Scienza dei dati

2

Come posso adattare i tipi di dati categorici per la classificazione casuale delle foreste?

Devo trovare l'accuratezza di un set di dati di allenamento applicando l'algoritmo casuale della foresta. Ma i miei tipi di set di dati sono sia categorici che numerici. Quando ho provato ad adattare quei dati, ho ricevuto un errore. 'Input contiene NaN, infinito o un valore troppo grande per dtype …

11 python data-mining random-forest

3

Cos'è LSTM, BiLSTM e quando usarli?

Sono molto nuovo di Deep learning e sono particolarmente interessato a sapere cosa sono LSTM e BiLSTM e quando usarli (principali aree di applicazione). Perché LSTM e BILSTM sono più popolari di RNN? Possiamo usare queste architetture di apprendimento profondo in problemi senza supervisione?

11 machine-learning deep-learning rnn lstm

2

Strano comportamento con Adam Optimizer quando ci si allena troppo a lungo

Sto cercando di addestrare un singolo percettrone (1000 unità di input, 1 output, nessun layer nascosto) su 64 punti dati generati casualmente. Sto usando Pytorch usando l'ottimizzatore Adam: import torch from torch.autograd import Variable torch.manual_seed(545345) N, D_in, D_out = 64, 1000, 1 x = Variable(torch.randn(N, D_in)) y = Variable(torch.randn(N, D_out)) …

11 perceptron pytorch

1

Numero e dimensioni di strati densi in una CNN

La maggior parte delle reti che ho visto hanno uno o due strati densi prima del livello finale di softmax. Esiste un modo di principio per scegliere il numero e la dimensione dei layer densi? Due strati densi sono più rappresentativi di uno, per lo stesso numero di parametri? Il …

11 convnet

4

Apprendimento automatico vs apprendimento profondo

Sono un po 'confuso dalla differenza tra i termini "Machine Learning" e "Deep Learning". L'ho cercato su Google e ho letto molti articoli, ma per me non è ancora molto chiaro. Una definizione nota di Machine Learning di Tom Mitchell è: Un programma per elaboratore è detto di imparare dall'esperienza …

11 machine-learning deep-learning

4

Misura delle prestazioni: perché si chiama richiamo?

la precisione è la frazione delle istanze recuperate che sono rilevanti, mentre il richiamo (noto anche come sensibilità) è la frazione delle istanze rilevanti che vengono recuperate. Conosco il loro significato ma non so perché si chiama richiamo ? Non sono madrelingua inglese. So che ricordare significa ricordare, quindi non …

11 performance terminology

4

Overfitting / Underfitting with Data set size

Nel grafico seguente, x-axis => Dimensione set di dati asse y => Punteggio di convalida incrociata La linea rossa è per i dati di allenamento La linea verde è per i dati di test In un tutorial a cui mi riferisco, l'autore afferma che il punto in cui la linea …

11 machine-learning cross-validation

1

Cosa succede quando si forma un SVM lineare su dati separabili non linearmente?

Cosa succede quando si forma una macchina vettoriale di supporto di base (kernel lineare e nessun margine morbido) su dati non linearmente separabili? Il problema di ottimizzazione non è fattibile, quindi cosa restituisce l'algoritmo di minimizzazione?

11 machine-learning svm

1

Intuizione per il parametro di regolarizzazione in SVM

In che modo la variazione del parametro di regolarizzazione in un SVM modifica il limite di decisione per un set di dati non separabile? Una risposta visiva e / o alcuni commenti sui comportamenti limitanti (per la regolarizzazione grande e piccola) sarebbe molto utile.

11 svm

2

Le differenze tra SVM e regressione logistica

Sto leggendo SVMe ho affrontato al punto che i non kernel SVMsnon sono altro che separatori lineari. Pertanto, l'unica differenza tra una SVMe regressione logistica è il criterio per scegliere il confine? Apparentemente, SVMsceglie il massimo classificatore di margini e la regressione logistica è quella che minimizza la cross-entropyperdita. Ci …

11 machine-learning classification svm logistic-regression generalization

1

Precisione del treno vs precisione del test e matrice di confusione

Dopo aver sviluppato il mio modello predittivo utilizzando Random Forest ottengo le seguenti metriche: Train Accuracy :: 0.9764634601043997 Test Accuracy :: 0.7933284397683713 Confusion matrix [[28292 1474] [ 6128 889]] Questi sono i risultati di questo codice: training_features, test_features, training_target, test_target, = train_test_split(df.drop(['bad_loans'], axis=1), df['target'], test_size = .3, random_state=12) clf = …

11 python predictive-modeling accuracy confusion-matrix classifier

2

Opzioni di gestione delle caratteristiche categoriche di Catboost (impostazioni CTR)?

Sto lavorando con un set di dati con un gran numero di caratteristiche categoriche (> 80%) che prevedono una variabile target continua (cioè Regressione). Ho letto parecchi modi per gestire le caratteristiche categoriche. E ho imparato che la codifica one-hot che ho usato in passato è davvero una pessima idea, …

11 machine-learning decision-trees categorical-data

3

È necessaria la selezione delle funzioni?

Vorrei eseguire un modello di apprendimento automatico come foresta casuale, aumento del gradiente o SVM sul mio set di dati. Ci sono più di 200 variabili predittive nel mio set di dati e le mie classi target sono una variabile binaria. Devo eseguire la selezione delle funzioni prima dell'adattamento del …

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

1

Qual è la differenza in xgboost binary: logistic e reg: logistic

Qual è la differenza in R in xgboost tra binary: logistic e reg: logistic? È solo nella metrica di valutazione? In caso affermativo, come si confronta RMSE sulla classificazione binaria con il tasso di errore? La relazione tra le metriche è più o meno monotonica, l'output della messa a punto …

11 r logistic-regression xgboost

2

Che cos'è una codifica a caldo in tensorflow?

Attualmente sto facendo un corso in tensorflow in cui hanno usato tf.one_hot (indici, profondità). Ora non capisco come questi indici si trasformino in quella sequenza binaria. Qualcuno può spiegarmi il processo esatto per favore ???

10 machine-learning python neural-network deep-learning tensorflow