Science des données

3

Implémentation Python de la fonction de coût dans la régression logistique: pourquoi la multiplication par points dans une expression mais la multiplication par élément dans une autre

J'ai une question très basique qui concerne Python, numpy et la multiplication des matrices dans le cadre de la régression logistique. Tout d'abord, permettez-moi de m'excuser de ne pas utiliser la notation mathématique. Je suis confus quant à l'utilisation de la multiplication matricielle par rapport à la multiplication par éléments. …

18 python logistic-regression cost-function

3

existe-t-il un outil de rangement des données pour python / pandas similaire à l'outil tidyr R?

Je travaille sur un défi Kaggle où certaines variables sont représentées par des lignes au lieu de colonnes (Telstra Network Disruption). Je suis actuellement à la recherche de l'équivalent de recueillir (), séparé () et réparti (), qui peut être trouvé dans l'outil R tidyr.

18 r python dataset data-cleaning pandas

4

Quelle est la différence entre Inception v2 et Inception v3?

L'article Aller plus loin avec les circonvolutions décrit GoogleNet qui contient les modules de création d'origine: La modification de la création v2 a consisté à remplacer les convolutions 5x5 par deux convolutions 3x3 successives et à appliquer le pooling: Quelle est la différence entre Inception v2 et Inception v3?

18 image-classification convnet computer-vision inception

3

Lignes directrices pour sélectionner un optimiseur pour la formation des réseaux de neurones

J'utilise des réseaux de neurones depuis un certain temps maintenant. Cependant, une chose avec laquelle je me bats constamment est la sélection d'un optimiseur pour la formation du réseau (en utilisant backprop). Ce que je fais habituellement, c'est de commencer par un seul (par exemple SGD standard), puis d'essayer d'autres …

18 neural-network optimization backpropagation

2

Quels sont / sont les filtres par défaut utilisés par Keras Convolution2d ()?

Je suis assez nouveau dans les réseaux de neurones, mais je comprends assez bien l'algèbre linéaire et les mathématiques de la convolution. J'essaie de comprendre l'exemple de code que je trouve à divers endroits sur le net pour former un NN convolutionnel Keras avec des données MNIST pour reconnaître les …

18 convnet keras

4

Recherche hyperparamétrique pour LSTM-RNN à l'aide de Keras (Python)

De Keras RNN Tutorial: "Les RNN sont difficiles. Le choix de la taille des lots est important, le choix de la perte et de l'optimiseur est critique, etc. Certaines configurations ne convergent pas." Il s'agit donc plus d'une question générale sur le réglage des hyperparamètres d'un LSTM-RNN sur Keras. Je …

18 python neural-network deep-learning keras hyperparameter

3

Extraction de fonctionnalités d'images en Python

Dans ma classe, je dois créer une application à l'aide de deux classificateurs pour décider si un objet dans une image est un exemple de phylum porifera (seaponge) ou un autre objet. Cependant, je suis complètement perdu en ce qui concerne les techniques d'extraction de fonctionnalités en python. Mon conseiller …

18 python feature-extraction image-recognition

7

Comment puis-je prédire le trafic sur la base des données de séries chronologiques précédentes?

Si j'ai un magasin de détail et que j'ai un moyen de mesurer le nombre de personnes qui entrent dans mon magasin chaque minute et d'horodater ces données, comment puis-je prédire le trafic piétonnier futur? J'ai étudié les algorithmes d'apprentissage automatique, mais je ne sais pas lequel utiliser. Dans mes …

18 machine-learning time-series

5

Meilleur algorithme pratique pour la similitude des phrases

J'ai deux phrases, S1 et S2, qui ont toutes deux un nombre de mots (généralement) inférieur à 15. Quels sont les algorithmes les plus utiles et les plus efficaces (apprentissage automatique), qui sont peut-être faciles à mettre en œuvre (le réseau de neurones est correct, sauf si l'architecture est aussi …

18 nlp clustering word2vec similarity

2

minima locaux vs points de selle en apprentissage profond

J'ai entendu Andrew Ng (dans une vidéo que je ne trouve malheureusement plus) parler de la façon dont la compréhension des minima locaux dans les problèmes d'apprentissage profond a changé en ce sens qu'ils sont maintenant considérés comme moins problématiques car dans les espaces de grande dimension (rencontrés dans apprentissage …

18 machine-learning deep-learning optimization convergence

1

PNL - pourquoi «n'est pas» un mot d'arrêt?

J'essaie de supprimer les mots vides avant d'effectuer la modélisation du sujet. J'ai remarqué que certains mots de négation (pas, ni, jamais, aucun, etc.) sont généralement considérés comme des mots vides. Par exemple, NLTK, spacy et sklearn incluent "not" dans leurs listes de mots vides. Cependant, si nous supprimons «non» …

18 nlp topic-model sentiment-analysis

4

Améliorez la vitesse de mise en œuvre de t-sne en python pour les énormes données

Je voudrais faire une réduction de dimensionnalité sur près d'un million de vecteurs chacun avec 200 dimensions ( doc2vec). j'utiliseTSNE implémentation du sklearn.manifoldmodule pour cela et le problème majeur est la complexité du temps. Même avec method = barnes_hut, la vitesse de calcul est encore faible. Un certain temps, même …

18 python bigdata nlp scikit-learn dimensionality-reduction

4

Regroupement basé sur des scores de similitude

Supposons que nous avons un ensemble d'éléments E et une similitude ( non loin ) fonction SIM (ei, ej) entre deux éléments ei, ej ∈ E . Comment pourrions-nous (efficacement) regrouper les éléments de E , en utilisant sim ? k -moyen, par exemple, nécessite un k donné , Canopy …

18 clustering algorithms similarity

2

Qu'est-ce que l'activation GELU?

Je parcourais le papier BERT qui utilise GELU (Gaussian Error Linear Unit) qui énonce l'équation comme qui à son tour est approximativement àG EL U( x ) = x P( X≤ x ) = x Φ ( x ) .gELU(X)=XP(X≤X)=XΦ(X). GELU(x) = xP(X ≤ x) = xΦ(x).0.5x(1+tanh[2/π−−−√(x+0.044715x3)])0,5X(1+tunenh[2/π(X+0,044715X3)])0.5x(1 + tanh[\sqrt{ 2/π}(x …

18 activation-function bert mathematics

4

Dérivée de rôle de la fonction sigmoïde dans les réseaux de neurones

J'essaie de comprendre le rôle de la dérivée de la fonction sigmoïde dans les réseaux de neurones. Je trace d'abord la fonction sigmoïde et la dérivée de tous les points de la définition à l'aide de python. Quel est exactement le rôle de ce dérivé? import numpy as np import …

18 machine-learning neural-network