Ciência de dados

Esta pergunta é uma resposta a um comentário que vi em outra pergunta. O comentário foi sobre o programa do curso de Aprendizado de Máquina no Coursera, e na linha de "SVMs não são tão usados ​​hoje em dia". Acabei de terminar as palestras relevantes, e meu entendimento dos SVMs …

58 data-mining  svm  state-of-the-art 

Na wikipedia, redução de dimensionalidade ou redução de dimensão é o processo de redução do número de variáveis ​​aleatórias em consideração e pode ser dividido em seleção e extração de recursos. Qual é a diferença entre a seleção e extração de recursos? Qual é um exemplo de redução de dimensionalidade …

58 feature-selection  feature-extraction  dimensionality-reduction 

A lógica geralmente declara que, ao desajustar um modelo, sua capacidade de generalizar aumenta. Dito isto, claramente em algum momento a falta de ajuste de um modelo faz com que os modelos piorem, independentemente da complexidade dos dados. Como você sabe quando seu modelo alcançou o equilíbrio certo e não …

56 efficiency  algorithms  parameter 

Li recentemente o comentário de Yan LeCuns sobre convoluções 1x1 : Nas redes convolucionais, não existem "camadas totalmente conectadas". Existem apenas camadas de convolução com kernels de convolução 1x1 e uma tabela de conexão completa. É um fato raramente compreendido que ConvNets não precisam ter uma entrada de tamanho fixo. …

55 neural-network  convnet 

Estive pensando nas Redes Neurais Recorrentes (RNN) e suas variedades e nas Redes Neurais Convolucionais (CNN) e suas variedades. Seria justo dizer esses dois pontos: Use CNNs para dividir um componente (como uma imagem) em subcomponentes (como um objeto em uma imagem, como o contorno do objeto na imagem etc.) …

53 machine-learning  neural-network  beginner 

Vejo muitas vezes na descrição do trabalho de um cientista de dados que solicita experiência em Python / Java e desconsidere R. Abaixo está um e-mail pessoal que recebi do cientista de dados principal de uma empresa que solicitei através do linkedin. X, obrigado por conectar e expressar interesse. Você …

53 beginner  tools  career  reference-request 

Eu sabia que a Residual Network (ResNet) tornou popular a inicialização normal de He. No ResNet, a inicialização normal é usada , enquanto a primeira camada usa a inicialização uniforme. Examinei os artigos da ResNet e os artigos "Investigando profundamente os retificadores" (artigo de inicialização He), mas não encontrei nenhuma …

51 neural-network  deep-learning  normalization 

Qual é a abordagem correta e o algoritmo de clustering para clustering de geolocalização? Estou usando o seguinte código para agrupar coordenadas de localização geográfica: import numpy as np import matplotlib.pyplot as plt from scipy.cluster.vq import kmeans2, whiten coordinates= np.array([ [lat, long], [lat, long], ... [lat, long] ]) x, y …

51 machine-learning  python  clustering  k-means  geospatial 

Estou trabalhando em um projeto de ciência de dados usando Python. O projeto tem várias etapas. Cada estágio consiste em pegar um conjunto de dados, usando scripts Python, dados auxiliares, configuração e parâmetros e criar outro conjunto de dados. Eu guardo o código no git, para que essa parte seja …

50 python  tools  version-control 

Quando comecei com redes neurais artificiais (NN), pensei que teria que combater o excesso de ajustes como o principal problema. Mas, na prática, nem consigo que meu NN ultrapasse a barreira da taxa de erro de 20%. Eu não posso nem bater minha pontuação na floresta aleatória! Estou buscando conselhos …

50 neural-network  deep-learning 

Alocação de Dirichlet Latente (LDA) e Processo de Dirichlet Hierárquico (HDP) são processos de modelagem de tópicos. A principal diferença é que o LDA requer a especificação do número de tópicos, e o HDP não. Por que? E quais são as diferenças, prós e contras dos dois métodos de modelagem …

49 nlp  topic-model  lda 

A lógica geralmente afirma que, ao sobreajustar um modelo, sua capacidade de generalizar é limitada, embora isso possa significar apenas que a sobreajuste impede que um modelo melhore após uma certa complexidade. O ajuste excessivo faz com que os modelos piorem, independentemente da complexidade dos dados, e se sim, por …

49 machine-learning  predictive-modeling 

Estou usando o TensorFlow para experimentos principalmente com redes neurais. Embora eu tenha feito algumas experiências (XOR-Problem, MNIST, algumas coisas de Regressão, ...) agora, luto com a escolha da função de custo "correta" para problemas específicos, porque no geral eu poderia ser considerado um iniciante. Antes de vir para o …

49 machine-learning  python  neural-network  statistics  tensorflow 

R possui muitas bibliotecas destinadas à análise de dados (por exemplo, JAGS, BUGS, ARULES etc.), e são mencionadas em livros populares como: J.Krusche, Doing Bayesian Data Analysis; B.Lantz, "Machine Learning with R". Eu vi uma diretriz de 5 TB para um conjunto de dados ser considerado como Big Data. Minha …

48 bigdata  r 

As redes neurais obtêm os melhores resultados nas tarefas de visão computacional (consulte MNIST , ILSVRC , Kaggle Galaxy Challenge ). Eles parecem superar todas as outras abordagens no Computer Vision. Mas também existem outras tarefas: Desafio da Atividade Molecular de Kaggle Regressão: previsão de Kaggle Rain , também o …

48 machine-learning  pgm