Science des données

9

Train / Test / Validation Set Fractionnement dans Sklearn

Comment pourrais-je scinder au hasard une matrice de données et le vecteur d'étiquette correspondant en un X_train, X_test, X_val, y_train, y_test, y_val avec Sklearn? Autant que je sache, sklearn.cross_validation.train_test_splitn'est capable que de se scinder en deux, pas en trois ...

59 machine-learning scikit-learn

2

Les machines à vecteurs de support sont-elles toujours considérées comme «à la pointe de la technologie» dans leur créneau?

Cette question est en réponse à un commentaire que j'ai vu sur une autre question. Le commentaire concernait le programme de cours de Machine Learning sur Coursera, dans le sens suivant: "Les SVM ne sont plus autant utilisés de nos jours". Je viens juste de terminer moi-même les cours pertinents, …

58 data-mining svm state-of-the-art

5

Quand un modèle est-il sous-équipé?

La logique dit souvent qu'en sous-équipant un modèle, sa capacité à généraliser est accrue. Cela dit, il est clair qu’à un moment donné, un modèle insuffisamment aménagé s’aggrave, quelle que soit la complexité des données. Comment savoir si votre modèle a trouvé le juste équilibre et ne sous-exploite pas les …

56 efficiency algorithms parameter

4

Comment les convolutions 1x1 sont-elles identiques à une couche entièrement connectée?

J'ai récemment lu les commentaires de Yan LeCuns sur 1x1 convolutions : Dans les réseaux convolutionnels, il n’existe pas de "couches entièrement connectées". Il existe uniquement des couches de convolution avec des noyaux de convolution 1x1 et une table de connexion complète. C'est un fait trop rarement compris que ConvNets …

55 neural-network convnet

3

RNN vs CNN à un niveau élevé

J'ai pensé aux réseaux de neurones récurrents (RNN) et leurs variétés et aux réseaux de neurones convolutionnels (CNN) et leurs variétés. Ces deux points seraient-ils justes de dire: Utilisez les CNN pour décomposer un composant (tel qu'une image) en sous-composants (tel qu'un objet dans une image, tel que le contour …

53 machine-learning neural-network beginner

8

Pourquoi les entreprises Internet préfèrent-elles Java / Python pour le travail de data scientist?

Je vois plusieurs fois dans la description de poste d'un informaticien demandant une expérience Python / Java et ne tenant aucun compte de R. Ci-dessous, un courrier électronique personnel que j'ai reçu du responsable informatique d'une entreprise pour laquelle j'avais postulé via linkedin. X, merci de vous connecter et d'exprimer …

53 beginner tools career reference-request

2

Quand utiliser (il ou Glorot) l'initialisation normale par rapport à l'init uniforme? Et quels sont ses effets avec la normalisation par lots?

Je savais que Residual Network (ResNet) rendait populaire l’initialisation normale. Dans ResNet, l'initialisation normale He est utilisée , tandis que la première couche utilise l'initialisation uniforme He. J'ai parcouru les papiers ResNet et "Delving Deep into Rectifiers" (papier d'initialisation He), mais je n'ai trouvé aucune mention sur init normal ou …

51 neural-network deep-learning normalization

8

Regroupement des coordonnées géographiques (lat, paires longues)

Quelle est la bonne approche et le bon algorithme de clustering pour le clustering de géolocalisation? J'utilise le code suivant pour regrouper les coordonnées de géolocalisation: import numpy as np import matplotlib.pyplot as plt from scipy.cluster.vq import kmeans2, whiten coordinates= np.array([ [lat, long], [lat, long], ... [lat, long] ]) x, …

51 machine-learning python clustering k-means geospatial

9

Outils et protocole pour la science des données reproductibles à l'aide de Python

Je travaille sur un projet de science des données utilisant Python. Le projet comporte plusieurs étapes. Chaque étape consiste à prendre un ensemble de données, à utiliser des scripts Python, des données auxiliaires, une configuration et des paramètres, et à créer un autre ensemble de données. Je stocke le code …

50 python tools version-control

4

Allocation de Dirichlet latente vs processus de Dirichlet hiérarchique

L'allocation de Dirichlet latente (LDA) et le processus de Dirichlet hiérarchique (HDP) sont tous deux des processus de modélisation par sujet. La principale différence est que LDA requiert la spécification du nombre de sujets, contrairement à HDP. Pourquoi est-ce si? Et quelles sont les différences, les avantages et les inconvénients …

50 nlp topic-model lda

3

Comment lutter contre l'insuffisance cardiaque dans un réseau neuronal profond

Quand j'ai commencé avec les réseaux de neurones artificiels (NN), je pensais que je devais me battre contre la suralimentation comme principal problème. Mais dans la pratique, je ne parviens même pas à faire passer mon NN à la barre des 20% de taux d’erreur. Je ne peux même pas …

50 neural-network deep-learning

8

Pourquoi la suralimentation est-elle mauvaise dans l'apprentissage automatique?

La logique dit souvent qu'en surajustant un modèle, sa capacité à généraliser est limitée, bien que cela puisse simplement signifier que l'ajustement excessif empêche un modèle de s'améliorer après une certaine complexité. La suradaptation provoque-t-elle une détérioration des modèles, quelle que soit la complexité des données, et si oui, pourquoi …

49 machine-learning predictive-modeling

5

Réseaux de neurones: quelle fonction de coût utiliser?

J'utilise TensorFlow pour des expériences principalement avec des réseaux de neurones. Bien que j'aie fait pas mal d'expériences (XOR-Problem, MNIST, des trucs de régression, ...) maintenant, je ne parviens pas à choisir la fonction de coût "correcte" pour des problèmes spécifiques car, dans l'ensemble, je pourrais être considéré comme un …

49 machine-learning python neural-network statistics tensorflow

9

Existe-t-il un domaine dans lequel les réseaux Bayesian surpassent les réseaux de neurones?

Les réseaux de neurones obtiennent les meilleurs résultats dans les tâches de vision par ordinateur (voir MNIST , ILSVRC , Kaggle Galaxy Challenge ). Ils semblent surperformer toutes les autres approches de Computer Vision. Mais il y a aussi d'autres tâches: Kaggle Défi Activité Moléculaire Régression: prédiction de pluie Kaggle …

48 machine-learning pgm

9

Le langage R convient-il au Big Data?

R possède de nombreuses bibliothèques destinées à l’analyse de données (par exemple, JAGS, BUGS, ARULES, etc.), et est mentionné dans des manuels populaires tels que: J.Krusche, Doing Bayesian Data Analysis; B.Lantz, "Machine Learning avec R". J'ai observé une directive de 5 To pour qu'un jeu de données soit considéré comme …

48 bigdata r