmen wir für eine Aufgabe zur Stimmungsanalyse an, wir haben einige Klassen, die durch und Merkmale .cccichichi Wir können die bedingte Wahrscheinlichkeit jeder Klasse wie : wobei jedes Merkmal darstellt und die Klasse ist wir haben. Dann können wir empirisch Unsere Prioritäten für jede Klasse sind dann gegeben durch: wobei:P.( …

7 machine-learning nlp naive-bayes-classifier sentiment-analysis natural-language-process

2

Wie würden Sie den Kompromiss zwischen Modellinterpretierbarkeit und Modellvorhersagekraft in Laienbegriffen beschreiben?

Ich weiß, dass es von den gestellten Daten und Fragen abhängt, aber stellen Sie sich ein Szenario vor, in dem Sie für einen bestimmten Datensatz entweder ein ziemlich komplexes nichtlineares Modell wählen können (das allerdings schwer zu interpretieren ist), um eine bessere Vorhersagekraft zu erhalten, möglicherweise weil das Modell die …

7 machine-learning predictive-modeling model-selection

1

Wie erhalte ich einen Konfidenzwert für Vorhersagen?

Ist es bei einem Regressionsproblem möglich, einen Vertrauens- / Zuverlässigkeitswert für eine bestimmte Vorhersage bei Modellen wie XGBoost oder Neuronalen Netzen zu berechnen?

7 machine-learning neural-network regression decision-trees xgboost

2

Warum werden Richtliniengradientenmethoden in kontinuierlichen Aktionsbereichen der Annäherung an Wertfunktionen vorgezogen?

Ich verstehe, dass wir in der Wert-Funktions-Näherung, insbesondere beim tiefen Q-Lernen, zuerst die Q-Werte für jede Aktion vorhersagen. Wenn es jedoch viele Aktionen gibt, ist diese Aufgabe nicht einfach. Bei der Richtlinieniteration müssen wir jedoch auch einen Softmax-Vektor ausgeben, der sich auf jede Aktion bezieht. Ich verstehe also nicht, wie …

7 reinforcement-learning

1

Mehrfachausgabe für Multi-Step-Ahead-Vorhersage mit LSTM mit Keras

Ich bin neu in Deep Learning und LSTM (mit Keras). Ich versuche, eine mehrreihige Vorhersage von Zeitreihen zu lösen. Ich habe 3 Zeitreihen: A, B und C und möchte die Werte von C vorhersagen. Ich trainiere ein LSTM, das Datenpunkte mit 3 Schritten zurückspeist, um die nächsten 3 Schritte in …

7 python time-series keras lstm

3

Gibt es Pytorch-Tools zur Überwachung des Trainings des neuronalen Netzwerks?

Gibt es Tools zur Überwachung des Netzwerktrainings in PyTorch? Ich suche ein Äquivalent zu Tensorboard im Tensorflow.

7 deep-learning tensorflow pytorch

6

Clustering-Algorithmen für hochdimensionale binäre Daten mit geringer Dichte

Ich habe einen Datensatz mit 10.000 Genen wie unten person gene1 gene2 ... gene10000 ethnic 1 0 1 1 asian 2 1 0 1 European Jede Zeile bedeutet, ob eine Person ein Gen in ihrer DNA hat oder nicht. Wir versuchen, verschiedene ethnische Gruppen anhand der obigen Daten zu klassifizieren. …

7 machine-learning clustering unsupervised-learning

3

Dynamic Time Warping ist veraltet?

Unter http://www.speech.zone/exercises/dtw-in-python/ heißt es Obwohl es nicht mehr wirklich verwendet wird, ist Dynamic Time Warping (DTW) eine schöne Einführung in das Schlüsselkonzept der dynamischen Programmierung. Ich verwende DTW für die Signalverarbeitung und bin etwas überrascht: Was wird stattdessen verwendet?

7 time-series