Ciência de dados

Quando eu estava lendo sobre o uso StandardScaler, a maioria das recomendações dizia que você deveria usar StandardScaler antes de dividir os dados em treinamento / teste, mas quando eu estava verificando alguns dos códigos publicados on-line (usando o sklearn), havia dois usos principais. 1- Usando StandardScalerem todos os dados. …

20 machine-learning  scikit-learn  preprocessing 

Qual é melhor para precisão ou são iguais? Obviamente, se você usar categorical_crossentropy, usará uma codificação quente e se sparse_categorical_crossentropy, codificará como números inteiros normais. Além disso, quando um é melhor que o outro?

20 neural-network  keras  loss-function  encoding 

No caso de ter uma combinação de atributos categóricos e numéricos, costumo converter os atributos categóricos em um vetor quente. Minha pergunta é: deixo esses vetores como estão e dimensiono os atributos numéricos por meio de padronização / normalização, ou devo dimensionar os vetores quentes juntos com os atributos numéricos?

20 feature-engineering  feature-scaling  data-science-model 

Quero calcular a precisão, recall e pontuação F1 para o meu modelo binário KerasClassifier, mas não encontro nenhuma solução. Aqui está o meu código real: # Split dataset in train and test data X_train, X_test, Y_train, Y_test = train_test_split(normalized_X, Y, test_size=0.3, random_state=seed) # Build the model model = Sequential() model.add(Dense(23, …

20 machine-learning  neural-network  deep-learning  classification  keras 

O LDA possui dois hiperparâmetros, ajustando-os muda os tópicos induzidos. O que os hiperparâmetros alfa e beta contribuem para o LDA? Como o tópico muda se um ou outro hiperparâmetro aumenta ou diminui? Por que eles são hiperparâmetros e não apenas parâmetros?

19 topic-model  lda  parameter 

Estou interessado em saber o que realmente acontece no Hellinger Distance (em termos simples). Além disso, também estou interessado em saber quais são os tipos de problemas que podemos usar o Hellinger Distance? Quais são os benefícios do uso do Hellinger Distance?

19 machine-learning  data-mining  text-mining  distance 

Estou participando de uma competição de kaggle. O conjunto de dados possui cerca de 100 recursos e todos são desconhecidos (em termos do que realmente representam). Basicamente, são apenas números. As pessoas estão realizando muita engenharia de recursos nesses recursos. Eu estou querendo saber como exatamente um é capaz de …

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

Estou construindo uma regressão logística multinomial com o sklearn (LogisticRegression). Mas depois que termina, como posso obter um valor de p e um intervalo confiante do meu modelo? Parece apenas que o sklearn fornece apenas coeficiente e interceptação. Muito obrigado

19 scikit-learn  logistic-regression 

Recentemente, comecei a aprender a trabalhar sklearne acabei de encontrar esse resultado peculiar. Usei o digitsconjunto de dados disponível sklearnpara experimentar diferentes modelos e métodos de estimativa. Quando testei um modelo de máquina de vetor de suporte nos dados, descobri que existem duas classes diferentes sklearnpara a classificação SVM: SVCe …

19 svm  scikit-learn 

Geralmente, o modelo de aprendizado de máquina é construído em conjuntos de dados. Gostaria de saber se existe alguma maneira de gerar um conjunto de dados sintético usando esse modelo de aprendizado de máquina treinado, preservando as características originais do conjunto de dados? [dados originais -> construir modelo de aprendizado …

19 machine-learning  dataset 

O problema que estou enfrentando é categorizar textos curtos em várias classes. Minha abordagem atual é usar frequências de termo ponderadas tf-idf e aprender um classificador linear simples (regressão logística). Isso funciona razoavelmente bem (cerca de 90% da macro F-1 no conjunto de testes, quase 100% no conjunto de treinamento). …

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

Então, eu quero criar um gráfico de radar de perfil de jogador mais ou menos assim: Não apenas a escala de cada variável é diferente, mas também quero uma escala invertida para algumas estatísticas, como a estatística 'desapropriada', onde menos na verdade significa bom. Uma solução para a escala variável …

19 visualization 

Vi recentemente um recurso interessante que já estava disponível no Planilhas Google: você começa escrevendo algumas palavras-chave relacionadas em células consecutivas, diga: "azul", "verde", "amarelo" e gera automaticamente palavras-chave semelhantes (neste caso , outras cores). Veja mais exemplos neste vídeo do YouTube . Eu gostaria de reproduzir isso no meu …

19 nlp  text-mining  freebase 

Estou tentando encontrar uma fórmula, método ou modelo a ser usado para analisar a probabilidade de um evento específico influenciar alguns dados longitudinais. Estou tendo dificuldade em descobrir o que procurar no Google. Aqui está um exemplo de cenário: Imagem de sua empresa com uma média de 100 clientes diretos …

19 machine-learning  data-mining  statistics 

As funções de ativação são usadas para introduzir não linearidades na saída linear do tipo w * x + bem uma rede neural. O que eu sou capaz de entender intuitivamente para as funções de ativação como sigmoide. Entendo as vantagens do ReLU, que evita neurônios mortos durante a retropropagação. …

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