Science des données machine-learning

1

Qu'est-ce que la distance Hellinger et quand l'utiliser?

Je souhaite savoir ce qui se passe réellement à Hellinger Distance (en termes simples). De plus, je suis également intéressé à savoir quels sont les types de problèmes que nous pouvons utiliser Hellinger Distance? Quels sont les avantages de l'utilisation de Hellinger Distance?

19 machine-learning data-mining text-mining distance

3

Comment effectuer l'ingénierie des fonctionnalités sur des fonctionnalités inconnues?

Je participe à un concours de kaggle. L'ensemble de données comprend environ 100 fonctionnalités et toutes sont inconnues (en termes de ce qu'elles représentent réellement). Fondamentalement, ce ne sont que des chiffres. Les gens effectuent beaucoup d'ingénierie des fonctionnalités sur ces fonctionnalités. Je me demande comment exactement on est capable …

19 machine-learning feature-selection feature-extraction feature-engineering kaggle

2

Catégorisation de texte: combiner différents types de fonctionnalités

Le problème que j'aborde est de classer les textes courts en plusieurs classes. Mon approche actuelle consiste à utiliser les fréquences des termes pondérés tf-idf et à apprendre un classificateur linéaire simple (régression logistique). Cela fonctionne assez bien (environ 90% de macro F-1 sur le test, près de 100% sur …

19 machine-learning classification feature-selection logistic-regression information-retrieval

3

Comment générer un ensemble de données synthétique à l'aide d'un modèle d'apprentissage automatique appris avec un ensemble de données original?

Généralement, le modèle d'apprentissage automatique est construit sur des ensembles de données. Je voudrais savoir s'il existe un moyen de générer un ensemble de données synthétique en utilisant un tel modèle d'apprentissage automatique formé en préservant les caractéristiques originales de l'ensemble de données? [données originales -> construire un modèle d'apprentissage …

19 machine-learning dataset

4

Quel modèle statistique dois-je utiliser pour analyser la probabilité qu'un seul événement influence les données longitudinales

J'essaie de trouver une formule, une méthode ou un modèle à utiliser pour analyser la probabilité qu'un événement spécifique ait influencé certaines données longitudinales. J'ai du mal à trouver quoi rechercher sur Google. Voici un exemple de scénario: Imaginez que vous possédez une entreprise qui compte en moyenne 100 clients …

19 machine-learning data-mining statistics

2

Pourquoi ReLU est-il utilisé comme fonction d'activation?

Les fonctions d'activation sont utilisées pour introduire des non-linéarités dans la sortie linéaire du type w * x + bdans un réseau neuronal. Ce que je peux comprendre intuitivement pour les fonctions d'activation comme sigmoïde. Je comprends les avantages de ReLU, qui évite les neurones morts pendant la rétropropagation. Cependant, …

19 machine-learning neural-network deep-learning activation-function

1

Façons de traiter la caractéristique longitude / latitude [fermé]

Fermé . Cette question a besoin de détails ou de clarté . Il n'accepte pas actuellement les réponses. Voulez-vous améliorer cette question? Ajoutez des détails et clarifiez le problème en modifiant ce message . Fermé il y a 3 ans . Je travaille sur un jeu de données fictif avec …

19 machine-learning python feature-engineering feature-scaling normalization

1

Comment décider de l'architecture d'un réseau neuronal?

Je me demandais comment devons-nous décider du nombre de nœuds dans les couches cachées et du nombre de couches cachées à mettre lorsque nous construisons une architecture de réseau neuronal. Je comprends que la couche d'entrée et de sortie dépend de l'ensemble de formation que nous avons, mais comment décider …

19 machine-learning neural-network

1

Quels sont les avantages et les inconvénients de Keras et TFLearn?

Quels sont les avantages et les inconvénients de Keras et TFlearn ? Quand une bibliothèque est-elle préférée à l'autre?

18 machine-learning keras tflearn

4

Quand utiliserait-on la distance de Manhattan par opposition à la distance euclidienne?

J'essaie de chercher un bon argument sur la raison pour laquelle on utiliserait la distance de Manhattan sur la distance euclidienne dans le Machine Learning. La chose la plus proche que j'ai trouvée pour un bon argument jusqu'à présent est sur cette conférence du MIT . À 36h15, vous pouvez …

18 machine-learning classification distance

1

Comment gérer les étiquettes de chaînes dans une classification multi-classes avec des keras?

Je suis novice en apprentissage automatique et en kéros et je travaille actuellement sur un problème de classification d'images multi-classes en utilisant des kéros. L'entrée est l'image balisée. Après un certain prétraitement, les données d'entraînement sont représentées dans la liste Python comme: [["dog", "path/to/dog/imageX.jpg"],["cat", "path/to/cat/imageX.jpg"], ["bird", "path/to/cat/imageX.jpg"]] «chien», «chat» et …

18 machine-learning scikit-learn tensorflow keras encoding

1

Word2Vec contre Sentence2Vec contre Doc2Vec

J'ai récemment rencontré les termes Word2Vec , Sentence2Vec et Doc2Vec et un peu confus car je suis nouveau dans la sémantique vectorielle. Quelqu'un peut-il expliquer les différences entre ces méthodes en termes simples? Quelles sont les tâches les plus adaptées à chaque méthode?

18 machine-learning data-mining clustering nlp unsupervised-learning

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

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

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

Questions marquées «machine-learning»