Science des données

1

Quelle est la définition exacte de la dimension VC?

J'étudie l'apprentissage automatique à partir des conférences d'Andrew Ng Stanford et je viens de découvrir la théorie des dimensions VC. Selon les conférences et ce que j'ai compris, la définition de la dimension VC peut être donnée comme, Si vous pouvez trouver un ensemble de points, de sorte qu'il puisse …

8 machine-learning classification vc-theory

2

Gradients synthétiques - quel est l'avantage pratique?

Je peux voir deux raisons d'utiliser des dégradés synthétiques dans RNN: Pour accélérer l'entraînement, en corrigeant immédiatement chaque couche avec le gradient prévu Pour pouvoir apprendre des séquences plus longues Je vois des problèmes avec les deux. Veuillez noter que j'aime vraiment les dégradés synthétiques et je voudrais les implémenter. …

8 backpropagation

1

Comment appliquer le gradient de softmax dans backprop

J'ai récemment fait mes devoirs où j'ai dû apprendre un modèle pour la classification à 10 chiffres du MNIST. Le HW avait un code d'échafaudage et j'étais censé travailler dans le contexte de ce code. Mes devoirs fonctionnent / réussissent les tests, mais maintenant j'essaie de tout faire à partir …

8 backpropagation

3

Comment la couche d'intégration est formée dans la couche d'intégration Keras

Comment la couche d'intégration est-elle formée dans la couche d'intégration Keras? (par exemple, utiliser le backend tensorflow, ce qui signifie qu'il est similaire à word2vec, glove ou fasttext) Supposons que nous n'utilisions pas une intégration préentraînée.

8 keras word-embeddings

2

LSTM: Comment gérer la non-stationnarité lors de la prédiction d'une série chronologique

Je veux faire des prévisions à un pas pour les séries chronologiques avec LSTM. Pour comprendre l'algorithme, je me suis construit un exemple de jouet: un simple processus autocorrélé. def my_process(n, p, drift=0, displacement=0): x = np.zeros(n) for i in range(1, n): x[i] = drift * i + p * …

8 python keras time-series lstm

1

comment comparer différents ensembles de données de séries chronologiques

J'essaie de faire une détection d'anomalie entre les séries temporelles # en utilisant Python et sklearn (mais d'autres suggestions de packages sont certainement les bienvenues!). J'ai un ensemble de 10 séries chronologiques; chaque série chronologique se compose de données collectées à partir de la valeur de couple d'un pneu (donc …

8 python clustering time-series anomaly-detection

2

Comprendre les mathématiques d'AdaGrad et d'AdaDelta

J'ai construit des modèles pour un projet, mais je ne peux pas me concentrer sur les mathématiques des algorithmes Adagrad et Adadelta. Je comprends le fonctionnement de la descente en gradient de vanille et j'ai écrit du code pour le faire fonctionner avec succès. Je serais reconnaissant si quelqu'un m'expliquait …

8 machine-learning gradient-descent

3

Quelle est la différence entre la détection des valeurs aberrantes et la détection des anomalies?

Je voudrais connaître la différence en termes d'applications (par exemple, laquelle est la détection de fraude par carte de crédit?) Et en termes de techniques utilisées. Des articles types définissant la tâche seraient les bienvenus.

8 algorithms anomaly-detection outlier terminology definitions

1

Fonction de coût pour la régression ordinale à l'aide de réseaux de neurones

Quelle est la meilleure fonction de coût pour former un réseau de neurones à effectuer une régression ordinale , c'est- à- dire pour prédire un résultat dont la valeur existe sur une échelle arbitraire où seul l'ordre relatif entre différentes valeurs est significatif (par exemple: pour prédire quelle taille de …

8 neural-network cost-function

2

Comment reconstruire les pixels mélangés d'un fichier vidéo?

Supposons que vous ayez un fichier vidéo dont l'ordre des pixels a été mélangé une fois. Autrement dit, un ordre aléatoire a été défini une fois et appliqué à toutes les trames. Existe-t-il une approche connue pour récupérer l'ordre initial des pixels? J'ai quelques idées pour récupérer la topologie initiale …

8 statistics convnet image-recognition convolution tsne

1

comprendre la normalisation des lots

Dans l'article Batch Normalisation: Accelerating Deep Network Training b y Reducing Internal Covariate Shift ( ici ) Avant d'expliquer le processus de normalisation par lots, l'article essaie d'expliquer les problèmes liés à (je ne comprends pas quel est le problème exact abordé ici) . extrait de l'article 2, paragraphe 2: …

8 neural-network deep-learning batch-normalization

1

Réseau convolutif pour la classification, extrêmement sensible à l'éclairage

J'ai formé un réseau convolutionnel pour classer les images d'un composant mécanique comme bonnes ou défectueuses. Bien que la précision du test soit élevée, j'ai réalisé que le modèle fonctionnait mal sur des images qui avaient un éclairage légèrement différent. Les fonctionnalités que j'essaie de détecter sont subtiles, et l'éclairage …

8 machine-learning classification deep-learning image-classification

5

Regroupement avec similitude cosinus

J'ai un grand ensemble de données et une similitude cosinus entre eux. Je voudrais les regrouper en utilisant la similitude cosinus qui assemble des objets similaires sans avoir à spécifier au préalable le nombre de clusters que j'attends. J'ai lu la documentation sklearn de DBSCAN et Affinity Propagation, où les …

8 machine-learning data-mining clustering text-mining

1

Les données linéairement non séparables peuvent-elles être apprises à l'aide d'entités polynomiales avec régression logistique?

Je sais que Polynomial Logistic Regressionpeut facilement apprendre des données typiques comme l'image suivante: Je me demandais si les deux données suivantes peuvent également être apprises en utilisant ou non. Polynomial Logistic Regression Je suppose que je dois ajouter plus d'explications. Prenez la première forme. Si nous ajoutons des caractéristiques …

8 machine-learning classification

1

R, keras: Comment obtenir la sortie d'une couche cachée?

J'utilise le package Kerasdans R pour faire un réseau de neurones. Comment puis-je extraire la sortie d'une couche cachée? J'ai trouvé un exemple en python, mais c'est juste que je n'ai aucune idée de comment faire ça en R.

8 neural-network r keras