Science des données

4

Qu'est-ce qui rend les bases de données en colonnes adaptées à la science des données?

Quels sont les avantages des magasins de données en colonnes qui les rendent plus adaptés à la science des données et à l'analyse?

23 databases tools

4

Est-il nécessaire de standardiser vos données avant le clustering?

Est-il nécessaire de standardiser vos données avant cluster? Dans l'exemple de scikit learnDBSCAN, ici, ils le font dans la ligne: X = StandardScaler().fit_transform(X) Mais je ne comprends pas pourquoi c'est nécessaire. Après tout, le clustering ne suppose aucune distribution particulière de données - il s'agit d'une méthode d'apprentissage non supervisée, …

23 python clustering clusters anomaly-detection

3

K-signifie un comportement incohérent choisissant K avec la méthode du coude, le BIC, la variance expliquée et la silhouette

J'essaie de regrouper certains vecteurs avec 90 fonctionnalités avec K-means. Étant donné que cet algorithme me demande le nombre de clusters, je veux valider mon choix avec de belles mathématiques. Je m'attends à avoir de 8 à 10 grappes. Les fonctionnalités sont à l'échelle Z-score. Explication de la méthode et …

23 clustering k-means

7

Objectif de visualiser des données de grande dimension?

Il existe de nombreuses techniques pour visualiser des jeux de données de grande dimension, tels que T-SNE, isomap, PCA, PCA supervisé, etc. ". Certaines de ces méthodes d'intégration (apprentissage multiple) sont décrites ici . Mais cette "jolie image" est-elle réellement significative? Quelles informations possibles quelqu'un peut-il saisir en essayant de …

23 machine-learning dimensionality-reduction visualization

6

Des fonctionnalités d'encodage comme le mois et l'heure sont catégorielles ou numériques?

Est-il préférable d'encoder des fonctionnalités comme le mois et l'heure en tant que facteur ou numérique dans un modèle d'apprentissage automatique? D'une part, je pense que l'encodage numérique pourrait être raisonnable, car le temps est un processus progressif (le cinquième mois est suivi du sixième mois), mais d'autre part, je …

23 machine-learning feature-extraction feature-engineering encoding numerical

5

Comment comparer des colonnes dans différents blocs de données?

Je voudrais comparer une colonne d'un df avec d'autres df. Les colonnes sont des noms et des noms de famille. Je voudrais vérifier si une personne dans une trame de données se trouve dans une autre.

23 pandas dataframe

4

XGBoost gère-t-il la multicolinéarité par lui-même?

J'utilise actuellement XGBoost sur un ensemble de données avec 21 fonctionnalités (sélectionnées dans la liste de quelque 150 fonctionnalités), puis je les ai codées à chaud pour obtenir ~ 98 fonctionnalités. Certaines de ces 98 fonctionnalités sont quelque peu redondantes, par exemple: une variable (fonctionnalité) apparaît également comme BAAA etCBABA\frac{B}{A} …

23 feature-selection correlation xgboost gbm

2

Comment utiliser la sortie de GridSearch?

Je travaille actuellement avec Python et Scikit learn à des fins de classification, et en lisant autour de GridSearch, j'ai pensé que c'était un excellent moyen d'optimiser mes paramètres d'estimateur pour obtenir les meilleurs résultats. Ma méthodologie est la suivante: Divisez mes données en formation / test. Utilisez GridSearch avec …

23 machine-learning cross-validation

2

En quoi consiste exactement l'amorçage dans l'apprentissage par renforcement?

Apparemment, dans l'apprentissage par renforcement, la méthode de la différence temporelle (TD) est une méthode d'amorçage. En revanche, les méthodes Monte Carlo ne sont pas des méthodes d'amorçage. En quoi consiste exactement l'amorçage dans RL? Qu'est-ce qu'une méthode d'amorçage en RL?

23 reinforcement-learning

3

Quel est le codage positionnel dans le modèle de transformateur?

Je suis nouveau au ML et c'est ma première question ici, donc désolé si ma question est idiote. J'essaie de lire et de comprendre le papier. Attention, c'est tout ce dont vous avez besoin et il y a une image: Je ne sais pas ce qu'est l' encodage positionnel . …

23 nlp encoding attention-mechanism transformer

3

Encodage de variables catégorielles à l'aide d'une estimation de vraisemblance

J'essaie de comprendre comment je peux coder des variables catégorielles en utilisant une estimation de vraisemblance, mais j'ai eu peu de succès jusqu'à présent. Toutes les suggestions seraient grandement appréciées.

22 feature-engineering

3

Transformation des fonctionnalités sur les données d'entrée

Je lisais la solution à ce défi OTTO Kaggle et la première solution semble utiliser plusieurs transformations pour les données d'entrée X, par exemple Log (X + 1), sqrt (X + 3/8), etc. des directives générales sur le moment d'appliquer quelles transformations types à divers classificateurs? Je comprends les concepts …

22 machine-learning feature-extraction feature-scaling

6

Partage des blocs-notes Jupyter au sein d'une équipe

Je voudrais mettre en place un serveur qui pourrait prendre en charge une équipe de science des données de la manière suivante: être un point central pour le stockage, la gestion des versions, le partage et éventuellement l'exécution des blocs-notes Jupyter. Quelques propriétés souhaitées: Différents utilisateurs peuvent accéder au serveur …

22 software-recommendation

3

Quelle est une meilleure entrée pour Word2Vec?

Cela ressemble plus à une question générale de PNL. Quelle est l'entrée appropriée pour former l'intégration d'un mot, à savoir Word2Vec? Est-ce que toutes les phrases appartenant à un article devraient être un document séparé dans un corpus? Ou chaque article doit-il être un document dans ledit corpus? Ceci est …

22 nlp word-embeddings

6

Bases de l'apprentissage en profondeur

Je recherche un article détaillant les fondements mêmes de l'apprentissage profond. Idéalement comme le cours Andrew Ng pour l'apprentissage en profondeur. Savez-vous où je peux trouver ça?

22 machine-learning deep-learning