Ciência de dados

Ao criar uma classificação, digamos, para um mecanismo de pesquisa ou um sistema de recomendação, é válido confiar na frequência de cliques para determinar a relevância de uma entrada?

17 recommender-system  information-retrieval 

Aqui, a resposta se refere a gradientes de fuga e explosão que têm sigmoidfunções de ativação semelhantes, mas, eu acho, Relutem uma desvantagem e é seu valor esperado. não há limitação para a saída do Relue, portanto, seu valor esperado não é zero. Lembro-me da época anterior à popularidade Reludisso …

17 machine-learning  neural-network  deep-learning  gradient-descent  activation-function 

Para detecção, uma maneira comum de determinar se uma proposta de objeto estava correta é Intersecção sobre União (IoU, IU). Isso pega o conjunto de pixels de objeto propostos e o conjunto de pixels de objeto verdadeiros B e calcula:UMAUMAABBB Euo U( A , B ) = A ∩ BA …

17 computer-vision 

Eu estou querendo saber como rotular (marcar) frases / parágrafos / documentos com doc2vec no gensim - do ponto de vista prático. Você precisa ter cada frase / parágrafo / documento com seu próprio rótulo exclusivo (por exemplo, "Sent_123")? Isso parece útil se você quiser dizer "quais palavras ou frases …

17 machine-learning  text-mining  word-embeddings  word2vec 

Eu tenho um problema de agrupar uma quantidade enorme de frases em grupos por seus significados. Isso é semelhante a um problema quando você tem muitas frases e deseja agrupá-las por seus significados. Quais algoritmos são sugeridos para fazer isso? Não conheço o número de clusters com antecedência (e, à …

17 clustering  text-mining  algorithms  scikit-learn 

Ensacamento é a geração de múltiplos preditores que funcionam como um único preditor. A desistência é uma técnica que ensina às redes neurais a média de todas as sub-redes possíveis. Olhando para as competições mais importantes do Kaggle, parece que essas duas técnicas são usadas juntas com muita frequência. Não …

17 machine-learning  neural-network  deep-learning 

Quando uma inicialização aleatória de centróides é usada, diferentes execuções de médias K produzem diferentes SSEs totais. E é crucial no desempenho do algoritmo. Quais são algumas abordagens eficazes para resolver esse problema? Abordagens recentes são apreciadas.

17 data-mining  clustering  k-means 

Eu tenho uma grande matriz esparsa de usuários e itens que eles gostam (na ordem de 1 milhão de usuários e 100 mil itens, com um nível muito baixo de escassez). Estou explorando maneiras pelas quais eu poderia executar a pesquisa kNN nele. Dado o tamanho do meu conjunto de …

17 machine-learning  distributed  map-reduce  dimensionality-reduction 

Preciso gerar relatórios periódicos (diários, mensais) do painel de análise da web. Eles serão estáticos e não requerem interação, então imagine um arquivo PDF como saída de destino. Os relatórios mesclam tabelas e gráficos (principalmente gráficos sparkline e bullet criados com o ggplot2). Pense nos painéis do estilo Stephen Few …

17 r  visualization 

Estou trabalhando com uma pergunta do livro on-line: http://neuralnetworksanddeeplearning.com/chap1.html Eu posso entender que, se a camada de saída adicional for de 5 neurônios de saída, provavelmente poderia definir um viés de 0,5 e um peso de 0,5 cada para a camada anterior. Mas a pergunta agora pede uma nova camada …

17 neural-network 

Qual é a melhor ferramenta a ser usada para visualizar (desenhar os vértices e arestas) um gráfico com 1000000 vértices? Existem cerca de 50000 arestas no gráfico. E posso calcular a localização de vértices e arestas individuais. Estou pensando em escrever um programa para gerar um svg. Alguma outra sugestão?

17 visualization  graphs 

Houve um furor recente com o Facebook experimentando seus usuários para ver se eles podiam alterar as emoções do usuário e agora estão ok . Embora eu não seja um cientista de dados profissional, li sobre ética em ciência de dados no livro 'Doing Data Science' de Cathy O'Neill e …

17 social-network-analysis 

Eu uso o Libsvm para treinar dados e prever classificação no problema de análise semântica . Mas há um problema de desempenho em dados de larga escala, porque a análise semântica diz respeito ao problema da n-dimensão . No ano passado, o Liblinear foi lançado e pode resolver gargalos de …

17 machine-learning  bigdata  libsvm 

Eu tenho um projeto de hobby que estou pensando em me comprometer como uma maneira de aumentar minha experiência até agora limitada de aprendizado de máquina. Tirei e concluí o MOOC do Coursera sobre o assunto. Minha pergunta é com relação à viabilidade do projeto. A tarefa é a seguinte: …

17 machine-learning 

Criamos um aplicativo de rede social para fins de eLearning. É um projeto experimental que estamos pesquisando em nosso laboratório. Ele tem sido usado em alguns estudos de caso há algum tempo e os dados em nosso DBMS relacional (SQL Server 2008) estão ficando grandes. São alguns gigabytes agora e …

17 nosql  relational-dbms