Science des données machine-learning

4

Le GLM est-il un modèle statistique ou d'apprentissage automatique?

Je pensais que le modèle linéaire généralisé (GLM) serait considéré comme un modèle statistique, mais un ami m'a dit que certains articles le classaient comme une technique d'apprentissage automatique. Laquelle est vraie (ou plus précise)? Toute explication serait appréciée.

11 machine-learning statistics glm

3

TensorFlow est-il une bibliothèque complète d'apprentissage automatique?

Je suis nouveau sur TensorFlow et j'ai besoin de comprendre les capacités et les défauts de TensorFlow avant de pouvoir l'utiliser. Je sais qu'il s'agit d'un cadre d'apprentissage en profondeur, mais en dehors de celui que d'autres algorithmes d'apprentissage automatique peuvent utiliser avec le flux tensoriel. Par exemple, pouvons-nous utiliser …

11 machine-learning

2

Conséquence de la mise à l'échelle des fonctionnalités

J'utilise actuellement SVM et j'adapte mes fonctionnalités d'entraînement à la plage de [0,1]. J'ai d'abord ajusté / transformé mon ensemble d'entraînement, puis j'applique la même transformation à mon ensemble de test. Par exemple: ### Configure transformation and apply to training set min_max_scaler = MinMaxScaler(feature_range=(0, 1)) X_train = min_max_scaler.fit_transform(X_train) ### Perform …

11 machine-learning svm feature-scaling

1

Implémentation de t-SNE Python: divergence Kullback-Leibler

t-SNE, comme dans [1], fonctionne en réduisant progressivement la divergence de Kullback-Leibler (KL), jusqu'à ce qu'une certaine condition soit remplie. Les créateurs de t-SNE suggèrent d'utiliser la divergence KL comme critère de performance pour les visualisations: vous pouvez comparer les divergences Kullback-Leibler rapportées par t-SNE. Il est tout à fait …

11 machine-learning python

5

Quand supprimer les variables corrélées

Quelqu'un peut-il suggérer quelle est la bonne étape pour supprimer les variables corrélées avant l'ingénierie des fonctionnalités ou après l'ingénierie des fonctionnalités?

11 machine-learning feature-selection data-science-model

3

Qu'est-ce que LSTM, BiLSTM et quand les utiliser?

Je suis très nouveau dans le Deep Learning et je suis particulièrement intéressé à savoir ce que sont LSTM et BiLSTM et quand les utiliser (principaux domaines d'application). Pourquoi LSTM et BILSTM sont-ils plus populaires que RNN? Pouvons-nous utiliser ces architectures d'apprentissage en profondeur dans des problèmes non supervisés?

11 machine-learning deep-learning rnn lstm

4

Apprentissage automatique vs apprentissage profond

Je suis un peu confus par la différence entre les termes "Machine Learning" et "Deep Learning". Je l'ai googlé et lu de nombreux articles, mais ce n'est toujours pas très clair pour moi. Une définition connue du Machine Learning par Tom Mitchell est: Un programme informatique est dit apprendre de …

11 machine-learning deep-learning

4

Sur-ajustement / sous-ajustement avec la taille de l'ensemble de données

Dans le graphique ci-dessous, axe x => Taille de l'ensemble de données axe y => Score de validation croisée La ligne rouge est pour les données de formation La ligne verte est pour les données de test Dans un tutoriel auquel je fais référence, l'auteur dit que le point où …

11 machine-learning cross-validation

1

Que se passe-t-il lorsque nous formons un SVM linéaire sur des données non linéairement séparables?

Que se passe-t-il lorsque nous formons une machine à vecteurs de support de base (noyau linéaire et pas de marge souple) sur des données non linéairement séparables? Le problème d'optimisation n'est pas possible, alors que renvoie l'algorithme de minimisation?

11 machine-learning svm

2

Les différences entre SVM et régression logistique

Je suis en train de lire SVMet j'ai fait face au point que les non-noyés SVMsne sont rien de plus que des séparateurs linéaires. Par conséquent, la seule différence entre une SVMrégression et une régression logistique est-elle le critère pour choisir la frontière? Apparemment, SVMchoisit le classificateur de marge maximale …

11 machine-learning classification svm logistic-regression generalization

2

Options de gestion des fonctionnalités catégorielles Catboost (paramètres CTR)?

Je travaille avec un ensemble de données avec un grand nombre de caractéristiques catégorielles (> 80%) prédisant une variable cible continue (c.-à-d. Régression). J'ai lu pas mal de choses sur la façon de gérer les fonctionnalités catégorielles. Et j'ai appris que l'encodage à chaud que j'utilisais dans le passé est …

11 machine-learning decision-trees categorical-data

3

La sélection des fonctionnalités est-elle nécessaire?

Je voudrais exécuter un modèle d'apprentissage automatique comme la forêt aléatoire, le renforcement du gradient ou SVM sur mon jeu de données. Il y a plus de 200 variables prédictives dans mon jeu de données et mes classes cibles sont une variable binaire. Dois-je exécuter la sélection des fonctions avant …

11 machine-learning predictive-modeling feature-selection random-forest

1

Effet de NE PAS changer le poids des filtres de CNN pendant le backprop

Quel est l'effet de NE PAS changer le poids des filtres d'un CNN pendant la rétropropagation? J'ai modifié uniquement les poids de couche entièrement connectés lors de la formation sur l'ensemble de données MNIST et j'ai toujours atteint une précision de près de 99%.

10 machine-learning cnn mnist

3

Meilleures langues pour le calcul scientifique [fermé]

Fermé . Cette question doit être plus ciblée . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle se concentre sur un problème uniquement en modifiant ce message . Fermé il y a 5 ans . Il semble que la plupart des …

10 efficiency statistics tools knowledge-base machine-learning neural-network deep-learning optimization hyperparameter machine-learning time-series categorical-data logistic-regression python visualization bigdata efficiency classification binary svm random-forest logistic-regression data-mining sql experiments bigdata efficiency performance scalability distributed bigdata nlp statistics education knowledge-base definitions machine-learning recommender-system evaluation efficiency algorithms parameter efficiency scalability sql statistics visualization knowledge-base education machine-learning r python r text-mining sentiment-analysis machine-learning machine-learning python neural-network statistics reference-request machine-learning data-mining python classification data-mining bigdata usecase apache-hadoop map-reduce aws education feature-selection machine-learning machine-learning sports data-formats hierarchical-data-format bigdata apache-hadoop bigdata apache-hadoop python visualization knowledge-base classification confusion-matrix accuracy bigdata apache-hadoop bigdata efficiency apache-hadoop distributed machine-translation nlp metadata data-cleaning text-mining python pandas machine-learning python pandas scikit-learn bigdata machine-learning databases clustering data-mining recommender-system

3

Arrêt précoce en cas de perte de validation ou d'exactitude?

Je forme actuellement un réseau de neurones et je ne peux pas décider lequel utiliser pour implémenter mes critères d'arrêt précoce: perte de validation ou une métrique comme précision / f1score / auc / quoi que ce soit calculé sur l'ensemble de validation. Dans mes recherches, je suis tombé sur …

10 machine-learning neural-network deep-learning classification

Questions marquées «machine-learning»