Data Science

4

Wie funktionieren nachfolgende Faltungsschichten?

Diese Frage lautet: "Wie funktionieren Faltungsschichten genau ? Angenommen , ich habe eine Graubild. Das Bild hat also einen Kanal. In der ersten Ebene ich eine Faltung von mit Filtern und -Auffüllung an. Dann habe ich noch eine Faltungsschicht mit Faltungen und Filtern. Wie viele Feature-Maps habe ich?3 × 3 …

29 neural-network convnet

6

Gibt es Tools für das Feature-Engineering?

Insbesondere suche ich nach Tools mit einigen Funktionen, die speziell für das Feature-Engineering vorgesehen sind. Ich möchte in der Lage sein, Lücken, etc. leicht zu glätten, zu visualisieren, zu füllen. Ähnlich wie MS Excel, aber das hat R als zugrunde liegende Sprache anstelle von VB.

29 feature-selection feature-extraction feature-construction

6

Wie mache ich SVD und PCA mit Big Data?

Ich habe eine große Datenmenge (ca. 8 GB). Ich möchte maschinelles Lernen nutzen, um es zu analysieren. Daher denke ich, dass ich SVD und dann PCA verwenden sollte, um die Datendimensionalität aus Gründen der Effizienz zu reduzieren. MATLAB und Octave können jedoch einen so großen Datensatz nicht laden. Mit welchen …

29 bigdata data-mining dimensionality-reduction

2

Was ist Grundwahrheit?

Im Kontext des maschinellen Lernens habe ich gesehen, dass der Begriff " Grundwahrheit" häufig verwendet wird. Ich habe viel gesucht und folgende Definition in Wikipedia gefunden : Beim maschinellen Lernen bezieht sich der Begriff "Grundwahrheit" auf die Genauigkeit der Klassifizierung des Trainingssatzes für überwachte Lerntechniken. Dies wird in statistischen Modellen …

29 machine-learning neural-network deep-learning

3

Hierarchisches Datenformat. Was sind die Vorteile gegenüber alternativen Formaten?

Was sind die Hauptvorteile beim Speichern von Daten in HDF? Und was sind die wichtigsten datenwissenschaftlichen Aufgaben, bei denen HDF wirklich geeignet und nützlich ist?

28 data-formats hierarchical-data-format

4

Analysieren von Zeichenfolgendaten im neuronalen Netzwerk?

Ich fange gerade an zu lernen, wie ein neuronales Netzwerk Muster erkennt und Eingaben kategorisiert, und ich habe gesehen, wie ein künstliches neuronales Netzwerk Bilddaten analysieren und die Bilder kategorisieren kann ( Demo mit convnetjs ) und den Schlüssel dort wird das Bild heruntergemustert und jedes Pixel stimuliert ein Eingangsneuron …

28 neural-network

4

Wann soll Random Forest über SVM und umgekehrt verwendet werden?

Wenn würde man verwenden , Random Forestüber , SVMund umgekehrt? Ich verstehe das cross-validationund der Modellvergleich ist ein wichtiger Aspekt bei der Auswahl eines Modells, aber hier möchte ich mehr über Faustregeln und Heuristiken der beiden Methoden erfahren. Kann jemand bitte die Feinheiten, Stärken und Schwächen der Klassifikatoren sowie die …

28 machine-learning classification random-forest svm

4

Welche Algorithmen sollte ich verwenden, um eine Jobklassifizierung basierend auf Lebenslaufdaten durchzuführen?

Beachten Sie, dass ich alles in R mache. Das Problem lautet wie folgt: Grundsätzlich habe ich eine Liste von Lebensläufen. Einige Kandidaten haben bereits Berufserfahrung und andere nicht. Das Ziel dabei ist: Ich möchte sie auf der Grundlage des Texts in ihren Lebensläufen in verschiedene Berufsbereiche einteilen. Ich bin besonders …

28 machine-learning classification nlp text-mining

4

Sollte ein Modell umgeschult werden, wenn neue Beobachtungen vorliegen?

Daher konnte ich keine Literatur zu diesem Thema finden, aber es scheint sich zu lohnen, darüber nachzudenken: Was sind die Best Practices für Modellbildung und -optimierung, wenn neue Beobachtungen verfügbar sind? Gibt es eine Möglichkeit, den Zeitraum / die Häufigkeit des erneuten Trainings eines Modells zu bestimmen, bevor sich die …

28 machine-learning predictive-modeling optimization training

3

Auswahl zwischen CPU und GPU zum Trainieren eines neuronalen Netzwerks

Ich habe Diskussionen über den 'Overhead' einer GPU gesehen, und dass es für 'kleine' Netzwerke möglicherweise schneller ist, auf einer CPU (oder einem Netzwerk von CPUs) zu trainieren als auf einer GPU. Was ist mit "klein" gemeint? Wäre beispielsweise ein einschichtiger MLP mit 100 versteckten Einheiten "klein"? Ändert sich unsere …

28 neural-network deep-learning gpu

3

Understanding predict_proba von MultiOutputClassifier

Ich folge diesem Beispiel auf der Website von scikit-learn, um eine Multi-Output-Klassifizierung mit einem Random Forest-Modell durchzuführen. from sklearn.datasets import make_classification from sklearn.multioutput import MultiOutputClassifier from sklearn.ensemble import RandomForestClassifier from sklearn.utils import shuffle import numpy as np X, y1 = make_classification(n_samples=5, n_features=5, n_informative=2, n_classes=2, random_state=1) y2 = shuffle(y1, random_state=1) Y …

28 scikit-learn random-forest multilabel-classification

6

Was ist der Unterschied zwischen Modellhyperparametern und Modellparametern?

Ich habe festgestellt , dass solche Begriffe wie Modell Hyper und Modellparameter haben , ohne vorherige Klärung austauschbar auf dem Netz verwendet. Ich denke, das ist falsch und muss erklärt werden. Betrachten Sie ein maschinelles Lernmodell, einen SVM / NN / NB-basierten Klassifikator oder einen Bilderkenner. Was sind die Hyperparameter …

28 machine-learning parameter hyperparameter language-model

3

Hypertuning von XGBoost-Parametern

XGBoost hat hervorragende Arbeit geleistet, wenn es um den Umgang mit kategorialen und kontinuierlichen abhängigen Variablen geht. Aber wie wähle ich die optimierten Parameter für ein XGBoost-Problem aus? So habe ich die Parameter für ein aktuelles Kaggle-Problem angewendet: param <- list( objective = "reg:linear", booster = "gbtree", eta = 0.02, …

27 r python xgboost

4

Anwendungen und Unterschiede für Jaccard-Ähnlichkeit und Cosinus-Ähnlichkeit

Jaccard-Ähnlichkeit und Cosinus-Ähnlichkeit sind zwei sehr häufige Messungen beim Vergleichen von Artikelähnlichkeiten. Ich bin mir jedoch nicht ganz sicher, in welcher Situation eine der anderen vorzuziehen ist. Kann jemand helfen, die Unterschiede zwischen diesen beiden Messungen (der Unterschied im Konzept oder Prinzip, nicht in der Definition oder Berechnung) und ihren …

27 similarity

1

RNNs mit mehreren Funktionen

Ich verfüge über ein wenig Autodidakt-Wissen in der Arbeit mit Algorithmen des maschinellen Lernens (das grundlegende Material vom Typ Random Forest und Linear Regression). Ich beschloss, mich zu verzweigen und mit Keras RNNs zu lernen. Wenn ich mir die meisten Beispiele ansehe, bei denen es sich in der Regel um …

27 machine-learning neural-network keras