Ciência de dados

Eu quero evitar o excesso de ajustes na floresta aleatória. A esse respeito, pretendo usar mtry, nodesize e maxnodes etc. Você poderia me ajudar a escolher valores para esses parâmetros? Eu estou usando R. Além disso, se possível, diga-me como posso usar a validação cruzada k-fold para floresta aleatória (em …

11 machine-learning  data-mining  r  predictive-modeling  random-forest 

Descobri recentemente um novo pacote R para conectar-se à API do LinkedIn. Infelizmente, a API do LinkedIn parece bastante limitada; por exemplo, você só pode obter dados básicos sobre empresas, e isso é desanexado dos dados de indivíduos. Gostaria de obter dados de todos os funcionários de uma determinada empresa, …

11 data-mining  social-network-analysis  crawling  scraping 

Estou olhando o pybrain para receber alarmes do monitor do servidor e determinar a causa raiz de um problema. Fico feliz em treiná-lo usando aprendizado supervisionado e selecionando os conjuntos de dados de treinamento. Os dados estão estruturados mais ou menos assim: Servidor Tipo A # 1 Tipo de alarme …

11 machine-learning  neural-network 

Alguém pode explicar como as máquinas de fatoração com reconhecimento de campo (FFM) se comparam às máquinas de fatoração padrão (FM)? Padrão: http://www.ismll.uni-hildesheim.de/pub/pdfs/Rendle2010FM.pdf "Field Aware": http://www.csie.ntu.edu.tw/~r01922136/kaggle-2014-criteo.pdf

11 machine-learning  recommender-system 

Deixe-me mostrar um exemplo de um aplicativo de cluster on-line hipotético: No momento n, os pontos 1,2,3,4 são alocados ao cluster azul A e os pontos b, 5,6,7 são alocados ao cluster vermelho B. No tempo n + 1, é introduzido um novo ponto a que é atribuído ao cluster …

11 machine-learning  clustering 

A função base R glm()usa a Pontuação de Fishers para o MLE, enquanto a função glmnetparece usar o método de descida de coordenadas para resolver a mesma equação. A descida de coordenadas é mais eficiente em termos de tempo que a pontuação de Fisher, pois a pontuação de Fisher calcula …

11 machine-learning  r  algorithms  optimization 

O Google Trends retorna dados semanais, portanto, preciso encontrar uma maneira de mesclá-los com meus dados diários / mensais. O que fiz até agora é dividir cada série em dados diários, por exemplo: a partir de: 2013-03-03 - 2013-03-09 37 para: 2013-03-03 37 2013-03-04 37 2013-03-05 37 2013-03-06 37 2013-03-07 …

11 time-series 

Estou tentando resolver um conjunto de equações que possui 40 variáveis ​​independentes (x1, ..., x40) e uma variável dependente (y). O número total de equações (número de linhas) é ~ 300, e eu quero resolver o conjunto de 40 coeficientes que minimizam o erro total da soma dos quadrados entre …

11 machine-learning  regression  algorithms  genetic 

Eu tenho 2 conjuntos de dados, um com instâncias positivas do que eu gostaria de detectar e outro com instâncias não identificadas. Quais métodos posso usar? Como exemplo, suponha que desejamos entender a detecção de email de spam com base em algumas características estruturadas de email. Temos um conjunto de …

11 classification  semi-supervised-learning 

Costumo criar um modelo (classificação ou regressão) em que tenho algumas variáveis ​​preditoras que são sequências e tenho tentado encontrar recomendações técnicas para resumi-las da melhor maneira possível para inclusão como preditores no modelo. Como exemplo concreto, digamos que um modelo esteja sendo construído para prever se um cliente deixará …

11 machine-learning  feature-selection  time-series 

Eu pensei que o modelo linear generalizado (GLM) seria considerado um modelo estatístico, mas um amigo me disse que alguns artigos o classificam como uma técnica de aprendizado de máquina. Qual deles é verdadeiro (ou mais preciso)? Qualquer explicação seria apreciada.

11 machine-learning  statistics  glm 

Portanto, temos potencial para um aplicativo de aprendizado de máquina que se encaixe perfeitamente no domínio do problema tradicional resolvido pelos classificadores, ou seja, temos um conjunto de atributos que descrevem um item e um "bloco" no qual eles terminam. No entanto, em vez de criar modelos de probabilidades, como …

11 machine-learning  classification 

Em nossa empresa, temos um banco de dados MongoDB contendo muitos dados não estruturados, nos quais precisamos executar algoritmos de redução de mapa para gerar relatórios e outras análises. Temos duas abordagens para selecionar para implementar as análises necessárias: Uma abordagem é extrair os dados do MongoDB para um cluster …

11 scalability  apache-hadoop  map-reduce  mongodb 

Estou procurando uma biblioteca / ferramenta para visualizar como as redes sociais mudam quando novos nós / arestas são adicionados a ela. Uma das soluções existentes é o SoNIA: Social Network Image Animator . Vamos fazer filmes como este . A documentação do SoNIA diz que está quebrada no momento …

11 social-network-analysis  time-series  javascript  visualization 

Usando uma camada múltipla LSTMcom desistência, é recomendável colocar desistência em todas as camadas ocultas e nas camadas densas de saída? No artigo de Hinton (que propôs o Dropout), ele apenas colocou o Dropout nas camadas densas, mas isso ocorreu porque as camadas internas ocultas eram convolucionais. Obviamente, posso testar …

11 neural-network  lstm  rnn  dropout  stacked-lstm