Scienza dei dati

1

Perché "Profondità = rappresentazione semantica" nelle reti neurali convoluzionali?

Stavo guardando alcuni video online sulle reti convoluzionali e l'oratore stava discutendo il concetto di far passare un filtro su un'immagine. Ha detto, ed è anche mostrato nell'immagine qui sotto, che "Profondità = rappresentazione semantica". Sembra bello, ma non sono sicuro di cosa sia così speciale ridurre la dimensione spaziale …

8 neural-network dimensionality-reduction convnet

2

Modelli di Machine Learning in ambiente di produzione

Diciamo che un modello è stato addestrato in data dt1dt1dt1 utilizzando i dati etichettati disponibili, divisi in formazione e test, ad es traindt1traindt1train_{dt1}, testdt1testdt1test_{dt1}. Questo modello viene quindi distribuito in produzione e fa previsioni su nuovi dati in arrivo. AlcuniXXX i giorni passano e ci sono un sacco di dati …

8 machine-learning cross-validation model-selection data-product

3

Esistono algoritmi di classificazione delle immagini che non sono reti neurali?

La classificazione delle immagini è il compito di assegnare uno deinnnetichette precedentemente note per una determinata immagine. Ad esempio, sai che ti verranno fornite un paio di foto e ogni singola immagine ne ha esattamente una{cat,dog,car,stone}{cat,dog,car,stone}\{cat, dog, car, stone\}dentro. L'algoritmo dovrebbe dire cosa mostra la foto. Il set di dati …

8 image-classification

2

Che cos'è una formulazione LSTM-LM?

Sto leggendo questo documento "Sequence to Sequence Learning with Neural Networks" http://papers.nips.cc/paper/5346-sequence-to-sequence-learning-with-neural-networks.pdf Sotto "2. Il modello" si dice: L'LSTM calcola questa probabilità condizionale ottenendo prima la rappresentazione dimensionale fissa v della sequenza di input (x1,..., XT) data dall'ultimo stato nascosto dell'LSTM, e quindi calcolando la probabilità di y1,. . . …

8 machine-learning neural-network nlp rnn machine-translation

1

Numero minimo di alberi per il classificatore Foresta casuale

Sto cercando una stima teorica o sperimentale del limite inferiore per il numero di alberi in un classificatore Foresta casuale. Di solito collaudo diverse combinazioni e seleziono quella che (usando la validazione incrociata) fornisce il miglior risultato mediano. Tuttavia, penso che potrebbe esserci un limite inferiore al numero di alberi …

8 random-forest decision-trees

1

Differenza: Replicator Neural Network vs. Autoencoder

Attualmente sto studiando articoli sul rilevamento anomalo utilizzando RNN (Replicator Neural Networks) e mi chiedo quale sia la differenza particolare rispetto agli Autoencoder? RNN sembra essere considerato da molti come il santo graal della rilevazione di anomalie / anomalie, tuttavia l'idea sembra essere piuttosto vecchia, dato che gli autoencoders sono …

8 neural-network anomaly-detection autoencoder outlier

5

Cosa significa quando le persone dicono che una funzione di costo è qualcosa che vuoi minimizzare?

Ho molti problemi a capirlo. Significa che non dovresti usare la funzione di costo molto spesso?

8 machine-learning beginner linear-regression

3

Convalida incrociata nidificata e selezione del miglior modello di regressione: è questo il processo SKLearn giusto?

Se ho capito bene, il CV nidificato può aiutarmi a valutare quale modello e processo di ottimizzazione dell'iperparametro sono i migliori. Il ciclo interno ( GridSearchCV) trova i migliori iperparametri e il ciclo esterno ( cross_val_score) valuta l'algoritmo di ottimizzazione dell'iperparametro. Scelgo quindi quale combinazione di tuning / modello dal …

8 python scikit-learn cross-validation model-selection

1

Utilizzo di reti neurali per estrarre più parametri dalle immagini

Voglio estrarre i parametri da un'immagine usando una rete neurale. Esempio: Data un'immagine di un muro di mattoni, NN dovrebbe estrarre la larghezza e l'altezza dei mattoni, il colore e la rugosità. Posso generare immagini per determinati parametri per addestrare l'NN e voglio usarlo per estrarre i parametri da un'immagine …

8 neural-network deep-learning computer-vision

2

Quale dovrebbe essere il valore di un campo non valutato quando si trova la somiglianza del coseno

Sto lavorando a un sistema di raccomandazione di libri molto semplice. Voglio sapere cosa fare con i campi che non sono classificati dall'utente quando trovano la somiglianza del coseno, dovremmo ignorarli e calcolare solo con i campi classificati o dovremmo contrassegnarli come 0. Il libro che sto seguendo dice di …

8 correlation recommender-system cosine-distance

2

Esiste un'alternativa a nltk a Golang?

Golang è una delle mie lingue preferite e voglio usarla per un progetto NLP / ML personale. L'ecosistema di Golang è buono e abbastanza ricco per questo? Esiste un pacchetto alternativo per nltk in golang?

8 nlp nltk software-recommendation

2

Suggerimenti per un nuovo scienziato di dati

Sto per iniziare un lavoro in cui lavorerò con set di dati di grandi dimensioni e ci si aspetta che trovino tendenze, ecc. Ho trovato molte risorse su dove imparare ML e altre abilità difficili e sentire che sono (semi ) competente a tal fine. Sono interessato a sapere se …

8 beginner

2

Adattamento di linee attraverso grandi nuvole di punti

Ho una grande serie di punti (ordine di 10k punti) formati da tracce di particelle (movimento nel piano xy nel tempo filmato da una telecamera, quindi fotogrammi 3d - 256x256px e ca 3k nel mio set di esempio) e rumore. Queste particelle viaggiano approssimativamente su linee rette approssimativamente (ma solo …

8 machine-learning clustering regression

4

Classificazione dell'email in R

Sto lavorando a un progetto in R in cui ho circa 1200 e-mail da un'azienda, la maggior parte delle quali sono classificate come classe11_{1} o classe22_{2}, che sono i tipi di richieste. Circa 1000 e-mail sono classificate come classe11_{1}e 200 sono classificati come classe22_{2}Il mio obiettivo è quello di utilizzare …

8 machine-learning r text-mining

2

Media di due vettori Word2vec per ottenere una rappresentazione unificata per singola parola

Ho lavorato su dati addestrati per l'algoritmo Word2vec. Dato che abbiamo bisogno di parole per rimanere come originali, non le rendiamo minuscole nella fase di preelaborazione. Quindi ci sono parole con diverse varianti (ad esempio "Terra" e "terra"). L'unico modo in cui riesco a pensare è prendere la media dei …

8 feature-extraction word-embeddings word2vec